开篇词｜借DeepSeek东风，开启AI应用开发之旅

邢云阳



讲述：机器人大小：1.23M时长：07:10

你好，我是邢云阳。
不知道大家 2025 年过得怎么样？反正我是没怎么过好，春节开始就忙得很。起因就是 DeepSeek 这货在春节前突然就成了网红了。红到什么程度呢？过年走亲戚，听到最多的就是俩词——哪吒和 DeepSeek。连我 58 岁的大爷都在问我，小邢啊，你说抖音剪视频是不是也能用 “第普谁课” 啊？听得我人都麻了。
这热度，你说领导能坐得住？于是整个春节，都在忙着做规划，布局 DeepSeek。然后春节之后，各云厂商就纷纷宣布自己的平台支持 DeepSeek 了，而且我的老东家“浪潮”和现任东家“联通云”都先后推出了 DeepSeek 一体机，很受政企客户欢迎。这让我想起了《飞驰人生 2》里贾冰的一句台词，“过年的时候啊，像什么法拉顺利啊，保时敏捷啊，黄博基尼啊，哎呀，疯抢啊”。
这热度，你还坐得住吗？是不是也想跑步入场，学习一下 AI ，拥抱一下 DeepSeek 呢？然而我们自己去摸索相关资料时，可能很快就会被一堆专业名词、机器学习算法的深奥知识劝退。看着 AIGC 一浪高过一浪的新技术涌现，就是不知道自己如何投身其中。
对于这个问题，这里我想给你分享一下我的一些经历。
一点感悟事实上，我们知道，DeepSeek 爆火是今年春节前后的事情，DeepSeek 模型能力强，还开源，直接让国人的 AI 热情空前高涨，极大推动了国内应用 AI 化的发展进程。2025 年，绝对将会是 AI 应用发展的革命年，用不了多久，AI 旋风就会席卷到各个行业。
我在差不多两年前，GPT 模型刚刚发布时，就开始投身到 AI 应用开发的实践中，那个时候，没有 LangChain，没有 Agent，也没有 RAG，大家就是琢磨着如何在提示词上做文章，去完成传统应用做不到的事情。
比如，在当时，我就考虑如何用 AI 重塑 K8s 管理系统，让用户可以用自然语言去操作 K8s 资源，而不是在传统 UI 上点点点。我的思路是在模板中预置了一些规则以及挖了空的 API，比如 GET /v1/{resourceName}/{Namespace}，之后让大模型根据用户输入的 prompt 去填空，比如用户说：帮我查询 default 命名空间下的 pod，大模型就会把上面的 API 组装成 GET /v1/pods/default，此时后端便可以调用这条 API，拿到资源了。
这种方法在当时很新鲜，但在出了 Function Calling 以及 Agent 技术后，便迅速被淘汰了。像这样的案例还有很多，很多 AI 开发者都是在技术不断地发展中，摸爬滚打前行。
直到去年中旬之后，基本上 AI 应用开发的路线开始进入了一个相对稳定的阶段，核心的两大技术就是 Agent 与 RAG，具体实现方式则有很多框架做支撑，但其实都是殊途同归。此时制约应用实现效果的瓶颈便是大模型的能力了，作为国内开发者，除了部分出海项目可以使用 GPT 模型外，大多数项目受制于国内大模型的能力问题，只能做的差强人意。
但随着 DeepSeek 系列模型的发布，国内终于有了一款能够比肩 GPT 的模型，这使得很多优秀的开发框架和技术也能够站在巨人的肩膀上，发挥出更好的作用。
因此，我希望出一套课程，深刻挖掘一下 DeepSeek 在应用开发中的能力，同时在课程中使用目前最主流的 AI 应用开发思想、套路、工具以及框架。对于 AI 开发老鸟，可以与时俱进，查漏补缺，掌握业界前沿的开发思想和工具；而对于 AI 开发新手，则可以绕过过去几年我摸爬滚打的弯路，借力 DeepSeek，快速入门 AI 应用开发领域。
课程设计为此，我将课程划分成了一个前置章节和五个正式章节。
前置课程里，我想和绝大多数像我一样的“民用级”程序员聊聊天，一起探讨一下在 DeepSeek 如此火爆的背景下，应该如何入场，以及入场上有哪些可探索的方向。之后还会学习做 AI 应用开发不可或缺的 Agent 技术。
第一章，我会为揭秘云厂商针对不同的客户群体，私有化部署 DeepSeek 的几种不同方案。包括单卡的量化版部署、多卡的高可用负载均衡方案、多卡的分布式部署方案以及在消费级硬件，比如纯 CPU 上部署 DeepSeek 的方案等等。最后我们还会体验一下如何微调和蒸馏 R1 大模型。
第二章我们将会一起打造一个求职助手。求职找工作写简历，是我们每个职场人都经历过的事情。那我们是否可以告别传统肉眼搜索职位，手工写简历的方式呢？
DeepSeek 的深度思考能力以及超强的写作能力，给了我们启发。这个项目不使用 Agent，而是会采用去年 9 月份，Anthropic 公司（Claude 模型的母公司）推出的模型上下文协议（MCP）来实现。通过 MCP，可以让大模型连接本地文件系统、数据库、调用工具等等。
第三章我们来实现一个 AI 版的“作业帮”，这个项目是聚焦 DeepSeek 的又一大出色能力——数学理解力。我们从“作业帮”项目切入，一起学习多模态、RAG 等热点技术。除此之外，这个项目采用了 AI 开发的另一种思想——平台化开发，可以零代码构建出 Agent 与工作流。搭配平台的 API，实现自然语言前端、Agent 和工具的分离。
第四章我们来实现一个智能编程助手。代码能力是 DeepSeek 的亮点之一，目前已经有多个智能编程软件宣布接入了 DeepSeek。所以这个项目我们不打算重复造轮子，而是要以构建 Golang 的 Web 后端项目为例，带你掌握如何让 AI 稳定生成固定项目代码风格的代码。这个项目会使用目前非常热门的 LangGraph 框架完成。
第五章我们来探索一下 AI 与金融领域的结合。DeepSeek 的母公司幻方量化是一家著名金融量化公司。因此 DeepSeek 在训练数据集上必然也会有很多的金融领域相关数据做支撑，所以用 DeepSeek 做金融项目，会有先天优势。
此外，最近一年内，好几个知名大模型厂商和平台都举办了以金融为主题的 AI 大赛，旨在探索行业解决方案以及挖掘既懂业务又懂技术的人才。所以这一章我们就以 A 股市场为主题，做一下探索性的开发，包括股票名称代码查询、数据分析统计、简单量化策略等。
你会发现，整个课程几乎都是以内容紧凑的实践课程组成的，且每个项目都聚焦了 DeepSeek 模型的某个特点。整门课程的交付目标就是，为你提炼 DeepSeek 应用开发的核心经验，帮助你提升 AI 应用开发的工程化能力。
欢迎你和我一起学习讨论，让我们开始行动起来吧！

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. DeepSeek模型的火爆推动了国内应用AI化的发展进程，预示2025年将成为AI应用发展的革命年。 2. 作者计划推出一套课程，深入挖掘DeepSeek在应用开发中的能力，同时使用最主流的AI应用开发思想、套路、工具以及框架。 3. 课程设计包括前置章节和五个正式章节，涵盖了云厂商私有化部署方案、求职助手、AI版“作业帮”、智能编程助手以及AI与金融领域的结合。 4. 课程以内容紧凑的实践课程为主，聚焦DeepSeek模型的特点，旨在提炼DeepSeek应用开发的核心经验，帮助学习者提升AI应用开发的工程化能力。

2025-03-02给文章提建议

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《DeepSeek 应用开发实战》，新⼈⾸单¥59

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论