|
【课程背景】 2022年ChatGPT横空出世，打开了人工智能发展大门，AGI（通用人工智能）时代来临。经过3年的发展，国内外互联网类企业和传统企业大厂都已经进入了AI大模型的应用探索。目前AI大模型百花齐放，各家公司纷纷发布了自己的大模型产品。基础模型的发展已经成熟，应用开始发力，AI大模型的实际应用路径逐渐清晰，最佳实践公司已经开始了将AI大模型融入到业务中。头部IT软件，已经将AI大模型能力集成到自己的软件中，如微软将大模型集成到Windows中，金山公司将AI大模型能力融入到了 wps中，一些实用性的探索，也在很多企业开始。 企业应用AI大模型，安全和稳定至关重要。一个有效的解决方案是进行本地化部署。本地化部署不仅可以避免网络波动带来的影响，还能提供更高的隐私保护和数据安全性。通过本地化部署，用户可以在自己的设备上运行 DeepSeek等AI模型，无需依赖外部网络连接，从而实现更稳定、更可靠的使用体验。本地化部署还方便 DeepSeek等AI与本地业务系统集成，应用数据存储在本地，企业 信息安全也有了保障。 本课程详细介绍了 DeepSeek等AI大模型的本地化部署方式， DeepSeek等AI的可视化使用界面的部署和使用，以及RAG等应用平台的本地化部署，使企业可以快速发展自己的应用。 【课程收益】 培训完结后，学员能够： ² 了解AI大模型和人工智能的发展情况 ² 了解Langchain、LlamaIndex、LangGraph等平台 【课程对象】企业技术人员 【课程时长】1天 (6小时/天） 【课程特点】密切结合案例，贴近实际应用，培训完即可应用与工作；工具可用，使用平台工具皆国内可用。 【课程大纲】 一、人工智能和大模型的技术发展 1. AI大模型的智能应用案例展示和介绍 6. 蒸馏、微调等大模型技术简洁 1. 本地化部署大模型的主流平台介绍 3. Ollama安装与配置 4. Ollama常用命令介绍 1. 适用于大模型的UI介绍 2. Docker平台安装 3. 利用Docker compose部署Open UI 5. Open UI功能介绍 6. Open UI本机直接安装 四、Dify实现RAG和Agent本地化部署 1. RAG本地化部署平台介绍 2. 利用Docker compose本地化部署Dify 4. 利用Dify+DeepSeek搭建本地知识库 5. Langchain、Llamaindex、LangGrath编程部署框架介绍
| 
