DEEPSEEK金融大模型实战

覆盖7大金融业务场景、20+实战模块、5000+行可运行代码；一本书带你构建真正落地的DeepSeek金融智能系统。

DeepSeek作为大模型领域的佼佼者，以其强大的计算能力、推理能力和开源特性，为金融业提供了从智能决策到风险防控的全方位支持。本书旨在通过全面的技术框架与行业实践，帮助金融从业者掌握DeepSeek大模型在金融场景中的开发与应用。全书共9章，从大模型的基础概念与DeepSeek的核心技术出发，逐步深入到开发环境准备、提示工程、开发框架、微调与对齐，以及风险管理、反洗钱、个性化投资策略等实战案例。作者结合LangChain框架、向量数据库等工具，向读者详细展示了如何将DeepSeek的能力转化为业务成果。本书既具理论深度，又注重实操指导，力求为读者提供从技术到应用的完整解决方案。随书附赠案例源码，获取方式见封底。

本书适合人工智能相关专业以及金融行业相关技术人员阅读，也可以作为大中专院校相关专业师生的参考用书。

钱兴会，北京市人工智能行业协会专家、清华大数据产业联盟专家委员会专家、广东大数据产业联盟专家委员。曾任职于知名金融科技企业、国际型银行、世界知名资产管理集团，服务了数十家大型银行、证券、保险企业。专业背景覆盖了风险管理、客户行为分析以及产品优化等多个领域，拥有多年金融人工智能项目经验，擅长通过人工智能提升业务效率与决策质量。在金融领域的多项数据驱动项目中发挥了关键作用，通过构建高效的数据模型，帮助金融机构实现了信贷审批流程的优化和客户关系的精细化管理。除了技术能力，还具备出色的项目管理和团队协作能力，曾成功带领团队完成多个大型人工智能项目。拥有多项软件著作权、专利，发表多篇金融人工智能方向专业论文。

相雪，澳大利亚莫纳什大学银行和金融专业硕士，前世界知名资产管理集团风险分析专家、数据科学家。在数据分析、风险管理和市场营销领域积累了大量专业知识，尤其擅长利用大数据与AI技术优化信贷决策和客户关系管理。曾领导多个项目成功落地，通过精准的数据模型和深入的市场洞察，帮助金融机构提升了风险控制能力和营销效果。对行业趋势有敏锐的洞察力，善于运用先进的分析工具，将复杂的数据转化为可行的商业策略。此外，热衷于分享知识，积极参与行业研讨会和培训课程，致力于推动金融行业的数字化转型与创新发展。

前言

第1章 解密大模型：金融科技新时代

1.1大模型的定义与类型

1.1.1什么是大模型

1.1.2国内外主流大模型介绍

1.1.3大模型基础：Token、算力

1.1.4大模型基础：Transfomer、Embedding

1.2大模型核心能力场景

1.2.1基础场景：自然语言处理等

1.2.2复杂场景：篇章生成等

1.2.3多模态识别：图像、视频、语音的分析生成

1.2.4推理能力

1.3金融大模型的典型应用场景

1.3.1风险管理

1.3.2市场预测

1.3.3客户服务

1.4DeepSeek大模型介绍

1.4.1DeepSeek大模型发展历程与重点突破

1.4.2DeepSeek-V3模型原理与价值

1.4.3DeepSeek-R1模型原理与价值

第2章 DeepSeek金融大模型开发环境准备与提示工程

2.1金融大模型应用的形态

2.1.1大模型原生能力应用

2.1.2RAG应用

2.1.3Agent应用

2.1.4Copilot应用

2.2DeepSeek大模型开发体验

2.2.1Python环境搭建

2.2.2注册DeepSeek访问服务

2.2.3私有化部署DeepSeek模型

2.2.4大模型使用示例

2.3大模型核心基础：提示工程

2.3.1提示工程介绍

2.3.2提示工程指令：Zero-Shot指令

2.3.3提示工程指令：Few-Shot指令

2.3.4提示工程指令：CoT指令

2.3.5提示工程指令模板设计

第3章 DeepSeek金融大模型开发框架

3.1大模型开发框架：LangChain

3.1.1LangChain的基本概念与生态

3.1.2基于LangChain开发大模型应用的过程

3.1.3实操：LangChain环境搭建

3.1.4实操：LangChain调用DeepSeek模型服务

3.1.5实操：LangChain开发RAG应用

3.1.6实操：LangChain开发Agent应用

3.2向量工具

3.2.1Embedding概述

3.2.2基于LangChain的Embedding开发实例

3.3向量数据库

3.3.1向量数据库技术原理介绍

3.3.2常见向量数据库介绍

3.3.3基于LangChain调用向量数据库

第4章 DeepSeek金融大模型微调与对齐

4.1大模型微调流程与工具

4.1.1直觉大模型微调流程与模型评估

4.1.2推理大模型微调流程与模型评估

4.1.3大模型训练工具

4.2金融直觉大模型领域微调实践

4.2.1金融直觉大模型微调背景

4.2.2基于DeepSeek的SFT

4.2.3基于DeepSeek的RLHF微调

4.3金融推理大模型领域微调实践

4.3.1金融推理大模型微调背景

4.3.2DeepSeek-R1实现金融推理模型训练

4.3.3DeepSeek的强化学习训练

4.3.4DeepSeek的模型蒸馏

第5章 DeepSeek金融大模型赋能风险管理：信贷审核助手

5.1案例背景与业务需求

5.1.1信贷审核助手的定义

5.1.2业务需求分析

5.1.3项目实施阶段划分与预期效果

5.2信贷审核助手功能设计

5.2.1大模型场景匹配

5.2.2功能设计

5.2.3应用层技术架构设计

5.2.4模型选型

5.2.5指令设计

5.3模型领域对齐

5.3.1领域数据准备

5.3.2模型对齐与微调脚本

5.3.3模型微调效果评估

5.4上机实战：信贷审核助手应用开发

5.4.1信贷审核助手应用程序结构

5.4.2信贷审核助手功能实现：知识助手（信贷制度问答）

5.4.3信贷审核助手功能实现：数据助手（智能取数）

5.4.4信贷审核助手功能实现：任务助手（融资方案推荐）

5.4.5信贷审核助手功能实现：文档助手（尽调报告撰写）

5.4.6信贷审核助手功能实现：风控助手（舆情风险分析）

5.4.7信贷审核助手功能实现：软件界面实现

5.5实验结果与性能评估

5.5.1实验评价设计

5.5.2性能评估与改进

第6章 DeepSeek大模型赋能银行风险合规：反洗钱报告生成助手

6.1案例背景

6.1.1项目需求分析

6.1.2项目实施阶段划分与预期效果

6.2反洗钱报告生成助手功能设计

6.2.1风险指标提取方法

6.2.2需求场景匹配

6.2.3功能设计

6.2.4模型选型

6.2.5指令设计

6.3模型领域对齐

6.3.1领域数据准备

6.3.2模型对齐与微调脚本

6.3.3模型效果评估

6.4上机实战：反洗钱报告生成助手的开发与部署

6.4.1反洗钱报告生成助手应用程序结构

6.4.2反洗钱报告生成助手应用功能实现

6.5实验结果与性能评估

6.5.1实验结果分析

6.5.2性能评估与改进

第7章 DeepSeek大模型赋能证券客户经营：个性化投资策略生成助手

7.1案例背景与投资策略需求

7.1.1客户个性化理财服务的重要性

7.1.2业务需求分析

7.1.3项目实施阶段划分与预期效果

7.2个性化投资策略生成助手功能设计

7.2.1个性化投资策略生成方法

7.2.2大模型场景匹配

7.2.3功能设计

7.2.4应用层技术架构设计

7.2.5RAG设计

7.2.6指令设计

7.3模型选择与领域对齐

7.3.1领域数据准备

7.3.2模型对齐与微调脚本

7.3.3模型效果评估

7.4上机实战：个性化投资策略生成助手的开发与部署

7.4.1个性化投资策略生成助手应用程序结构

7.4.2个性化投资策略生成助手功能实现

7.5实验结果与性能评估

7.5.1实验结果分析

7.5.2性能评估与改进

第8章 DeepSeek大模型赋能内审合规：合规报告自动生成助手

8.1案例背景与合规需求

8.1.1合规检查的定义

8.1.2业务需求分析

8.2合规报告自动生成助手功能设计

8.2.1合规检查报告生成方法

8.2.2大模型场景匹配

8.2.3功能设计

8.2.4应用层技术架构设计

8.2.5智能体设计

8.2.6模型选型

8.2.7指令设计

8.3模型选择与领域对齐

8.3.1领域数据准备

8.3.2模型对齐与微调

8.3.3模型效果评估

8.4上机实战：合规报告自动生成助手的开发与部署

8.4.1合规报告自动生成助手应用程序结构

8.4.2合规报告自动生成助手功能实现

8.5实验结果与性能评估

8.5.1实验结果分析

8.5.2性能评估与改进

第9章 DeepSeek大模型赋能理财智能营销：客户服务机器人

9.1案例背景与营销需求

9.1.1客户服务机器人的定义

9.1.2业务需求分析

9.1.3项目实施阶段划分与预期效果

9.2客户服务机器人功能设计

9.2.1客户服务机器人的核心业务流程

9.2.2大模型蒸馏场景匹配

9.2.3功能设计

9.2.4应用层技术架构设计

9.2.5蒸馏大模型应用设计

9.3模型与领域对齐

9.3.1领域数据准备

9.3.2模型对齐与微调

9.4上机实战：客户服务机器人开发

9.4.1客户服务机器人应用程序结构

9.4.2客户服务机器人功能实现

9.5实验结果与性能评估

9.5.1实验结果分析

9.5.2性能评估与改进