这门课解决什么问题：把大模型从聊天框搬进真实业务

很多上班族的痛点是：知道大模型能写文章、能写代码，但真想在团队里弄一个能查公司内部文档、能按特定流程办事的助手，却卡在不知道怎么把大模型和业务数据连起来。这门课解决的就是这个落地断层。它不教你从头训练模型，而是教你用 Dify 这个开源平台，把 DeepSeek、通义千问这些现成的大模型，和本地的知识库、外部工具拼装成一个能干活的智能体。场景很具体：比如做一个能根据公司产品手册回答问题的客服助手，或者一个能自动跑完数据抓取、分析、输出报告的工作流。如果你一直觉得大模型只能当高级搜索引擎用，这门课会帮你把它变成一个能接进现有业务系统的执行节点。

适合什么基础，建议先看哪几块

这门课需要你有一点技术基础，但不用是专业程序员。如果你写过简单的脚本、装过 Docker、知道 API 大概是怎么回事，跟下来不会太吃力。纯零基础的人也能看，但环境搭建那几节可能要反复倒带。建议先看平台安装和核心架构拆解，把本地环境跑通，知道 Dify 各个模块是干嘛的；然后直接跳到知识库管理那一节，看怎么把文档喂进去做检索；最后看智能客服和预测工作流这两个实操案例，跟着做一遍。别一上来就死磕 Agent 策略和 MCP 插件配置，那些概念在没有实际案例支撑的时候会很抽象，先有成品再回头看原理会顺畅很多。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立搭一个带知识库的问答助手，能配置简单的工作流让大模型按步骤调外部接口，能理解 RAG 的基本原理并知道什么文档适合塞进知识库。不会让你变成大模型算法专家，但应付中小团队里搭一个能用的 AI 助手是够的。练习时建议这样配合资料：先完整看一遍操作视频，别边看边做，因为很多坑在后面几步才暴露；第二遍再跟着动手，遇到报错先自己查，Docker 和 WSL 的环境问题视频里讲了一些，但实际机器千差万别，留点耐心。知识库那块一定要用你自己的真实文档试，别只用课程里的示例文件，因为不同格式、不同长度的文档，切片效果差别很大，只有拿自己的数据跑一遍才知道检索质量到底行不行。


掌握Dify平台操作，融合RAG、DeepSeek、AI Agent智能体等技术，从零搭建AI应用

课程目录

*   01 AI Agent智能体、Dify平台、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和阿里通义千问大模型底座插件安装.mp4 17:49

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

  *   05 Dify平台整体功能操作实践.mp4 42:26

  *   06 Dify平台知识库管理模块操作实践.mp4 19:20

  *   07 智能客服知识问答助手AI智能体开发操作实践.mp4 16:05

  *   08 大模型预测AI智能体应用落地工作流开发操作实践.mp4 45:30

  *   09 从0到1实操：AI智能体工作流开发操作实践.mp4 33:41

  *   10 预测类AI算法模型训练和预测API代码开发实践.mp4 24:46

  *   11 多模态大模型AI智能体工作流开发实践.mp4 15:50

*   02 MCP(大模型上下文协议)代码开发实践/

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

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

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

*   03 DeepSeek大模型企业应用落地实践/

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

  *   02 Ollama 安装与 DeepSeek 大模型部署全流程操作.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