基于Deepseek-V3 + CoT思维链 + RAG知识库！我的AI现在强的可怕

瓦罗兰特顶级C位

2318人浏览 · 2025-02-04 11:57:13

瓦罗兰特顶级C位 · 2025-02-04 11:57:13 发布

deepseek V3发布，成本低、效果好 V3模型在训练的时候融入了R1的推理能力。

deepseek V3发布，成本低、效果好
V3模型在训练的时候融入了R1的推理能力。虽然模型本身不是推理模型，但是执行CoT的效果非常好
Deepseek支持Prompt缓存，虽然CoT的系统提示词很长，但是缓存之后实际消耗的成本并不高
Cherry Studio发布了基于RAG的知识库，实用等级再上一层

话不多说，开始构建！

第一步：去注册一个deepseek API和siliconflow（分别用于导入Deepseek-V3和Embedding模型）

deepseek API：https://platform.deepseek.com

硅基流动统一登录：https://account.siliconflow.cn/login

第二步：下载Cherry Studio

下载：https://github.com/CherryHQ/cherry-studio/releases

导入对话模型

然后导入Deepseek模型（刚好官方提供的示例就是deepseek）：

https://cherry-ai.com/docs/config/

导入Embedding模型

最新的0.9.1版本支持了知识库。

关于知识库的具体配置，可以参考这里：

https://cherry-ai.com/docs/knowledge-base/

我用了硅基流动提供的Pro/BAAI/bge-m3，效果还不错

第三步：导入CoT Prompt

在Cherry Studio里新建一个助理，在这里添加Prompt：

Prompt来源：https://github.com/richards199999/Thinking-Claude/blob/main/model_instructions/v5.1-extensive-20241201.md

TIP：一般思考的过程会比较长，可以在Cherry Studio的设置中打开代码折叠，这样思考过程就不会占用过多版面了。

第四步：愉快玩耍！

现在是构建一个强大的AI的最好时刻！ deepseek V3发布，成本低、效果好 V3模型在训练的时候融入了R1的推理能力。虽然模型本身不是推理模型，但是执行CoT的效果非常好 Deepseek支持Prompt缓存，虽然CoT的系统提示词很长，但是缓存之后实际消耗的成本并不高 Cherry Studio发布了基于RAG的知识库，实用等级再上一层话不多说，开始构建！

我们要相信，AI一定会越来越聪明，彻底颠覆我们的工作方式。

当前的困难只是暂时的，我们要积极寻找解决方案，努力克服，与AI编程共同成长，未来才能占得先机。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望