DeepSeek AI 大模型 Agen

培训时长：6 天（36 课时）

课程介绍：

本课程采用实战案例驱动的教学模式，与传统的先讲授知识再进行项目实践的教

学方法截然不同。通过真实项目让学员参与从需求分析到产品部署的全流程，快

速将知识转化为实际问题解决能力。

课程深度结合 DeepSeek 大模型，让学员掌握其在 AI Agent 开发中的应用技

巧。同时，课后赠送拓展课程，进一步加深学员对相关技术的理解和应用能力。

学员基础：

⚫ 熟悉掌握 Python 编程语言

⚫ 对人工智能和机器学习的基本概念有所了解

⚫ 具备一定的逻辑思维能力和解决问题的能力

⚫ 对 AI 和大模型有一定的兴趣和探索欲望

学后收获：

⚫ 掌握大模型的基本概念、工作原理和应用场景

⚫ 学会如何与大模型进行有效沟通，掌握提示工程的技巧

⚫ 能够基于大模型云服务平台快速搭建专属 AI Agent

⚫ 掌握基于 RAG 的问答系统的开发

⚫ 掌握基于多模态大模型的应用开发

⚫ 了解如何评估和保证 AI Agent 的内容安全和合规性

课程优势：

实战案例教学：通过真实项目案例，让学员在实战中学习

多模态技术融合：涵盖文本、图像、语音等多模态大模型应用

安全合规重视：专门讲解 AI Agent 的内容安全与合规性

动手练习丰富：每个环节配有动手练习，强化实践能力

行业专家指导：由领域专家授课，分享最新行业动态

项目导向学习：以项目为导向，完整体验开发流程

互动与反馈：学员项目展示、互评、教师点评等互动环节

课程内容

模块 章节 主讲知识

基于阿里云百炼平台构

建智能体应用

快速搞定 AI Agent ⚫ 在网站上增加一个 AI 助手

⚫ 构建能主动提问的智能导购

⚫ 在钉钉上增加一个 AI 机器人

⚫ 让微信公众号成为智能客服

⚫ 在企业微信集成 AI 助手

Multi-Agent，玩转流程编

排

⚫ 工作流应用和智能体编排应用功能介绍

⚫ 如何创建工作流应用

⚫ 如何创建智能体编排应用

项目 1：智能答疑机器人

开发实战

项目背景及需求分析 ⚫ 智能答疑机器人的应用场景

⚫ 技术选型与实现路径

开发环境搭建 ⚫ 开发环境准备

⚫ DeekSeek API Key 开通

⚫ 百炼平台 API KEY 准备

DeekSeek API 详解 ⚫ DeepSeek-V3 大模型 API

⚫ DeepSeek-R1 推理大模型 API

⚫ DeepSeek Tokens 用量计算

Step 1：用大模型构建新

人答疑机器人

⚫ 通过 API 调用 DeepSeek

◼ 加载百炼 API Key

◼ 简单会话实现

◼ 流式输出实现

⚫ 大模型是如何工作的

◼ 大模型的问答工作流程

◼ 输入文本分词化

◼ token 向量化

◼ 大模型推理

◼ 输出 Token

◼ 输出文本

⚫ 影响大模型内容生成的随机性参数

◼ temperature

◼ top_p/top_k

⚫ 让大模型能够回答私域知识问题

◼ 通过提示词传递私域知识

◼ 该方法的缺点及更好的解决方案

Step 2：基于 RAG 扩展答

疑机器人的知识范围

⚫ RAG 的工作原理

◼ 建立索引

◼ 检索生成

⚫ 创建 RAG 应用

◼ 基于 LlamaIndex 创建 RAG 应用

◼ 保存与加载索引

◼ RAG 多轮对话实现

Step 改善答疑机器人回

答质量及能力

⚫ 优化提示词以改善大模型回答质量

◼ 使用提示词框架

◼ 使用提示词自动优化工具

◼ 提示词模板

◼ 构建有效提示词的技巧

⚫ 通过意图分类让大模型处理多种不同类

型的任务

◼ 问题引入

◼ 改进思路

◼ 实现简单路由模块

◼ 优化分类提示词

⚫ 将意图识别应用到答疑机器人中

Step 4：自动化评测答疑

机器人的表现及优化

⚫ 评估 RAG 应用表现

◼ 查看答疑机器人存在的问题

◼ 查看 RAG 检索结果排查问题

◼ 自动化测试机制初步尝试

⚫ 使用 Ragas 来评估应用表现

◼ Ragas 评估指标解析

◼ 评估 RAG 应用回答质量

◼ 评估检索召回效果

⚫ 如何根据 Ragas 指标进行优化

Step 5：用插件扩展答疑 ⚫ 机器人的局限性与解决方案

机器人的能力边界 ⚫ AI Agent 核心能力

⚫ 基于 Assistant API 快速构建 Agent

◼ 定义工具函数

◼ 查询员工信息

◼ 发送请假申请

◼ 查询公司规章制度

⚫ 将工具函数与大模型集成进 Agent 中

◼ 创建 Agent 并集成工具函数

◼ 读取回复消息

⚫ Multi-Agent（多智能体）

◼ 问题引入

◼ 多智能体结构概览

◆ Planner Agent 规划智能体

◆ 执行工具函数的 Agent 智能

◆ Summary Agent 总结智能

体

◼ Planner Agent 实现

◼ 执行工具函数的 Agent 实现

◼ Summary Agent 实现

⚫ 扩展：使用多智能体系统来处理复杂任务

Step 6：大模型 RAG 内容

安全与合规检查

⚫ 内容安全合规涉及的范围

⚫ 内容合规检查

◼ 方案概览

◼ 输入输出合规检查

◆ 文本合规检查

◆ 图片合规检查

◆ 音频合规检查

◆ 视频合规检查

◼ 知识库访问控制

⚫ 应用服务安全

⚫ 大模型应用备案

项目 2：短视频自动生成

系统开发实战

项目背景介绍

Step 1：生成视频相关内

容

⚫ 原理介绍

⚫ 代码实践

◼ 环境准备

◼ 设置 API 客户端

◼ 基于 DeepSeek 生成课程脚本

◼ 基于 DeepSeek 生成插画提示词

◼ 生成插画

◼ 合并课程和插图

Step 2：文案翻译（国际

化）

⚫ 原理介绍

⚫ 基于 DeepSeek 代码实践

◼ 环境准备

◼ 设置 API 客户端

◼ 初步翻译

◼ 反思翻译

◼ 优化翻译

Step 3：将课程内容转为

PPT

⚫ 原理介绍

⚫ 基于 DeepSeek 代码实践

◼ 环境准备

◼ 设置 API 客户端

◼ 从课程内容中提炼出 PPT 脚本

◼ 将 PPT 脚本转换为 Marp 格式

◼ 导出为 PPT

Step 4：生成讲解语音与

字幕

⚫ 原理介绍

⚫ 代码实践

◼ 环境准备

◼ 设置 API 客户端

◼ 基于 DeepSeek 将课程内容转换为

录音稿

◼ 基于 CosyVoice 转换为音频

◼ 生成 SRT 字幕

Step 5：合成完整视频 ⚫ 原理介绍

⚫ 代码实践

◼ 环境准备

◼ 剪辑视频

◆ 计算每一张演示文稿在视频

中的持续时间

◆ 将所有输入演示文稿按顺序

剪辑为视频

◼ 嵌入音频和字幕

◆ 使用 moviepy 合并视频和音

频

◆ 使用 ffmpeg 嵌入字幕

◆ 播放生成好的视频

Step 6：项目整合 ⚫ 基于 Gradio 开发前端页面

⚫ 项目部署

多模态拓展篇 基于开源大模型应用项目

二次开发（持续更新）

⚫ CosyVoice（实时声音处理大模型）

⚫ EchoMimicV2（开源数字人）

⚫ VI****.5（实时视觉与语音交互）

课后赠送拓展课程（录播）

⚫ 《基于 Dify 的 Agent 落地实战》

⚫ 《深度学习框架 Pytorch 快速入门》

⚫ 《OpenAl API 操作》

⚫ 《LlamaIndex 快速入门》

⚫ 《Langchain 快速入门》

⚫ 《向量数据库》

⚫ 《GraphRAG 解析与实战》

⚫ 《基于 Gradio 的 AI 应用搭建实战》