第 1章 AI應(yīng)用開(kāi)發(fā)快速入門 1 1.1 “應(yīng)用級(jí)”程序員入局AI應(yīng)用開(kāi)發(fā)領(lǐng)域的捷徑 1 1.1.1 DeepSeek的使用 1 1.1.2 DeepSeek的能力邊界 5 1.1.3 DeepSeek開(kāi)源的價(jià)值 6 1.2 零開(kāi)發(fā)框架實(shí)現(xiàn)Function Calling 6 1.2.1 Function Calling誕生的背景 7 1.2.2 開(kāi)發(fā)環(huán)境準(zhǔn)備 7 1.2.3 Function Calling實(shí)踐演示 8 1.3 Agent常用設(shè)計(jì)模式 15 1.3.1 CoT模式 15 1.3.2 ReAct模式 16 1.3.3 Reflexion模式 18 1.3.4 ReWOO模式 19 1.4 零開(kāi)發(fā)框架實(shí)現(xiàn)ReAct Agent 21 1.4.1 LangChain Hub與ReAct提示詞模板 22 1.4.2 Agent工具實(shí)現(xiàn)邏輯 25 1.4.3 Agent多輪對(duì)話核心邏輯 26 第 2章 大模型私有化部署的3種主流方案 29 2.1 基于Ollama、AI網(wǎng)關(guān)和LobeChat構(gòu)建高可用大模型集群 29 2.1.1 Ollama簡(jiǎn)介 29 2.1.2 GPU環(huán)境準(zhǔn)備與Ollama安裝 30 2.1.3 實(shí)戰(zhàn)：使用Ollama單點(diǎn)部署DeepSeek R1 32 2.1.4 高可用大模型集群架構(gòu)設(shè)計(jì) 36 2.1.5 AI時(shí)代給網(wǎng)關(guān)帶來(lái)的挑戰(zhàn) 37 2.1.6 實(shí)戰(zhàn)：利用Higress和Ollama搭建高可用集群 38 2.1.7 實(shí)戰(zhàn)：利用LobeChat實(shí)現(xiàn)可視化對(duì)話 44 2.2 非量化版DeepSeek分布式部署方案 46 2.2.1 快速理解Kubernetes 46 2.2.2 Kubernetes安裝 49 2.2.3 容器編排與服務(wù)暴露 52 2.2.4 分布式部署與推理 55 2.2.5 使用vLLM部署DeepSeek R1 57 2.2.6 分布式計(jì)算與Ray入門 60 2.2.7 基于Kubernetes、vLLM和Ray分布式部署DeepSeek R1 61 2.3 llama.cpp：在無(wú)GPU的服務(wù)器上部署DeepSeek 70 2.3.1 llama.cpp與量化技術(shù) 71 2.3.2 基于CPU服務(wù)器和llama.cpp部署DeepSeek R1 72 2.3.3 HTTP服務(wù)發(fā)布 75 第3章 模型微調(diào)與蒸餾 78 3.1 模型微調(diào) 78 3.1.1 微調(diào)的基本概念 78 3.1.2 一站式微調(diào)平臺(tái)LLaMA-Factory 79 3.1.3 將DeepSeek-R1-Distill-Qwen-7B微調(diào)為新聞分類器 88 3.2 模型蒸餾 93 3.2.1 蒸餾的流程 93 3.2.2 生成教學(xué)數(shù)據(jù) 95 3.2.3 蒸餾出一個(gè)新聞分類型Qwen2.5-7B模型 97 第4章 基于MCP打造AI求職助手 99 4.1 AI求職助手的設(shè)計(jì) 99 4.1.1 傳統(tǒng)求職模式的基本流程 99 4.1.2 AI求職助手架構(gòu)設(shè)計(jì)與技術(shù)選型 100 4.2 MCP原理與實(shí)踐 101 4.2.1 MCP原理 101 4.2.2 使用MCP實(shí)現(xiàn)Text2SQL數(shù)據(jù)庫(kù)查詢 103 4.3 實(shí)現(xiàn)員工績(jī)效系統(tǒng)MCP Server 110 4.3.1 UV與MCP項(xiàng)目初始化 111 4.3.2 員工績(jī)效系統(tǒng)MCP Server代碼實(shí)現(xiàn) 113 4.4 實(shí)現(xiàn)MCP Client 122 4.4.1 MCP通信方式 122 4.4.2 使用stdio通信方式 123 4.4.3 使用HTTP+SSE通信方式 126 4.4.4 使用Streamable HTTP通信方式 130 4.5 使用無(wú)頭瀏覽器抓取崗位數(shù)據(jù) 132 4.5.1 崗位數(shù)據(jù)獲取方法 133 4.5.2 無(wú)頭瀏覽器實(shí)踐 133 4.5.3 使用代理IP 142 4.6 人崗智能匹配 144 4.6.1 MCP Server項(xiàng)目管理 144 4.6.2 MCP Server的代碼實(shí)現(xiàn) 146 4.6.3 MCP Host與MCP Client的代碼實(shí)現(xiàn) 151 4.7 使用RAG技術(shù)對(duì)復(fù)雜簡(jiǎn)歷進(jìn)行濃縮 157 4.7.1 簡(jiǎn)歷濃縮與RAG技術(shù) 157 4.7.2 使用RAG技術(shù)濃縮簡(jiǎn)歷 159 4.8 借助AI根據(jù)崗位要求完善簡(jiǎn)歷 165 4.8.1 根據(jù)崗位詳情完善簡(jiǎn)歷 165 4.8.2 使用模板輔助AI完善簡(jiǎn)歷 168 第5章 基于平臺(tái)化開(kāi)發(fā)思想實(shí)現(xiàn)AI版“作業(yè)幫” 170 5.1 AI版“作業(yè)幫”的設(shè)計(jì) 170 5.1.1 AI應(yīng)用開(kāi)發(fā)中的平臺(tái)化開(kāi)發(fā)思想 170 5.1.2 項(xiàng)目流程設(shè)計(jì) 171 5.2 零代碼Agent和工作流開(kāi)發(fā) 171 5.2.1 零代碼實(shí)現(xiàn)AI Agent 172 5.2.2 通過(guò)拖曳實(shí)現(xiàn)AI工作流 176 5.3 API工具開(kāi)發(fā)套路 182 5.3.1 基于Dify配置自定義工具 183 5.3.2 基于FastAPI開(kāi)發(fā)符合標(biāo)準(zhǔn)的工具 189 5.4 視覺(jué)識(shí)別技術(shù)：識(shí)別試卷題目并分析解答 193 5.4.1 OCR識(shí)別技術(shù) 193 5.4.2 使用豆包大模型 196 5.4.3 搭建“作業(yè)幫”工作流 202 5.5 RAG技術(shù)：借助題庫(kù)提升答題準(zhǔn)確率 204 5.5.1 基于RAG實(shí)現(xiàn)題庫(kù) 204 5.5.2 將知識(shí)庫(kù)問(wèn)答助手加入工作流 217 5.6 引入校驗(yàn)機(jī)制提升答題準(zhǔn)確率 223 5.6.1 QwQ模型簡(jiǎn)介 223 5.6.2 添加校驗(yàn)機(jī)制 223 5.6.3 通過(guò)飛書(shū)通知相關(guān)人員 225 第6章 基于LangGraph打造智能編程助手 230 6.1 基于LangGraph的代碼生成 230 6.1.1 LangGraph誕生的背景 231 6.1.2 項(xiàng)目整體設(shè)計(jì) 232 6.2 LangGraph快速上手 233 6.2.1 節(jié)點(diǎn)與邊 233 6.2.2 普通邊與多節(jié)點(diǎn) 235 6.2.3 狀態(tài)在節(jié)點(diǎn)間的流轉(zhuǎn) 236 6.3 定制編寫(xiě)Web后端項(xiàng)目 239 6.3.1 生成簡(jiǎn)單的Golang Web后端代碼 239 6.3.2 生成實(shí)體類代碼 243 6.4 根據(jù)數(shù)據(jù)字典文檔自動(dòng)生成實(shí)體類 247 6.4.1 實(shí)現(xiàn)LangGraph Agent 247 6.4.2 根據(jù)數(shù)據(jù)字典生成實(shí)體類 250 6.5 復(fù)用代碼庫(kù)歷史代碼 254 6.5.1 歷史代碼復(fù)用思路 254 6.5.2 基于RAG實(shí)現(xiàn)歷史代碼復(fù)用 254 6.6 使用GraphRAG分析代碼結(jié)構(gòu) 259 6.6.1 從傳統(tǒng)RAG到GraphRAG 260 6.6.2 GraphRAG原理 260 6.6.3 GraphRAG實(shí)戰(zhàn) 261 第7章 基于A2A打造多Agent金融項(xiàng)目 268 7.1 基于LangGraph與A2A的AI金融項(xiàng)目 268 7.1.1 AI金融項(xiàng)目的背景 268 7.1.2 項(xiàng)目簡(jiǎn)介 268 7.2 量化分析師的金融數(shù)據(jù)抓取“神器” 269 7.2.1 AKShare與日K數(shù)據(jù)相關(guān)概念 269 7.2.2 歷史日K數(shù)據(jù)的抓取與排序 272 7.3 用自然語(yǔ)言查詢股票名稱與代碼 275 7.3.1 實(shí)現(xiàn)股票信息查詢工具 275 7.3.2 LangGraph進(jìn)階 277 7.4 抓取滬深A(yù)股全部股票的日K數(shù)據(jù) 282 7.4.1 日K數(shù)據(jù)并發(fā)抓取技巧 282 7.4.2 抓取過(guò)去兩年的滬深A(yù)股日K數(shù)據(jù) 285 7.4.3 增量抓取技巧 288 7.5 計(jì)劃模式：讓Agent有計(jì)劃地分析股票數(shù)據(jù) 289 7.5.1 抓取財(cái)報(bào)數(shù)據(jù) 289 7.5.2 實(shí)現(xiàn)指標(biāo)計(jì)算工具與財(cái)報(bào)工具 291 7.5.3 全新的Agent設(shè)計(jì)模式—計(jì)劃模式 293 7.6 簡(jiǎn)易金融量化策略分析 297 7.6.1 量化策略之量能策略 297 7.6.2 量化分析Agent實(shí)戰(zhàn) 298 7.7 A2A協(xié)議 303 7.7.1 A2A與MCP 303 7.7.2 A2A協(xié)議詳解 305 7.7.3 實(shí)現(xiàn)基于A2A的多Agent金融助手 307