智能制造实战：DEEPSEEK在制造业的深度实践

（1）针对性解决制造企业痛点：聚焦真实制造生产场景，既讲清DeepSeek等大模型的原理，又指导企业构建专属AI系统，解决引入AI时常常遭遇的“人员认知、应用方法和工程化落地”三重问题。

（2）方法论可信、可复制：具备一线落地经验的专家联合撰写，总结可落地的应用模式与实施路径，帮助企业以更低成本、更低风险推进智能化转型，并获得学界与产业界多位专家推荐。

（3）从技术到业务，实现完整闭环：内容覆盖大模型（以DeepSeek为代表）的核心原理、关键技术、部署方式到业务场景应用，让AI应用不只是聊天工具，而兑现实在的生产力。

本书涵盖DeepSeek原理、技术、落地案例，实战制造企业场景，兑现DeepSeek生产价值，推动企业转型。

本书主要内容如下：

首先，介绍DeepSeek的发展历程、技术路线与定位，澄清一些常见误区。并且，详细解析其核心技术，包括Transformer、MoE等基础架构，以及DeepSeek-MoE、MLA等关键创新，以揭示其性能突破与高速发展的技术根源。

接着，由浅入深地讲解DeepSeek应用方法论。基础模式包括提示词设计、多工具协同以及必备的应用能力。进阶模式则围绕垂直大模型的构建展开，涉及各种微调技术、RAG及AI Agent的基础架构与实践路径，为行业实践打下基础。

随后，视角聚焦于制造业场景，实现DeepSeek的部署与应用。先从决策层面，分析制造业的数字化现状、企业对大模型的核心需求及重点落地场景，进一步讨论DeepSeek私有化部署的必要性、成本结构、资源规划（场景、模型、算力、数据）与实施路线。再从实战层面，讲解Ollama、ChatBox本地化部署，基于Dify开发应用，构建知识库问答助手，设计自动化工作流等。

之后，进入案例演示环节。先以“企业超级员工”为主题，展示DeepSeek在制造业典型业务中的落地应用，如基于Dify构建智能生产合规助手、智能办公助手等。再进一步介绍制造业垂直大模型的构建流程，包括数据集制作，以及LLaMA-Factory微调等。

最后，进行总结与展望，为企业提供有效的决策参考。对DeepSeek的能力边界、算力需求、成本效益等关键问题进行系统评估，并展望AI赋能制造业的未来发展方向。

郭秉义，智能化研发专家，上市企业的智能化研发负责人，华南理工大学博士，加拿大不列颠哥伦比亚大学联合培养博士。主导上市公司的大型数字化与智能化转型项目，长期专注于人工智能融合工业应用。先后就职于通信、教育、地产、制造等行业的世界500强企业，拥有丰富的智能化落地经验。

施铭强，自然语言技术专家，知名人工智能企业的自然语言高级研发经理，澳门科技大学计算机资讯科技硕士。长期深耕大语言模型训练与全流程优化，在电力、地产等重点行业拥有丰富的大模型技术全流程落地经验。

王会义，中国移动“十百千”网络技术专家，中国移动高级工程师、网络技术专家，华南师范大学硕士。长期从事超大型全光网络规划设计工作，为智算时代的高品质全光运力联算和入算贡献多个行业标杆案例，将高效智能算力赋能于工业生产。

前言

第1章 认识DeepSeek 1

1.1 DeepSeek基础知识 1

1.1.1 DeepSeek发展简史 1

1.1.2 DeepSeek版本介绍 3

1.2 人工智能、大模型与DeepSeek 4

1.2.1 人工智能的三大技术流派 5

1.2.2 大模型的主要特征 8

1.2.3 大语言模型的基本能力 10

1.2.4 关于DeepSeek的常见误区 11

1.3 小结 13

第2章 DeepSeek的技术原理 15

2.1 大模型的基本技术 15

2.1.1 Transformer的基本原理 15

2.1.2 Transformer的优缺点 18

2.1.3 MoE的基本原理 20

2.1.4 MoE的优缺点 23

2.2 DeepSeek的技术创新 25

2.2.1 DeepSeekMoE 25

2.2.2 MLA 27

2.2.3 MTP 28

2.2.4 GRPO 29

2.3 DeepSeek火爆的逻辑 31

2.3.1 应用层的用户体验优化 32

2.3.2 算法层的集成创新 34

2.3.3 基础设施层的落地高性价比 35

2.4 小结 36

第3章 DeepSeek的基础使用方法 37

3.1 DeepSeek功能简介 37

3.1.1 能力图谱 37

3.1.2 三种模式 39

3.2 提示词 40

3.2.1 提示词的作用 40

3.2.2 提示词的必要性 42

3.2.3 提示词的基本要素 43

3.2.4 常用的提示词模板 43

3.3 DeepSeek多工具协同 47

3.3.1 DeepSeek的使用局限 47

3.3.2 多工具协同 48

3.4 使用DeepSeek的能力要求 49

3.4.1 提问 49

3.4.2 判断 50

3.4.3 调度 51

3.5 小结 52

第4章 DeepSeek的进阶使用方法 53

4.1 垂直大模型的构建 53

4.1.1 全量微调 54

4.1.2 局部微调 55

4.1.3 适配式微调 56

4.1.4 前缀式微调 58

4.1.5 外挂式微调 60

4.1.6 混合式微调 62

4.1.7 主要微调技术的对比 63

4.2 大模型检索增强生成 64

4.2.1 RAG简介 65

4.2.2 构建向量数据库 66

4.2.3 相似检索 70

4.2.4 智能生成 71

4.2.5 RAG效果评估 72

4.2.6 RAG应用场景 74

4.2.7 RAG与微调的对比 75

4.3 AI Agent 76

4.3.1 AI Agent简介 77

4.3.2 基本框架 79

4.3.3 感知模块 81

4.3.4 大脑模块 84

4.3.5 行动模块 86

4.3.6 大模型与AI Agent的关系 87

4.3.7 AI Agent与RPA的关系 88

4.4 小结 90

第5章 制造业与DeepSeek 92

5.1 制造业的数字化进展 92

5.1.1 企业数字化 93

5.1.2 智能制造 98

5.2 DeepSeek等大模型在制造业的应用 102

5.2.1 制造业需要大模型赋能 102

5.2.2 大模型在制造业的应用场景 103

5.3 小结 105

第6章 企业级DeepSeek的私有化部署与应用 106

6.1 企业私有化部署DeepSeek的考量 106

6.1.1 常见的DeepSeek使用方式 106

6.1.2 私有化部署的必要性 109

6.1.3 私有化部署的成本测算 109

6.2 企业私有化部署与应用DeepSeek的路径 111

6.2.1 场景选择 112

6.2.2 模型选择 113

6.2.3 算力分配 114

6.2.4 数据规划 115

6.2.5 整体解决方案 119

6.2.6 培训与推广 120

6.3 小结 121

第7章 DeepSeek部署与应用实战 122

7.1 DeepSeek本地部署工具 122

7.1.1 使用Ollama部署DeepSeek 122

7.1.2 基于ChatBox客户端与DeepSeek交互 124

7.2 大模型应用开发平台 126

7.2.1 安装Dify 126

7.2.2 Dify的功能特性 128

7.2.3 使用Dify开发AI应用 129

7.2.4 其他大模型应用开发平台 134

7.3 知识问答助手实践 138

7.3.1 构建知识库 138

7.3.2 创建问答助手 141

7.4 工作流实践 143

7.4.1 工作流组件简介 143

7.4.2 多知识库问答工作流示例 145

7.5 AI Agent实践 146

7.5.1 基于Function Calling调用外部工具 146

7.5.2 基于MCP调用外部工具 147

7.5.3 MCP实战 149

7.6 小结 151

第8章 企业超级员工：DeepSeek在业务场景中的应用案例 152

8.1 企业超级员工 152

8.1.1 企业超级员工的基本架构 153

8.1.2 构建企业知识库 154

8.2 基于Dify的智能生产合规知识助手 156

8.2.1 添加会话变量 157

8.2.2 构建用户意图识别模块 158

8.2.3 知识库的分类及构建 160

8.2.4 执行原文回复任务 162

8.2.5 实施任务自动化 164

8.3 基于Dify的智能办公助手 164

8.3.1 调用大模型生成思维导图的流程 165

8.3.2 基于Dify的思维导图自动生成流程 166

8.3.3 技术方案整合流程 168

8.4 小结 175

第9章 从通用到专精：垂直大模型的应用方案 176

9.1 构建微调数据集 176

9.1.1 数据获取 177

9.1.2 数据清洗 177

9.1.3 数据质量控制 178

9.1.4 数据扩增 178

9.1.5 数据标准化和格式化 179

9.2 微调框架：LLaMA-Factory 181

9.2.1 安装LLaMA-Factory 181

9.2.2 配置训练数据 182

9.2.3 微调模型的推理测试 183

9.3 小结 184

第10章 总结与展望 185

10.1 DeepSeek：行业应用万花筒 185

10.2 正确认识DeepSeek 189

10.2.1 DeepSeek的能力边界 189

10.2.2 DeepSeek与算力 191

10.2.3 DeepSeek与费用 192

10.2.4 DeepSeek与效益 193

10.2.5 DeepSeek会取代人类吗  194

10.3 DeepSeek的重要发展方向 195

10.3.1 端侧大模型加速变革 195

10.3.2 AI Agent快速普及 196

10.3.3 通用还是垂直 197

10.3.4 伦理与道德 199

10.4 小结 200