甄文智老师 腾讯早期员工&创办10亿的互联网公司&智能穿戴CTO和深大研究生导师
课程背景：
1. 行业趋势与需求爆发
AI技术普及化：大语言模型（LLM）从实验阶段进入企业级应用，但云端部署存在数据安全、隐私合规、成本控制等瓶颈。
企业数字化转型加速：传统行业（金融、医疗、教育）对定制化智能体的需求激增，需要私有化部署方案以保障数据主权。
技术栈碎片化：开发者需掌握多平台（如DeepSeek、腾讯LKE、阿里百宝箱）与工具链（CherryStudio、Coze、Dify），但缺乏系统性学习路径。
2. 开发者痛点
技术门槛高：私有化部署涉及环境配置、模型优化、服务端开发，单一技能无法满足复杂需求。
平台选择困难：各平台功能重叠但定位不同，企业难以评估性价比与扩展性。
实战经验缺失：市面课程多侧重理论，缺乏从“部署到上线”的全流程案例。
3. 课程定位
填补技能空白：提供从0到1的私有化部署与智能体开发全栈能力。
企业级视角：结合腾讯、阿里等平台特性，模拟真实业务场景（如智能客服、文档助手）。
工具链整合：覆盖DeepSeek、CherryStudio、Coze等主流工具，提供跨平台协同开发经验。
课程收益：
1、技术能力提升
掌握私有化部署核心技能：
独立完成DeepSeek等模型的本地化部署与性能调优。
熟练使用Docker/K8s进行容器化管理与自动化运维。
智能体开发全流程：
从需求分析到上线，覆盖CherryStudio知识库搭建、Coze流程设计、Dify服务端开发。
掌握多模型融合（如Qwen+ChatGLM）与多模态数据处理（文本/语音/图像）。
企业级工具链整合：
对比腾讯LKE与阿里百宝箱的优劣，选择最适合业务需求的平台。
集成第三方服务（如Kafka、Prometheus），构建可扩展的智能体生态。
2. 业务价值创造
降本增效：通过私有化部署降低云服务成本，提升数据安全性与响应速度。
创新场景落地：
开发行业定制化智能体（如医疗问答、法律咨询）。
构建企业级知识库，实现内部文档的智能检索与问答。
竞争力提升：掌握企业级AI开发全栈能力，成为技术团队核心成员。
授课形式：主题讲授+视频欣赏+学员分享
时间安排：共计6小时
课程详细大纲：
第一章：DeepSeek私有化部署基础
1.1 私有化部署概述
1.1.1 什么是DeepSeek私有化？
1.1.2 私有化 vs 云端部署的对比分析
1.1.3 适用场景与行业案例
1.2 环境准备与工具链
1.2.1 硬件与软件需求（CPU/GPU、操作系统、依赖库）
1.2.2 Docker/K8s容器化部署基础
1.2.3 安全性配置（防火墙、SSL证书、权限管理）
1.3 部署实战
1.3.1 官方镜像拉取与本地化修改
1.3.2 配置文件优化（模型参数、数据路径、服务端口）
1.3.3 启动与测试（API调用验证、日志监控）
第二章：智能体搭建核心框架
2.1 智能体架构设计
2.1.1 输入/输出模块设计（文本、语音、多模态）
2.1.2 记忆与上下文管理机制
2.1.3 插件与扩展接口设计
2.2 本地知识库CherryStudio集成
2.2.1 CherryStudio功能解析（知识图谱、文档解析、语义搜索）
2.2.2 数据导入与预处理（PDF/Word/Markdown格式）
2.2.3 查询接口开发与调试
2.3 智能体开发平台Coze实战
2.3.1 Coze平台特性与使用场景
2.3.2 流程设计器（条件判断、循环、异常处理）
2.3.3 自定义组件开发（Python/Node.js脚本嵌入）
第三章：企业级智能体平台对比与选择
3.1 腾讯LKE（LangChain Express）应用
3.1.1 LKE核心功能（LLM编排、RAG检索增强）
3.1.2 企业级安全策略（数据隔离、审计日志）
3.1.3 典型案例：客服机器人、智能文档助手
3.2 阿里百宝箱（AI Agent Hub）深度解析
3.2.1 百宝箱架构与生态合作
3.2.2 多模型支持（Qwen/ChatGLM/Llama）
3.2.3 自动化部署与监控工具链
3.3 平台对比与选型建议
3.3.1 功能维度对比（扩展性、成本、社区支持）
3.3.2 性能测试（吞吐量、延迟、资源占用）
3.3.3 决策树：根据业务需求选择最佳方案
第四章：服务端Dify搭建与优化
4.1 Dify架构与核心模块
4.1.1 微服务架构解析（API网关、模型服务、数据存储）
4.1.2 插件系统与第三方服务集成
4.1.3 用户管理与权限控制
4.2 部署与配置
4.2.1 一键部署脚本（基于K8s/Helm Chart）
4.2.2 性能调优（模型量化、缓存策略、负载均衡）
4.2.3 监控与告警（Prometheus+Grafana）
4.3 实战案例：企业级智能体后端开发
4.3.1 需求分析与系统设计
4.3.2 接口开发（RESTful API/WebSocket）
4.3.3 压测与上线（JMeter/Locust）
第五章：综合实践与项目复盘
5.1 跨平台智能体集成
5.1.1 CherryStudio+Coze+LKE协同工作流
5.1.2 异构模型融合（Qwen+ChatGLM）
5.1.3 实时数据流处理（Kafka/RabbitMQ）
5.2 安全与合规性
5.2.1 数据加密与隐私保护（GDPR/CCPA）
5.2.2 模型审计与可解释性工具
5.2.3 灾难恢复与备份策略
授课老师
甄文智 人工智能与数字化转型实战专家
常驻地：北京
邀请老师授课：13439064501 陈助理
