这门课解决什么问题：从“用 AI”到“做 AI 应用”的跨越

很多程序员和转行者在面对 DeepSeek 这类大模型时，往往停留在网页端对话的层面。当老板提出“把大模型接到公司内部知识库”或者“做一个能自动调用业务系统接口的智能体”时，就会因为缺乏工程化经验而无从下手。这门课正是针对这个断层，解决的是如何把大模型从“聊天工具”变成“生产级应用”的问题。它不教你底层算法原理，而是聚焦工程落地，带你看懂如何通过网关、本地部署和容器化技术，把大模型稳定地跑在真实的业务环境里。

适合什么基础，建议先看哪几块

这套资料不适合零基础的纯新手。它默认你具备基本的编程概念，对 Python 或后端开发有大致了解，但对大模型内部机制不熟悉也没关系。如果你是后端开发想转 AI 方向，或者运维人员需要接手内部大模型集群，这套资料会很对口。建议学习时不要从头顺着死磕，先看开篇词里的“程序员使用指北”，建立对 DeepSeek 能力边界的认知；接着直接跳到 Function Calling 和 ReAct 这两节，这是让大模型从“只会说”变成“会做事”的核心机制，理解了这部分，后面的部署和集群内容才有意义。

学完能独立做什么，资料怎么配合练习

看完这套资料，你应该能独立完成几件事：一是用 LobeChat 结合 AI 网关和 Ollama，在本地或服务器上搭起一个可用的多模型对话平台；二是能写出让大模型调用外部工具的智能体逻辑；三是面对高并发场景，知道如何用 Kubernetes 来调度和管理大模型资源。练习时，不要只盯着视频看，必须跟着动手。前期先在本地把 Ollama 和基础网关跑通，确认能正常发起 API 请求；中期重点写几段带有 Function Calling 的测试代码，比如让模型去查一次天气或读一次本地数据库，感受模型与代码的交互闭环；后期如果手头有云服务器，再尝试跟着进阶部分跑一遍容器化部署。如果机器配置不够，进阶部署部分以理解架构和配置逻辑为主，不必强求完整复现非量化版的分布式集群。


借力DeepSeek，开启AI应用开发之旅

课程目录

*   开篇词/

  *   开篇词｜借DeepSeek东风，开启AI应用开发之旅

*   前置课程：快速入门DeepSeek以及AI开发必备技术/

  *   01｜DeepSeek“民用级”程序员使用指北

  *   02｜特训套路：Function Calling和ReAct如何让大模型更加智能？

  *   加餐1｜Agent的前辈：Function Calling

  *   加餐2｜直播回放：如何借力DeepSeek入局AI应用开发

*   第一章 业界主流的DeepSeek部署方案/

  *   03｜快速上手（一）：LobeChat+AI 网关+Ollama 打造高可用大模型集群

  *   04｜快速上手（二）：LobeChat+AI 网关 +Ollama打造高可用大模型集群

  *   05｜进阶部署（一）：Kubernetes资源创建与部署

  *   06 | 进阶部署（二）：非量化版DeepSeek分布式部署方案实战

  *   07 | 进阶部署（三）：非量化版 DeepSeek 分布式部署方案实战

  *   加餐：使用 AutoDL 快速部署模型

  *   08 | llama.cpp部署：无GPU服务器如何部署DeepSeek？

  *   09｜体验微调：微调DeepSeek-R1大模型，实现新闻分类器

  *   10｜体验蒸馏：如何蒸馏一个自己的DeepSeek-R1大模型

*   第二章 理解力+文本撰写力：打造求职助手/

  *   11｜凤雏来了：什么是模型上下文协议MCP？

  *   12｜动手实现一个简单的MCP Server

  *   13｜动手实现一个简单的MCP Client

  *   14｜网络爬虫：无头浏览器抓取技术

  *   15｜找工作：如何让DeepSeek帮我们找工作？

  *   16｜写简历：如何让AI自动拿到我们的简历，并浓缩成精华

  *   17｜写简历：如何根据岗位需求自动编写简历？

  *   18｜加餐：MCP产品化！高德、百度、腾讯三大地图服务接入MCP

*   第三章 理解力+数学推理能力：实现AI版“作业帮”/

  *   19｜平台化开发：零代码Agent+工作流开发

  *   20｜平台化开发：工具开发套路

  *   21｜视觉模型：试卷题目分析解答

  *   加餐｜前沿速递：如何学习与理解Google智能体协议A2A？

  *   22｜RAG技术：如何利用RAG技术提升题目解答准确率？

  *   23 | 校验机制：如何通过校验提升题目解答准确率？

*   第四章 理解力+代码撰写力：智能编程助理/

  *   24｜热门AI开发脚手架：一节课快速入门LangGraph

  *   25｜使用LangGraph定制编写Web后端项目

  *   26｜如何根据数据表文档生成实体？

  *   27｜如何根据代码库代码生成新的代码？

  *   28｜思路拓展：如何使用GraphRAG分析代码结构？

*   第五章 致敬幻方量化：AI金融项目探索/

  *   29｜如何抓取金融市场数据？

  *   30｜如何用自然语言查询股票名称与代码？

  *   31｜如何抓取全部沪深A股的日K数据？

  *   32｜计划模式：如何让Agent有计划地进行股票数据分析？

  *   33 | 简易量化策略之量能策略

  *   直播加餐｜如何使用 MCP & A2A 实现多智能体股票助手

*   结束语 & 结课测试/

  *   结束语｜近水知鱼性，近山识鸟音

  *   结课测试｜来赴一场满分之约！