DeepSeek每個人都可以讀懂的大模型科普報告（高校篇）DeepSeek大模型賦能高校教學和科研廈門大學大數據教學團隊作品2025年2月25日廈門大學林子雨

副教授國內高校大數據教學的重要貢獻者團隊負責人

：林子雨副教授年輕力量：

核心成員全部46周歲以下結構合理：

教學型、

科研型、

實驗工程師專注專業：

從2013年至今

，

11年專注于大數據教學團隊特點：

眼光前瞻、

緊跟技術、

創新實干、

執行力強

影響力高：

多項指標在國內高校大數據教學領域領先?

教材數量?

教材占有率?

MOOC課程學習人數?

師資培養?

教學研討會?

教學網站訪問量?

在線講座觀看人數?……團隊聯系方式：

ziyulin@xmu.edu.cn廈門大學大數據教學團隊

1.人工智能發展簡史

2.人工智能思維

3.大模型：

人工智能的前沿

4.高校本地部署DeepSeek大模型

5.AIGC應用與實踐

6.基于大模型的智能體

7.AI賦能高?？蒲?/p>

8.AI賦能高校教學

目錄

廈門大學大數據教學團隊作品2025年2月1.1

圖靈測試1.2人工智能的誕生1.3人工智能的發展階段1.4未來人工智能發展的五個階段1.人工智能發展簡史廈門大學大數據教學團隊作品1950年

，

“計算機之父”和“人工智能之父”艾倫·圖靈（Alan

M.Turing）

發表了論文《計算機器與智能》

，這篇論文被譽

為人工智能科學的開山之作。

在論文的開篇

，

圖靈提出了一個引人深思的問題：

“機器能思考嗎？

”。

這個問題激發了人們

無盡的想象

，

同時也奠定了人工智能的基本概念和雛形在這篇論文中

，圖靈提出了鑒別機器是否具有智能的方法

，這就是人工智能領域著名的“圖靈測試”。

如圖所示

，其基本思想是測試者在

與被測試者（一個人和一臺機器）

隔離的情況下

，通過一些裝置（如鍵盤）向被測試者隨意提問。進行

多次測試后

，如果被測試者機器讓平均每個測試者做出超過30%的誤判

，那么這臺機器就通過了測試

，

并被認為具有人類智能1.1

圖靈測試

人工智能的誕生可以追溯到20世紀50年代。

當時

，計算機科學剛剛起步

，人們開始嘗試通過計算機程序來模擬人類的思維和行為。

在這個背景下

，

一些杰出的科學家和工程師們開始研究如何使計算機具備更高級的功能1956年8月

，在美國達特茅斯學院舉辦的人工智能夏季研討會

，是人工智能領域具有里程碑意義的一次重要會議。

這次會議匯聚了眾多杰出的科學家和工程師

，他們共同探討和研究人工智能的發展和應用前景這次會議的主題圍繞著人工智能的定義、

研究方法和應用場景展開。

與會者們深入探討了人工智能的基本概念、

算法和技術，以及其在各個領域的應用潛力。

他們共同認識到

，人工智能的研究和發展將為人類帶來巨大的變革和進步1.2人工智能的誕生在這次會議上

，

“人工智能”這個詞匯被約翰.麥卡錫（John

McCarthy）

首次提出。

與會者們不僅對人工智能的研究和應用前景進行了深入探討

，還提出了許多重要的觀點和思路

，為人工智能的發展奠定了基礎。

這次會議的召開標志著人工智能作

為一個獨立學科的正式誕生

，

因此

，達特茅斯會議被稱為“人工智能的開端”

，

1956年也被稱為“人工智能元年”。

這次會

議不僅為人工智能的研究和發展奠定了基礎

，還為人類帶來了巨大的變革和進步1.2人工智能的誕生1.3人工智能的發展階段從1956年人工智能元年至今

，人工智能的發展歷程經歷了漫長的歲月

，大致可以劃分為以下6個階段OpenAIOperatorDeepSeek

R11.4未來人工智能發展5個階段2.人工智能思維廈門大學大數據教學團隊作品擁有和人工智能協作的能力，懂得如何運用人工智能2.人工智能思維具備區分人的能力

和機器的能力協作區分了解每個人都應了解人工智能的基礎運行模式2024年12月

，

人工智能教母級人物、

斯坦福大學終

身教授李飛飛在公開演講中說道：

“斯坦福應該錄

取最會用ChatGPT的前2000名學生”。2025年1月

，

互聯網知名企業家周鴻祎發表觀點

”未來擅長使用AI的人會淘汰不會使用AI的人

“。2.人工智能思維3.大模型：人工智能的前沿3.1大模型的概念3.2大模型的發展歷程3.3人工智能與大模型的關系3.4大模型分類3.5大模型原理3.6大模型產品3.7大模型應用領域廈門大學大數據教學團隊作品大模型通常指的是大規模的人工智能模型

，是一種基于深度學習技術

，具有海量參數、強大的學習能力和泛化能力

，能夠處理和生成多種類型數據的人

工智能模型。通常說的大模型的“大”的特點體現在：2020年

，OpenAI公司推出了GPT-3

，模型參數規模達到了1750億。2023年3月發布的GPT-4的參數規模是GPT-3的10倍以上

，達到1.8萬億，3.1大模型的概念2021年11月阿里推出的M6模型的參數量達10萬億。訓練數據量大計算資源需求高參數數量龐大大模型的設計和訓練旨在提供更強大、

更準確的模型性能

，

以應對更復雜、

更龐大的數據集或任務。

大模型通常能夠學習到更細微的模式和規律

，具有更強的泛化能力和表達能力學習能力強大模型可以從大量的數據中學習，并利用學到的知識和模式來提供

更精準的答案和預測

。這使得它

們在解決復雜問題和應對新的場

景時表現更加出色上下文理解能力大模型具有更強的上下文理解能力

，能夠理解更復雜的語意和語

境

。這使得它們能夠產生更準確、

更連貫的回答可遷移性高學習到的知識和能力可以在不同的任務和領域中遷移和應用

。這

意味著一次訓練就可以將模型應

用于多種任務，無需重新訓練語言生成能力大模型可以生成更自然

、更流利的語言，減少了生成輸出時呈現

的錯誤或令人困惑的問題3.1大模型的概念3.2大模型的發展歷程大模型發展歷經三個階段

，分別是萌芽期、

沉淀期和爆發期3.2大模型的發展歷程3.2大模型的發展歷程大模型發展對算力的需求演變人工智能機器學習深度學習人工智能包含了機器學習

，機器學習包含了深度學習

，深度學習可以采用不同的模型

，

其中一種模型是預訓練模型

，預訓練模型包含了預訓練大模型（可以簡稱為“大模型”）

，預訓練大模型包含了預訓練大語言模型（可以簡稱為“大語言模

型”）

，預訓練大語言模型的典型代表包括OpenAI的GPT和百度的文心ERNIE

，

ChatGPT是基于GPT開發的大模型產品，預訓練大模型預訓練大語言模型預訓練大語言模型GPT文心ERNIE...3.3人工智能與大模型的關系深度學習模型預訓練模型文心一言ChatGPT文心一言是基于文心ERNIE開發的大模型產品語言大模型是

指

在自

然

語

言

處

理

（Nat

u

ral

La

ng

uageProcessing，

NLP）領域中的一類大模型，

通常

用于處理文本數據和理解自然語言

。這類大模型

的主要特點是它們在大規模語料庫上進行了訓練，

以學習自然語言的各種語法

、語義和語境規則

。

代表性產品包括GPT系列

（

OpenAI）、

Bard（

Google）

、

DeepSeek

、文心一言（百度）等多模態大模型是指能夠處理多種不同類型數據的大模型，例如

文本

、

圖像

、音頻等多模態數據

。這類模型結合

了NLP和CV的能力，

以實現對多模態信息的綜合理解和分析，從而能夠更全面地理解和處理復雜的數據

。代表性產品包括DingoDB多模向量數據

庫（九章云極DataCanvas）

、

DALL-E(OpenAI)、

悟空畫畫（華為）

、midjourney等視覺大模型是指在計算機視覺（

Computer

Vision

，CV）領

域中使用的大模型

，通常用于圖像處理和分析

。

這類模型通過在大規模圖像數據上進行訓練，

可

以實現各種視覺任務

，如圖像分類

、

目標檢測

、

圖像分割

、姿態估計

、人臉識別等

。代表性產品包括VIT系列（

Google

）

、文心UFO

、華為盤古

CV

、

INTERN（商湯）等3.4大模型的分類通用大模型L0是指可以在多個領域和任務上通用的大模型

。

它們利用大算力、使用海量的開放數據與具有巨量參數的深度學習算法，在大規模無標注數

據上進行訓練，

以尋找特征并發現

規律

，進而形成可“舉一反三”

的強

大泛化能力

，可在不進行微調或少

量微調的情況下完成多場景任務

，

相當于AI完成了“通識教育”行業大模型L1是指那些針對特定行業或領域的大模型

。

它們通常使用行業相關的數

據進行預訓練或微調，

以提高在該領域的性能和準確度，相當于AI成

為“行業專家”垂直大模型L2是指那些針對特定任務或場景的大模型

。

它們通常使用任務相關的數

據進行預訓練或微調，

以提高在該

任務上的性能和效果3.4大模型的分類按照應用領域的不同

，大模型主要可以分為L0、

L1、

L2三個層級OpenAI定義推理模型在OpenAI的官網上

，OpenAI定義推理模型是在回答之前進行思考

，

并在回復用戶

之前

，在內部生成一長串的思維鏈過程。思維鏈是一種提示大語言模型進行逐步推理的方法。它讓模型在得出最終答案之前，

先顯式地寫出推理的中間步驟。這就像人

類解決復雜問題時會先把思考過程寫下來

一樣。推理模型的核心也就是說

，如果模型在回復你之前有一長串的思考過程（這個過程必須可以顯示輸

出）

，探索了很多不同的路徑之后給出答

案

，那么有這個能力的大模型就是推理大模型。推理模型的核心在于處理那些需要多步驟邏輯推導才能解決的復雜問題。推理大模型推理大模型的概念大規模傳播應該開始于2

0

2

4

年

9

月

份

。

2

0

2

4

年

9

月12日，OpenAI官方宣布了OpenAI

o

1推理大模

型。3.4大模型的分類大語言模型可以分為通用大模型和推理大模型3.4大模型的分類n

推理大模型DeepSeek

R1的對話效果非推理問題

：”

法國的首都是哪里

？

”（答案直接

、

無需推導

）推理問題：”

一列火車以每小時60英里的速度行駛3小時

，

行駛距離是多少？

”（需先理解

”距離

=速度

×

時間

”

的關系

，

再分步計算）Sebastian

Raschka博士（

Lightning

AI的首席教育學家）

將“推理”定義為通過生成中間步驟來回答復雜問

題的過程

通用的大語言模型（

LLM）

可能直接輸出簡短答案（如”

180英里”）

推理模型的特點在于顯式展示中間推導過程3.4大模型的分類特性推理大模型通用大模型適用場景復雜推理、

解謎、

數學、

編碼難題文本生成、

翻譯、

摘要、

基礎知識問答復雜問題解決能力優秀

，能進行深度思考和邏輯推理一般

，難以處理多步驟的復雜問題運算效率較低

，推理時間較長

，資源消耗大較高

，

響應速度快

，資源消耗相對較小幻覺風險較高

，

可能出現“過度思考”導致的錯誤答案較低

，更依賴于已知的知識和模式泛化能力更強

，能更好地適應新問題和未知場景相對較弱

，更依賴于訓練數據擅長任務舉例解決復雜邏輯謎題

，編寫復雜算法

，數學證明撰寫新聞稿

，翻譯文章

，

生成產品描述

，

回答常識問題成本通常更高通常更低在應用方面二者各有擅長的領域

，

而不是簡單的誰強誰弱問題n

如果你需要完成數據分析、

邏輯推理、

代碼生成等邏輯性較強且較為復雜的任務

，請選擇推理大模型n

如果你面臨創意寫作、

文本生成、

意圖識別等發散性較強且較為創意多樣的任務

，請選擇通用大模型3.4大模型的分類大量的數據和計算資源訓練具有大量參數的不斷地調整模型參數大模型是基于Transformer架構的

，這種架構是一種專門用于自然語言處理的“編碼-解碼器”架構。

在訓練過程中

，大模型將輸入的單詞以向量的形式傳遞給神經網絡

，然后通過網絡的編碼解碼以及自注意力機制

，建立起每個單詞之間聯系的權

重。大模型的核心能力在于將輸入的每句話中的每個單詞與已經編碼在模型中的單詞進行相關性的計算

，并把相關性又編碼

疊加在每個單詞中。

這樣

，大模型能夠更好地理解和生成自然文本

，

同時還能夠表現出一定的邏輯思維和推理能力3.5大模型的基本原理神經網絡模型基于深度學習大模型利用3.5大模型的基本原理3.6.1

國外的大模型產品3.6.2

國內的大模型產品3.6.3

主流大模型“幻覺”評測3.6大模型產品廈門大學大數據教學團隊作品n

ChatGPTChatGPT是一種由OpenAI訓練的大語言模型。

它是基于Transformer架構

，經過大量文本數據訓練而成

，能夠生成自然、流暢的語言

，并具備回答問題、

生成文本、

語言翻譯等多種功能ChatGPT的應用范圍廣泛

，

可以用于客服、

問答系統、

對話生成、

文本生成等領域。

它能夠理解人類語言

，并能夠回答各種問題

，提供相關的知識和信息。

與其他聊天機器人相比

，

ChatGPT具備更強的語言理解和生成能力

，能夠更自然地與人

類交流

，并且能夠更好地適應不同的領域和場景。

ChatGPT的訓練數據來自互聯網上的大量文本

，

因此

，

它能夠涵蓋多種3.6.1國外的大模型產品語言風格和文化背景n

GeminiGemini是谷歌發布的大模型

，

它能夠同時處理多種類型的數據和任務

，

覆蓋文本、

圖像、

音頻、

視頻等多個領域。

Gemini采用了全新的架構

，將多模態編碼器和多模態解碼器兩個主要組件結合在一起

，

以提供最佳結果Gemini包括三種不同規模的模型：

Gemini

Ultra、

Gemini

Pro和Gemini

Nano

，

適用于不同任務和設備。

2023年12月6日，Gemini的初始版本已在Bard中提供

，開發人員版本可通過Google

Cloud的API獲得。

Gemini可以應用于Bard和Pixel8Pro智能手機。

Gemini的應用范圍廣泛

，包括問題回答、

摘要生成、

翻譯、

字幕生成、

情感分析等任務。

然而

，

由于其復雜

性和黑箱性質

，

Gemini的可解釋性仍然是一個挑戰3.6.1國外的大模型產品n

Sora2024年2月16日

，

OpenAI再次震撼全球科技界

，發布了名為Sora的文本生成視頻大模型

，只需輸入文本就能自動生成視頻。

這一技術的誕生，不僅標志著人工智能在視頻生成領域的重大突破

，更引發了關于人工智

能發展對人類未來影響的深刻思考。

隨著Sora的發布

，人工智能似乎正

式踏入了通用人工智能（AGI：

Artificial

General

Intelligence）

的時代。AGI是指能夠像人類一樣進行各種智能活動的機器智能

，包括理解語言、識別圖像、

進行復雜推理等。

Sora大模型能夠直接輸出長達60秒的視頻

，

并且視頻中包含了高度細致的背景、

復雜的多角度鏡頭

，

以及富有情感

的多個角色。

這種能力已經超越了簡單的圖像或文本生成

，開始觸及到

視頻這一更加復雜和動態的媒介。

這意味著人工智能不僅在處理靜態信

息上越來越強大

，

而且在動態內容的創造上也展現出了驚人的潛力3.6.1國外的大模型產品n

Sora右圖是Sora根據文本自動生成的視頻畫面

，

一位戴著

墨鏡、

穿著皮衣的時尚女子走在雨后夜晚的東京市區

街道上

，抹了鮮艷唇彩的唇角微微翹起

，

即便帶著墨

鏡也能看到她的微笑

，地面的積水映出了她的身影和

燈紅酒綠的霓虹燈

，熱鬧非凡的唐人街正在進行舞龍

表演

，熙熙攘攘的人群目光都聚焦在躍動的彩龍身上，

整個環境的喜慶氛圍仿佛令人身臨其境3.6.1國外的大模型產品n

OpenAI

o32024年12月20日

，

OpenAI發布推理模型o3

，無論在軟件工程、

編寫代碼

，還是競賽數學、

掌握人類博士級別的自然科學知識能力方面

，

o3都達到了很高的水平國外的大模型產品3.6.1大模型圖標指標排名DeepSeek能力測評第一豆包用戶數量第一Kimi文本處理第一即夢AI作圖能力第一通義萬相視頻生成第一智譜清言文檔歸納第一3.6.2國內的大模型產品2025年1月國內大模型排行榜2024年12月26日

，杭州一家名為“深度求索”（

DeepSeek）

的中國初創公司，發布了全新一代大模型DeepSeek-V3。

在多個基準測試中

，

DeepSeek-V3的

性能均超越了其他開源模型

，

甚至與頂尖的閉源大模型GPT-4o不相上下

，尤

其在數學推理上

，

DeepSeek-V3更是遙遙領先。

DeepSeek-V3以多項開創性

技術

，大幅提升了模型的性能和訓練效率。

DeepSeek-V3在性能比肩GPT-4o的同時

，研發卻只花了558萬美元

，

訓練成本不到后者的二十分之一。

因

為表現太過優越

，

DeepSeek在硅谷被譽為“來自東方的神秘力量”。2025年1月20日

，

DeepSeek-R1正式發布

，擁有卓越的性能

，在數學、

代碼和推理任務上可與OpenAI

o1媲美。3.6.2國內的大模型產品n

DeepSeek（深度求索）DeepSeek創始人梁文峰n通義千問通義千問是阿里云推出的一個超大規模的語言模型

，

它具備多輪對話、

文

案創作、

邏輯推理、

多模態理解、

多語言支持的能力。

通義千問這個名字

有“通義”和“千問”兩層含義

，

“通義”表示這個模型能夠理解各種語

言的含義

，

“千問”則表示這個模型能夠回答各種問題。

通義千問基于深

度學習技術

，通過對大量文本數據進行訓練

，從而具備了強大的語言理解

和生成能力。

它能夠理解自然語言

，并能夠生成自然語言文本n字節跳動豆包豆包是字節跳動基于云雀模型開發的

AI

，

能理解你的需求并生成高質量回應。

它知識儲備豐富

，

涵蓋歷史、

科學、

技術等眾多領域

，

無論是日常問題咨詢

，

還是深入學術探討

，

都能提供準確全面的信息。

同時

，

具備出色的文本創作能力

，

能撰寫故事、

詩歌、

文案等各類體裁。

并且擅長語言交互

，交流自然流暢

，就像身邊的知心伙伴

，

耐心傾聽并給予恰當反饋。3.6.2國內的大模型產品n文心一言文心一言是由百度研發的知識增強大模型

，能夠與人對話互動、

回答問題、

協助創作

，

高效便捷地幫助人們獲取信息、

知識和靈感文心一言基于飛槳深度學習平臺和文心知識增強大模型

，持續從海量數據和大規模知識中融合學習

，具備知識增強、

檢索增強和對話增強的技術特色。文心一言具有廣泛的應用場景

，例如智能客服、

智能家居、

移動應用等領域。它可以與用戶進行自然語言交互

，

幫助用戶解決各種問題

，提供相關的知識

和信息n

KimiKimi是月之暗面科技2023年推出的

AI

助手

，

可處理200萬字超長文本

，支持多

格式文件解讀、

互聯網信息搜索整合、

多語言對話等

，能用于辦公、

學習、

創作等

場景

，有網頁版、

APP、

微信小程序等使用方式。3.6.2國內的大模型產品大模型幻覺

，也被稱為AI幻覺

，是指大型語言模

型在生成內容時

，

產生與事實不符、

邏輯錯誤或

無中生有等不合理信息的現象。比如在回答歷史事件時

，

可能會編造不存在的細

節或人物；

在進行科學知識講解時

，

給出錯誤的

理論或數據。其產生原因主要包括：

模型訓練數據存在偏差、

不完整或錯誤

，

導致在學習過程中引入了不準確

的信息；

模型基于概率分布生成內容

，

在某些情

況下會選擇一些看似合理但實際錯誤的路徑。

大

模型幻覺會影響信息的準確性和可靠性

，

在信息

傳播、

學術研究等領域可能帶來不良影響。

因此，

在使用大模型時

，

需要對其輸出內容進行仔細驗

證和甄別。3.6.3主流大模型“幻覺”評測3.7大模型的應用領域廈門大學大數據教學團隊作品（2）計算機視覺大模型在計算機視覺領域也有廣泛應用

，可以用于圖像分類（識別圖像中的物體和場景）、

目標檢測（能夠定位并識別圖像中的特定物體）、圖像生成（如風格遷移、圖像超分辨率增強）、人臉識別（用于安全驗證和身份識別）、醫學影像分析（輔助醫生診斷疾?。┑龋?）

自然語言處理大模型在自然語言處理領域具有重要的應用

，可以用于文本生成（如文章、小說、新聞等的創作）、翻譯系統（能夠實現高質量的

跨語言翻譯）、問答系統（能夠回答用戶提出的問題）、情感分析（用于判斷文本中的情感傾向）、語言生成（如聊天機器人）等大模型的應用領域非常廣泛

，涵蓋了自然語言處理、

計算機視覺、

語音識別、

推薦系統、

醫療健康、

金融風控、

工業制造、生物信息學、

自動駕駛、

氣候研究等多個領域3.7大模型的應用領域（4）推薦系統大模型可以用于個性化推薦、廣告推薦等任務。通過分析用戶的歷史行為和興趣偏好

，大模型可以為用戶提供個性化的推薦服務

，提高用

戶滿意度和轉化率（3）語音識別大模型在語音識別領域也有應用

，如語音識別、語音合成等。通過學習大量的語音數據

，大模型可以實現高質量的跨語言翻譯和語音

識別以及生成自然語音3.7大模型的應用領域金融風控自動駕駛醫療健康大模型可以用于信用評估、欺詐檢測等任務

。通過分析大量的金融數據

，大模型可

以評估用戶的信用等級和風險水平，

以及檢測欺詐行為，提高金融系統的安全性和

穩定性大模型可以用于醫療影像診斷、疾病預測等任務

。通過學習大量的醫學影像數據

，大模型可以輔助醫生進行疾病診斷和治療方案制定，提高醫療水平和效率3.7大模型的應用領域型可以實現對車輛周圍環境的感知和識別，以及進行決策和控制，提高自動駕駛的安

全性和效率大模型可以用于自動駕駛中的感知、決策等任務

。通過學習大量的駕駛數據

，大模在生物信息學領域

，大模型可以用于基因序列分析（識別基因中的功能元件和變異

位點）

、蛋白質結構預測（推測蛋白質的

二級和三級結構）

、藥物研發（預測分子與靶點的相互作用）等大模型可以用于質量控制、故障診斷等任務

。通過學習大量的工業制造數據

，大模型可以輔助工程師進行產品質量控制和故

障診斷，提高生產效率和產品質量在氣候研究領域

，大模型可以處理氣象數據

，進行天氣預測和氣候模擬

。

它們能夠分析復雜的氣象現象，提供準確的氣象預報

，幫助人們做出應對氣候變化的決策3.7大模型的應用領域工業制造生物信息學氣候研究4.高校本地部署DeepSeek大模型廈門大學大數據教學團隊作品大模型圖標指標排名DeepSeek

能力測評第一豆包

用戶數量第一Kimi

文本處理第一即夢AI

作圖能力第一通義萬相

視頻生成第一智譜清言

文檔歸納第一4.1直接使用在線大模型n

2025年1月國內大模型排行榜北京交通大學教學運行中心在智慧教學課程平臺中全面接入Deep-Seek-R1大模型

，利用其在數學、代碼、

自然語言處理

等方面的強大推理能力

，幫助教師高效解決教學過程中各類復

雜問題。該校表示

，

目前“深度思考

”功能對全校教師開放

，

后續將逐步對學生開放

，并上線更多功能。北京師范大學利用該校培養方案、教學手冊、教學大綱等高質量語料

，

為近萬門課程本地化部署DeepSeek-R1大模型。登錄智能

“課程中心

”

，學業規劃、知識問答、概念講解、資源推薦、解題

啟發、論文潤色等功能一目了然

，為師生提供定制化、情境化的教

學輔助

，還支持學生的個性化與探究式學習需求。DeepSeek滿血版R1

，

參數高達6710億（671B）

，

相當于一個

“超級大腦”

，

能處理復雜數學題、

編程、

長文本分析等高難度

任務。

部署本地DeepSeek-

R1（671B）滿血版模型

，支持校園辦公自動化、

科研項目輔助、

學術資源分析等多領域應用浙江大學、

中國人民大學、

廈門大學、

北京師范大學、

北京交通大學等高校發布消息

，表示正在探索開展有關DeepSeek的

實踐應用

，部分高校已在自主研發的教學課程平臺中接入該大

模型。

DeepSeek化身智能“助教”

，為師生深度思考賦能。4.2國產AI大模型DeepSeek走入高校中國農業大學、

中央民族大學等高校還利用該大模型的問答功能

，介紹學校特色專業和校園文化

，歡迎學生報考。通過多輪對話實時聯網搜索權威信息

，提供全面、快速、優質的回答2025年2月19日

，鄭州大學國家超級計算中心、

計算機與人工智能學院、

信息化辦公室攜手攻堅

，成功在超算中心設備上部署本

地化“滿血版”

DeepSeek-R1大模型（671B）

。在多個關鍵應用領域

，

DeepSeek-R1大模型展現出強大的實力論文寫作輔助提供語法檢查、參考文獻自動生成等功能，極大提高寫作效率文本創作與智能辦公場景實現高效語言生成、

輔助寫作、

智能糾錯和摘要生成、多種語言實時互譯文本分析可快速提煉論文創新點、方法及實驗結果數學推理能夠解答高等數學、

概率統計、

線性代數等復雜問題

，提供解題思路與引導式問題編程助手支持10余種編程語言的代碼創作與問題診斷4.2國產AI大模型DeepSeek走入高校知識問答鄭州大學DeepSeek-R1系列大模型正在對接學校統一身份認證平臺

，近期將面向全校師生開放試用同時

，

將根據學校各學科具體需求與硬件條件

，

以具體化、

針對性、

私有化、

學科專用或實驗室專用的方式將進一步

將70B、

32B、

14B、

8B、

7B等不同版本的DeepSeek-R1大模型部署到學科內部

，并接入本地知識庫（如學術資源、

課程資源、

實驗數據等）

，

后期學校將根據具體需求及資源占用情況提供差異化服務

，

構建

“AI

+學科

”垂直領域解

決方案

，為學科交叉創新發展提供有力支撐4.2國產AI大模型DeepSeek走入高校本地部署

大模型4.3為什么需要本地部署大模型離線與高效使用成本與資源優化數據隱私與安全性避免使用限制定制化與靈活性模型微調技術特點（1）

領域針對性強：

經過微調的模

型在特定領域的表現會有顯著提升

，

能夠更好地理解和處理該領域的專業

問題；（2）

模型適應性優化：

通過微調可

以調整模型的參數

，使其更符合特定

任務的要求

，提高輸出的準確性和穩

定性。模型微調和本地知識庫使用海量數據進行預訓練得到的基礎大模型

，具備廣泛的語言理解和生成

能力

，但在特定任務上的表現往往不

夠精準。解決方案：（1）

模型微調；（2）

本地知識庫模型微調技術要點（1）

高質量的標注數據：

標注數據

的質量直接影響微調的效果

，

需要確

保數據標注的準確性和一致性。（2）

合理的微調策略：

選擇合適的

微調算法和超參數

，避免過擬合或欠

擬合問題。4.4本地部署大模型方案在監督微調階段

，模型會學習一個指令-響應（Instruction-Response）

數據集

，

該數據集包含大量人

類編寫的任務示例

，例如“請解釋相對論的基本概念”及其標準答案通過這種方式

，

模型能夠理解不同類型的任務并提供符合預期的回答

。

指令-響應

（Instruction

-Response）

數據集用于訓練模型理解任務指令并生成符合預期的響應時效性問題對知識更新頻繁的領域

，微調后的模型可能很快會過時

，

需要不斷重新訓練在微調完成后

，

部分高級模型還會使用強化學習進行優化。

例如

，

ChatGPT和Claude使用人類反饋

強化學習（

RLHF）

讓模型的回答更符合用戶期望

，更好地選擇符合人類偏好的答案數據準備成本高需要收集、

整理和標注大量特定領域的數據

，這是一個耗

時費力的過程4.4本地部署大模型方案模型微調主要是指令微調

，指令微調包括兩個階段：

監督微調和強化學習監督微調強化學習不足之處：n

本地知識庫RAG（

Retrieval-Augmented

Generation）

，

即檢索增強生成

，是一種結合檢索技術和生成模型的技術框架，

旨在提升模型生成內容的準確性和相關性其核心思想是：

在生成答案前

，

先從外部知識庫中檢索相關信息

，

再將檢索結果與用戶輸入結合

，指導生成模型

輸出更可靠的回答。

簡單地說

，就是利用已有的文檔、

內部知識生成向量知識庫

，在提問的時候結合庫的內容一

起給大模型

，

讓其回答的更準確

，

它結合了信息檢索和大模型技術4.4本地部署大模型方案實時知識補充模型的回復結合了業務知識和實時知識

，

所以實時性可以更好減少模型幻覺由于提問結合了業務知識

，所以減少了模型的幻覺，即減少了模型的胡說八道保護數據隱私由于日常的業務知識是保存到本地的

，

所以減少信息泄露的風險4.4本地部署大模型方案無需重新訓練不用重新訓練模型

，微調模型降低了成本n

本地知識庫的優點步驟安裝Ollama下載DeepSeek

R1運行DeepSeek

R1使用Open

Web

UI增強交互體驗

具體安裝過程請參考廈門大學數據庫實驗室博客/blog/5816/4.4本地部署大模型方案DeepSeek

R1671B（滿血版）

部署成本1.硬件采購成本?服務器集群

：含8張NVIDIA

A100/H100顯卡的服務器

，

市場價格約80-120萬元?配套設備

：液冷系統、

冗余電源等附加成本約15-25萬元2.運維成本?電費

：滿載功耗約6000W

，

年電費約5-8萬元（按工業電價1.2元/度計算）?維護：

專業工程師團隊年成本約30-50萬元4.4本地部署大模型方案高?？蒲谢A設施不足

，算力短

缺且資源碎片化問題依然突出DeepSeek雖然大幅降低了算力消耗

，但對于尖端的AIfor

Science

，仍需大量算力。

過去

，傳統的高校算力建

設方式

，往往是不同院系、

研究小組

，

自行采購和管理各

自的計算資源

，

一個學校內可能存在多個小型計算集群。

賽爾網絡的一份報告顯示

，全國近2000所高等學校中，91.6%的高校未建設校級算力平臺。

這顯然難以匹配大模

型時代的要求

，容易出現算力資源分散管理、

忙閑不均、

共享不暢等問題

，拖慢科研成果產出效率大模型的技術棧復雜。

即使是目前廣

受歡迎的DeepSeek

，

在業界看來

，

其落地門檻仍然很高比如拿到一個開源的DeepSeek模型后

，要先做算力適配

，

一種簡單粗暴的做法是多買一些已經適配過的卡

，把它給

裝進去

，再結合用戶的私有數據

，去做常規的RAG或微調。

這種方式簡單易操作

，但成本較高?，F在

，

高校和科研院所在探索一些新方法。

比如

，

先將開

源模型蒸餾

，獲得更小參數的模型

，來降低算力需求4.4本地部署大模型方案高校本地部署大模型面臨的問題：n

2025年2月10日

，清華大學AI團隊發布KTransformers開源項目迎來重大更新

，成功打破大模型推理算

力門檻。

此前

，擁有671B參數的MoE架構大模型DeepSeek-R1在推理時困難重重。

推理服務器常因高

負荷宕機

，

專屬版云服務器按GPU小時計費的高昂成本讓中小團隊無力承擔

，

而市面上的

“本地部署”

方案多為參數量大幅縮水的蒸餾版

，在本地小規模硬件上運行滿血版

DeepSeek-R1被認為幾乎不可能n

此次KTransformers項目更新帶來重大突破

，

支持在24G顯存（4090D）

的設備上本地運行

DeepSeek-

R1、V3的671B滿血版。

其預處理速度最高可達286tokens/s

，推理生成速度最高能達到14tokens/s。

甚至有開發者借助這一優化技術

，在3090顯卡和200GB內存的配置下

，使Q2_K_XL模型的推理速度達到9.1tokens/s

，

實現了千億級模型的“家庭化”運行傳統方案：

8卡A100服務器成本超百萬元

，按需計費每小時數千元清華方案：

單卡RTX4090方案

，整機成本約2萬元

，功耗80W4.4本地部署大模型方案5.1AI

GC概述5.2文本類AI

GC應用實踐5.3

圖片類AI

GC應用實踐5.4語音類AI

GC應用實踐5.5視頻類AI

GC應用實踐5.6AI

GC在輔助編程中的應用5.7AI搜索5.8AI智能辦公5.AI

GC應用與實踐廈門大學大數據教學團隊作品5.

1AI

GC概述5.1.1什么是AI

GC5.1.2AI

GC與大模型的關系5.1.3

常見的AI

GC應用場景5.1.4

常見的AI

GC大模型工具5.1.5AI

GC大模型的提示詞廈門大學大數據教學團隊作品AIGC的全稱為“Artificial

Intelligence

Generated

Content”

，

中文翻譯為“人工智能生成內容”。

這是一種新的創作方式

，利用人工智能

技術來生成各種形式的內容

，包括文字、

音樂、

圖像、

視頻等nAIGC是人工智能進入全新發展時期的重要標志

，其核心技術包括生成對抗網絡（GAN

，GenerativeAdversarial

Networks）、大型預訓練模型、多模態

技術等nAIGC的核心思想是利用人工智能算法生成具有一定創意和質量的內容。通過

訓練模型和大量數據的學習

，AIGC可以根據輸入的條件或指導

，生成與之相

關的內容。例如

，通過輸入關鍵詞、描述或樣本

，AIGC可以生成與之相匹配

的文章、圖像、音頻等nAIGC技術不僅可以提高內容生產的效率和質量

，還可以為創作者提供更多的靈感和支持。在文學創作、藝術設計、游戲開發等領域

，AIGC可以自動創作出高質量的文本、圖像和音頻等內容。同時

，AIGC也可以應用于媒體、教育、娛樂、營銷、科研等領域

，為用戶提供高質量、高效率、高個性化的內容服務5.1.1什么是AI

GC大模型與AIGC之間的關系可以說是相輔相成、

相互促進的。

大模型為AIGC提供了強大的技術基礎和支撐，而AIGC則進一步推動了大模型的發展和應用5.1.2AI

GC與大模型的關系大模型為AIGC提供了豐

富的數據資源和強大的計

算能力大模型和AIGC的結合

，

也帶來了廣泛的應用前景AIGC的需求也推動了大

模型的發展010302辦公寫周報日報

，

寫方案

，

寫運營活動

，

制作PPT

，

寫

讀后感

，

寫代碼游戲生成場景原畫

，

生成角色形象

，

生成世界觀

，

生成

數值

，

生成3D模型

，

生成NPC對話

，

音效生成電商生成商品標題

、

描述

、

廣告文案和廣告圖娛樂頭像生成

，

照片修復

，

圖像生成

，

音樂生成影視生成分鏡頭腳本

，

生成劇本腳本

，

臺詞潤色

，

生成

推廣宣傳物料

，

音樂生成5.1.3常見的AI

GC應用場景設計UI設計

，

美術設計

，

插畫設計

，建筑設計動漫原畫繪制

，

動畫生成

，

分鏡生成

，

音樂生成藝術寫詩

，

寫小說

，

生成藝術創作品

，

草圖生成

，

藝術風格

轉換

，

音樂創作教育批改試卷

，

試卷創建

，

搜題答題

，

課程設計

，

課程總結

，

虛擬講師生活制定學習計劃

，

做旅游規劃媒體軟文撰寫

，

大綱提煉

，

熱點撰寫5.1.3常見的AI

GC應用場景5.1.4常見的AI

GC大模型工具這些工具基于大語言模型技術

，

具備文本生成、

語言理解、

知識問答、

邏輯推理等多種能力

，

可廣泛應用于寫作輔助、

內容創作、

智能客服等多個領域。

通過不斷迭代和優化

，為用戶提供更加智能、

高效的內容生成解決方案OpenAI的ChatGPT科大訊飛的訊飛星火阿里的通義千問DeepSeek百度文心一言字節跳動豆包Kimi

AIGC大模型的提示詞（

Prompt）

是指用戶向大模型輸入的文本內容

，

用于觸發大模型的響應并指導其如何生成或回應

這些提示詞可以是一個問題、

一段描述、

一個指令

，

甚至是一個帶有詳細參數的文字描述。

它們為大模型提供了生成對

應文本、

圖片、

音頻、

視頻等內容的基礎信息和指導方向。

提示詞的重要作用如下：5.1.5AI

GC大模型的提示詞引導生成

增強交互性提高準確性5.1.5AI

GC大模型的提示詞使用提示詞需要注意一些技巧

，

這樣可以從大模型獲得更加符合我們預期要求的結果使用肯定性指令分解復雜任務自然語言回答簡潔明確考慮受眾遵守規則明確角色示例驅動通用模型n

需顯式引導推理步驟（如通過“思

維鏈”提示）

，否則可能跳過關鍵

邏輯。n

依賴提示語補償能力短板（如要求

分步思考、提供示例）。n

提示語更簡潔

，只需明確任務目標和需求（因其已內化推理邏輯）。n

無需逐步指導

，模型自動生成結構

化推理過程（若強行拆解步驟

，反

而可能限制其能力）。5.1.5AI

GC大模型的提示詞推理模型提示詞之道：

通用大模型與推理大模型在提示詞策略方面也有不同側重與技巧5.2文本類AI

GC應用實踐進入百度官網訪問DeepSeek保證正常快速使用步驟1：登錄DeepSeek平臺。在瀏覽器地址欄中輸入“https://www.deepseek.com/

”網址，進入“DeepSeek

”平臺，完成登錄后，進入平臺的對話功能界面。步驟4：登錄KIMI平臺。在瀏覽器地址欄中輸入“https://kimi.moonshot.cn/”網址，進入“KIMI平臺

”，登錄成功后，點擊平臺左側的“kimi+

”后選擇PPT助手功能5.2文本類AI

GC應用實踐步驟6：一鍵生成PPT并選擇適合的PPT模板和風格步驟7：編輯和確認生成的PPT內容，無誤后下載PPT步驟3：生成并保存DeepSeek生成的PPT大綱和框架案例：

DeepSeek

+Kimi制作PPT步驟5：在Kimi中粘貼DeepSeek生成的

PPT大綱和框架步驟2：輸入你要生成PPT的提示詞02050401030607打

開x

m

i

nd

軟

件，

通

過

文

件

-

導

入

-

Ma

rkdow

n進

行

文

件

的

導

入，

最

后

就

能

馬

上

渲

染

出

一

個

非

常

完

美

的

思

維

腦

圖

。將

我

們

準

備

好

的

電

子

書

上

傳

到

Dee

p

Seek，

并

輸

入

提

示

詞

：

現

在

我

需

要

做

一

個x

m

i

nd

思

維

導

圖，

請

幫

這

份

文

檔

輸

出

為

Ma

rkdow

n格

式5.2文本類AI

GC應用實踐案例：

DeepSeek

+Kimi制作腦圖將內容復制到text的文件中

，

進行保存

，

并將文件的后綴名改為.

md圖片類AIGC是一種基于人工智能技術生成圖片的方法

，

它利用深度學習、

生成對抗網絡（GAN）

等先進算法

，通

過學習和模仿大量圖像數據

，能夠自動創作出高度真實和藝術化的圖片。

AIGC在圖像生成、

修復、

風格轉換、

藝

術創作等領域展現出強大能力

，為數字藝術、

設計、

游戲、

電影等多個行業帶來創新解決方案。

其優勢包括高效性、

多樣性和自動化

，能夠快速生成大量高質量的圖像內容

，滿足各種復雜需求5.3圖片類AI

GC應用實踐AIGC能夠生成高度逼真的圖像

，

如人臉、

動物、

建筑物等。

例如

，

OpenAI發布的DALL-E可以

根據文本提示詞創作出全新的、

原創的圖像

，

展示了AI在圖像創作方面的強大能力AI

GC在圖像識別方面也有廣泛應用

，

可以識別圖像中的對象、

場景和特征

，

如人臉識別、

車牌識別等。

這項技術對于安防監控、

智能搜索、

自動駕駛等領域的發展至關重要通過對圖像進行增強處理

，

AI

GC可以增加圖像的飽滿感和增強細節

，

使圖像質量得到提升。

這在提升照片的視覺效果、

改善圖像的清晰度和細節方面非常有用AI

GC還可以修復損壞的圖像

，

如去除噪聲、

填充缺失的部分等。

這項技術對于保護和恢復古老的藝術作品、

修復損壞的照片等具有重要意義5.3圖片類AI

GC應用實踐圖像識別圖像修復圖像增強圖像生成案例：

DeepSeek+即夢AI

，

生成教師節海報第1步

：登錄DeepSeek

，輸入如下提示詞：我想用Al繪圖軟件繪制一張教師節海報,要加入廈門大學元素,請幫我寫一段提示詞第2步

：登錄

“即夢AI”

，進入

“AI作圖”的

“圖片生成”

，在提示詞輸

入框中

，把第1步DeepSeek生成的提示詞粘貼進來

，點擊

“立即生成”5.3圖片類AI

GC應用實踐5.3圖片類AI

GC應用實踐案例：

去除圖片中的水印去除水印后的圖片帶有水印的圖片語音類AIGC是一種利用人工智能技術（特別是語音識別、

自然語言處理和語音合成技術）

，

自動生成和處理語音內容的技術。

它能夠模擬人類語音

，

實現語音到文本的轉換、

文本到語音的合成，

以及語音情感分析等功能

，廣泛應用于智能語音助手、

智能客服、

語音翻譯等多個領域5.4語音類AI

GC應用實踐5.4語音類AI

GC應用實踐智能駕駛艙與車載語音助手應用場景0105語音分析與情感識別030406虛擬人物

與數字人語音合成

與轉換0207智能語音助手智能客服語音翻譯高校老師怎么用？n

高校教師可以使用語音類AI

GC工具（喜馬拉雅音頻大模型、騰訊智影）

，根據自己教學課件的文本內容，

自動生成專業的配音

，可以采用專業播音員的音色

，也可以使用AI

GC工具（比

如米可智能）“克隆”

自己的講課聲音

，用自己的音色生成配音n

高校教師使用鬼手剪輯GhostCut進行語音翻譯

，可以把一種語言的講課視頻自動轉換成另外一種語言的講課視頻5.4語音類AI

GC應用實踐視頻類AIGC是指利用人工智能技術

，特別是深度學習、

機器學習等算法

，

自動創建或處理視頻內容的技術。

它能根據給定的文本、

圖像或其他數據

，

自動生成符合描述的視頻內容

，涵蓋文生視頻、

圖生視頻、

視頻風格化、

人物

動態化等多個方向。

這一技術在創意設計、

影視制作等領域潛力巨大

，極大地提升了視頻內容的生產效率和質量5.5視頻類AI

GC應用實踐□使用即夢AI實現圖生視頻□使用通義萬相根據圖片生成自帶音效的視頻□借助剪映AI工具

，根據文字自動生成高質量的視頻

，

并自帶配音配樂□使用鬼手剪輯生成視頻解說□使用騰訊智影生成數字人播報視頻（用于制作教學視頻）Vidu生數科技聯合清華大學發布

，

是中國首個長時長、

高一致性、

高動態

性視頻大模型

，

支持一鍵生成16秒

高清視頻

，性能對標國際頂尖水平。即夢AI即夢AI是字節跳動旗下剪映團隊開

發的一站式AI創意創作平臺。

支持

文生圖、

圖生圖、

文生視頻、

圖生

視頻等

，有智能畫布、

故事創作等可靈由快手推出

，

被譽為中國版Sora，視頻生成時長可達120秒

，

支持文

生視頻、

圖生視頻、

視頻續寫、

鏡

頭控制等功能

，表現出色。

視頻類AIGC大模型發端于Sora。

2024年2月

，美國的Open

AI發布了全球第一款文生視頻大模型Sora（這

里的“文生視頻”是指由輸入的文本內容生成相應的視頻）

，

迅速引起了業界的廣泛關注和討論高校教師怎么用？□借助可靈AI工具

，根據文本內容自動生成高質量的視頻5.5視頻類AI

GC應用實踐案例：

使用騰訊智影生成數字人播報視頻（可以用于制作高校教學視頻）在瀏覽器地址欄中輸入網址“https://zenvideo.qq.com/”，

進入“騰訊智影”平臺，

點擊平臺首頁“智能小工具”欄目

中的

“數字人播報”按鈕或者

“智能小工具”上方的

“數字人播報”按鈕

，進入

“數字人播報”功能界面。5.5視頻類AI

GC應用實踐圖“數字人播報”功能入口圖騰訊智影登錄界面代碼優化與重構代碼補全與提示能夠提供輔助編程服務的AIGC大模型包括Codex、

GitHub

Copilot、

CodeGeeX、

aiXcoder、

豆包、

通義靈碼等推薦高校使用AI編程工具：

VS

Code+DeepSeek

，

字節跳動Trae（AI

原生集成開發環境）5.6AI

GC技術在輔助編程中的應用AIGC技術在輔助編程中的應用日益廣泛

，

它能夠自動生成高質量的代碼

，從而顯著提高開發效率應用場景代碼風格統一代碼自動生成為什么要在VSCode中接入

DeepSeek？

代碼智能補全

：根據上下文自動補全代碼

，

減少重

復輸入

，提高編碼效率。

代碼生成

：根據自然語言描述直接生成代碼

，例如

快速搭建項目框架或實現特定功能。

AI對話輔助：

隨時與AI對話

，獲取編程建議、

解

決技術難題。VSCode接入DeepSeek步驟

注冊

DeepSeek賬號并獲取API

Key

安裝VSCode插件

配置VSCode插件具體操作步驟請參考網頁：blogs.com/jinjiangongzuoshi/p/187260975.6AI

GC技術在輔助編程中的應用AI搜索

，

即人工智能搜索引擎

，是一種利用先進的人工智能技術

，特別是深度學習和自然語言處理（

NLP）

，來理

解和響應用戶的查詢需求的新型搜索工具。

它不僅僅是傳統搜索引擎（比如百度）

的簡單升級

，

而是通過模擬人類

的思維方式和行為模式

，為用戶提供更加精準、

個性化且高效的信息檢索服務。AI搜索通過收集和分析用戶的歷史搜索數據和行為模式

，構建用戶畫像

，從而實現更加精準的個性化搜索服務。

這

種數據驅動的智能決策機制

，使得AI搜索能夠不斷自我優化

，提升用戶體驗。納米AI搜索是360公司在2024年12月推出的全新AI搜索應用

，結合了自然語言處理、

機器學習以及專家協同技術，

致力于打破傳統搜索引擎的局限

，提供智能化、

多樣化的搜索體驗。多模態搜索支持文字、語音、拍照、視頻等多種輸入方式

，滿足不同場

景下的需求

，實現“一切皆可

搜索”智能工具集成內置16款頂尖大模型

，如豆包、文心一言等

，為用戶提供一站

式AI智慧體驗。慢思考模式通過專家協同和多模型協作，深入分析復雜問題

，提供更專

業、更全面的答案。5.7AI搜索

AI寫作助手（幫我寫、幫我改、AI伴寫）AI設計助手（AI排版、AI格式）AI閱讀助手（全文總結、文檔問答、劃詞解釋和翻譯）AI數據助手（AI寫公式、AI數據分析）5.8AI智能辦公

5.8AI智能辦公

WPS靈犀n

一鍵生成PPTn

閱讀課件、

論文、

翻譯英文論文n

自動數據分析6.基于大模型的智能體廈門大學大數據教學團隊作品智能體本身既不是單純的軟件也不是硬件

，

而是一個更為寬泛的概念

，

它們可以是軟件程序、

機器人或其他形式的

系統

，具備一定的自主性和智能性智能體（AI

Agent）

，又稱“人工智能代理”

，是一種模

仿人類智能行為的智能化系統

，

它就像是擁有豐富經驗和

知識的“智慧大腦”

，能夠感知所處的環境

，并依據感知

結果

，

自主地進行規劃、

決策

，進而采取行動以達成特定

目標。

簡單來說

，

智能體能夠根據外部輸入做出決策

，并

通過與環境的互動

，不斷優化自身行為6.基于大模型的智能體基于大模型的智能體是指利用大語言模型（如GPT、

BERT等）作為核心組件

，構建的能夠執行特定任務、與環境交互并做出決策的人工智能系統。這些智能體具有自主性、交互性、適應性等特點

，能夠模擬人類的認知和決策過程

，提供更加自然、高效和個性化的交

互體驗。它們能夠處理海量數據

，進行高效的學習與推理

，并展現

出跨領域的應用潛力AIAgent的誕生就是為了處理各種復雜任務的

，就復雜任務的處理流程而言AIAgent主要分為兩大類：行動類、規劃執行類。總而言之

，AIAgent就是結合大模型能去自動思考、規劃、效驗和

執行的一個計算體

，以完成特定的任務目標

，如果把大模型比作大

腦

，那AIAgent可以理解為小腦

+手腳6.基于大模型的智能體AIAgent的工作僅需給定一個目標

，它就能夠針對目標獨立思考并做出行動

，它會根據給定任務詳細拆解出每一步的計劃步

驟

，依靠來自外界的反饋和自主思考

，

自

己給自己創建prompt

，來實現目標目前各類AICopilot不再是機械地完成人類指令

，而是可以參與人類工作流

，為諸如編寫代碼、策劃活動、優化流程等事項

提供建議

，與人類協同完成過去的嵌入式工具型AI助手型工具（例如siri、小度、小愛音箱）

，只完成和人之間

的問答會話6.基于大模型的智能體智能體更像是一個擁有自主意識的智能員工

，它以大語言模型為驅動

，具備自主理解、感知、規劃、記憶和使用工具的能力。它可以根據目標任務

，進行智能規劃與決策

，

自動執行復雜的任務。比如在智能辦公場景中

，AIAgent可以根據用戶的日程安排

，

自動預訂會議室、安

排會議議程

，還能在會議結束后自動生成會議紀要

，實現辦公流程的自動化

，讓員工從繁瑣的事務性工作中解脫出來RAG技術就像是一個智能的知識助手

，

它通過將外部知識庫與大語言模型相結合

，極大地增強了模型的回答能力。

當用戶提出問題時

，

RAG首先會在龐大的知識庫中進行檢索

，找到相關的信息

，然后將這些信息與大語言模型的生成能力相結合

，給出更加準確、全面的回答。例如

，在企業客服場景中

，

RAG可以快速檢索企業的產品資料、常見問題解答等知識庫

，為客戶提供精準的服務

，大大提高了客服的效率和質量RAG的部署相對來說成本較低

，主要集中在知識庫的建設和維護上。企業可以利用現有的數據資源

，構建自己的知識庫

，然后通過接入大語言模型

，實現

RAG的功能。對于一些數據量較小、業務場景相對簡單的企業來說

，

RAG是一個性價比很高的選擇AI

Agent的部署則需要更高的技術門檻和成本。

它不僅需要強大的大語言模型支持

，還需要構建復雜的智能規劃和決策系統

，以及與各種工具和系統的集成。此外

，AI

Agent還需要不斷地進行訓練和優化

，

以提高其智能水平和適應性。

因此

，對于一些中小企業來說

，AIAgent的部署成本可能較高

，但對于大型企業和對智能化要求較高的企業來說

，AIAgent帶來的價值可能遠超其成本6.基于大模型的智能體n

RAG和智能體RAG在運行效果上

，

RAG在處理一些需要大量知識支持的任務時表現出色

，

比如智

能問答、

文檔生成等。

它能夠利用知識

庫中的信息

，為用戶提供準確、

詳細的

回答。但

RAG的局限性在于

，它缺乏自

主決策和規劃的能力

，對于一些復雜的、需要靈活應變的任務可能無法勝任各自的優勢和適用場景RAG和AI

Agent都有各自的優勢和適

用場景。對于企業用戶來說

，在選擇時

需要根據自身的業務需求、

數據資源、

技術實力和預算等因素進行綜合考慮。

如果企業只是需要解決一些簡單的知識

檢索和生成問題

，那么

RAG可能是一個

不錯的選擇；

如果企業希望實現業務流

程

的

全

面自

動

化

和

智

能

化，

那

么AIAge