先说这门课值不值得学

这套资料围绕 DeepSeek 大模型的开箱部署与微调训练展开，解决的是一个非常具体的场景：企业想把开源大模型私有化跑在本地，而不是只调云端 API。如果你日常只是用网页版聊天，那没必要碰它；但如果你是开发、运维或转行做 AI 工程的人，需要在内部机器上把 DeepSeek-R1 跑通，再做领域微调，这套课的实操比重就很高。它不是讲怎么写提示词，而是讲怎么用 Ollama 把模型装起来、用 Open WebUI 做自托管交互，再用 Unsloth 做参数高效微调，属于工程落地那一层。

适合什么基础，建议先看哪几块

它要求你写过 Python，懂基本的命令行操作，最好接触过 PyTorch 或任意一个深度学习框架。纯零基础直接看微调代码会卡在环境配置上。建议按这个顺序切入：先把本地部署那几段看完，自己用 Ollama 把 DeepSeek-R1 跑起来，确认显存够用、推理能出结果；接着看 Open WebUI，把自托管平台搭出来，这样你就有了一个能稳定对话和调试的底座；最后再啃 Unsloth 微调和 RLHF/PPO 那部分。思维链推理的内容可以穿插在部署之后看，帮你理解 R1 为什么慢、为什么要拆步骤。不要一上来就死磕训练原理，先把工程链路跑通比看懂每行公式更值钱。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立完成一件事：在一台带显卡的机器上，把 DeepSeek 模型部署成内部可访问的服务，挂上 Web 界面，再用自己的业务数据做一轮轻量微调，让它在特定领域回答得更稳。资料里有不少代码实践和模型文件解析，配合方式建议是“看一段、停一段、照着敲一遍”，不要连续快进。部署类的视频可以边看边操作，微调那几段先把配套脚本跑通默认参数，再去改自己的数据集。遇到显存报错，回头查 Unsloth 那节关于量化配置的说明，基本能覆盖大部分坑。把这套流程完整走一遍，你对大模型工程的理解就会从“调 API”变成“能独立搭一套私有服务”，这才是这门资料真正值钱的地方。


从Ollama部署DeepSeek到AGI，涵盖训练微调、RLHF/PPO 强化学习、思维链推理等

课程目录

*   01 DeepSeek大模型开发企业应用落地实践/

  *   01 Ollama 框架详解：本地部署 DeepSeek 大模型实战指南.mp4 36:22

  *   02 Ollama 安装与 DeepSeek 大模型部署全流程操作实践.mp4 28:56

  *   03 Open WebUI 全方位解析：自托管 AI 平台功能与应用.mp4 29:23

  *   04 基于Unsloth的DeepSeek训练微调核心工具.mp4 36:00

  *   05 DeepSeek-R1训练微调代码实践.mp4 54:07

  *   06 吃透 DeepSeek-R1：模型文件全解析与实战指南.mp4 30:36

  *   07 本地部署运行DeepSeek-R1满血版大模型.mp4 32:28

*   02 大模型核心技术原理/

  *   01 大模型技术的起源、思想及代码实践.mp4 01:05:14

  *   02 基于 Transformer 的预训练语言模型.mp4 25:01

  *   03 Prompt 提示词学习工程理论与实践.mp4 36:10

*   03 大模型训练微调、基于RLHF人类反馈强化学习、PPO强化学习/

  *   01 大模型训练微调实践.mp4 49:33

  *   02 人类反馈强化学习与马尔科夫决策过程.mp4 35:17

  *   03 PPO 强化学习算法.mp4 31:13

  *   04 大模型人类反馈强化学习对齐.mp4 27:18

  *   05 人类反馈强化学习 RLHF+PPO 代码实践.mp4 55:28

*   04 大模型思维链COT推理及上下文指令理解/

  *   01 大模型思维链COT.mp4 16:19

  *   02 大模型上下文学习能力.mp4 18:42

  *   03 大模型指令理解.mp4 37:07

*   05 通用人工智能AGI/

  *   01 GPT 智能涌现原理与 AGI 通用人工智能通讲.mp4 18:14

  *   02 智能涌现原理.mp4 18:41

  *   03 通用人工智能AGI.mp4 42:30

*   06 基于大模型的对话式推荐系统项目实践/

  *   01 基于大模型的对话式推荐系统技术架构设计

  *   02 推荐 AI Agent 智能体

  *   03 面向推荐的语言表达模型

  *   04 知识插件

  *   05 基于大模型的推荐解释

  *   06 对话式推荐系统的新型评测方法

*   07 多模态搜索项目实践/

  *   01 多模态搜索技术架构设计

  *   02 多模态搜索关键技术

  *   03 多模态实时搜索与个性化推荐

*   08 AI Agent智能体、MCP代码开发、工作流开发等操作实践/

  *   01 Dify平台基础环境搭建-Docker和WSL安装操作实践.mp4 29:56

  *   02 Dify源码平台安装实操和核心架构全流程拆解.mp4 43:10

  *   03 Dify集成DeepSeek和阿里通义千问等大模型插件安装.mp4 17:49

  *   04 Dify平台 - 配置Agent策略及MCP插件.mp4 29:34

  *   05 MCP Server开发实践：服务器发送事件（SSE）代码.mp4 21:35

  *   06 MCP Server开发实践StreamableHttp代码.mp4 12:46

  *   07 MCP Client代码开发实践和Cherry Studio.mp4 12:34