昨天看到一个网友说"不会使用DeepSeek，那么这东西到普通人手里，就是百度Plus版"，这么说也不无道理。为什么DeepSeek会掀起这么大的浪潮，是因为过去我们想实现的很多事情都要基于机器对自然语言的理解，比如机器人发展了很久，现在有了机器狗、人形机器人，但还是需要遥控去控制，而不具备自主思维。再比如刚出来的Gpt、文心一言，更像是拼凑起来的文字，具有浓重的程序化风格。

DeepSeek的优势就在于其推理模型，能够从用户角度出发，分析用户为什么提出这个问题，用户需要达成什么样的目标，以及在回答过程中需要注意什么。这就给很多领域提供了AI驱动的能力，比如散户也可以拥有属于自己的股票分析专家，公司可以基于DeepSeek将传统业务升级为AI驱动，用户只需要一句话就可以得到想要的结果，即使不能做到百分百满意，那也在效率提升上做到了突破。

今天的这篇文章之所以说这么多，是为了交代背景，个人如何深度利用包括DeepSeek在内的AI工具，如何使用构建自己的聊天助手、智能体、工作流来提升工作效率。接下来我将会用系列文章教会你深度利用AI。

DeepSeek

​ DeepSeek大家已经非常了解了，这里就不多介绍了。

Dify

​ Dify平台简单来说，就是一个让普通人无需编程就能快速搭建职能助手或自动化流程的AI工具平台，像拼积木一样简单。Dify平台能够整合知识库、AI模型和工具，自动处理复杂任务（如回答咨询、分析数据），并像人一样学习和优化效果。

1、Dify的部署

Dify支持Linux或MacOS，Windows用户可能需要使用WSL（Windows Subsystem for Linux）。如果大家没有编程能力或者linux环境的话，我也给大家提供了一个我自己在虚拟机上部署的镜像，里面已经用Docker安装了Dify和DeepSeek，大家可以下载下，将镜像导入到虚拟机中即可使用，链接我就放在文末了。如果需要技术支持，也可以后台回复“交友”，获取我的联系方式。

2、Dify的主要功能

》》 探索页面

探索页面是展示Dify中内置的一些能力，有助手、写作、编程、人力资源等方面的智能体、工作流、聊天助手。当自己对于Dify无从下手时，可以使用这些能力先试试看。

Dify-探索

》》 工作室

工作室中包括了聊天助手、Agent、工作流，可以在工作室中根据自己的需求创建相关应用。后面会对该功能做详细解释

Dify-工作室

》》 知识库

知识库中可以上传个人或企业的文件，上传之后如果设置了嵌入向量模型，会将文本转换为向量数据，用于后续相似性检索。

Dify-知识库

》》 工具

Dify的工具是指一些让AI调用外部功能的插件，比如搜索、发微信或者查询数据，就像给AI装上手和脚，能自动执行现实任务。也可以自定义工具给Dify调用，或者将已发布的工作流发布成工具进行使用。

Dify-工具

知识库

​ 知识库是存储企业或个人资料的数据仓库，用于辅助AI精准回答专业问题。原理是将文档拆分、向量化存储，通过检索匹配用户问题，结合大模型生成可靠答案。

1、创建知识库

2、选择数据源

​ 数据源可选导入已有文本、同步自Notion内容、同步自Web站点（暂未上线）

​ 导入已有文本：即你需要作为外部知识让大模型去检索回答的内容，可能是个商业计划模板、也可能是个销售数据表。

​ 同步自Notion内容：Notion是一款团队协作工具，类似于钉钉文档、语雀文档等，可以在其中以高度自定义的方式组织工作、管理项目和存储信息。也有提供API给其他应用调用。这里就是Dify对接了Notion，可以从Notion中导入信息到知识库中

3、文本分段与清洗

​ 此步骤主要是对上传的文档进行分段以及向量转换

4、处理并完成

​ 此步骤可以修改知识库名称

5、查看文档

​ 在列表中可以查看刚刚上传的文档，如果文件比较大，状态可能还是“索引中”，正常是“可用”，右侧也可以进行分段设置、归档等操作。

6、召回测试

》》 向量检索

​ 上传文档之后我们可以在召回测试窗口问个问题，已测试下命中率吧。我根据文档内容问了“DeepSeek是什么？”，并以向量检索的方式进行检索，命中三个分段

如果我问一个不相关的问题，通过向量检索的方式也是可以找到的，但实际结果可能没那么理想

》》 全文检索

当我切换为全文检索时，其搜索效果竟然更准确

》》 混合检索

混合检索需要设置一个重排序模型，如果本地没有安装的话，可以选择使用jina的API。

选择添加之后会跳出一个弹窗，可以点击“从Jina获取API Key”

进入官网，无需注册登录，点击API

查看API密钥

复制填充即可

设置完成，等几秒钟加载即可，点击保存

查看结果

使用混合检索，查询出来的结果相对精确一些，经过重排序模型排序之后，结果会以相似度排序展示。

PS：一般来说向量检索的结果会更加精确，但我测试的结果却不是（这也证明我不是AI写的文章，纯真实纯手写）我觉得应该是我材料数量比较少导致的，大家可以多试试

这时候知识库已经设置好了，知识库可以在之后的应用中进行引用。

聊天助手

​ 聊天助手是直接和用户对话的AI，通过大模型理解问题并生成回复。原理是实时调用AI模型分析上下文，用自然语言交互解决咨询、问答等需求。

输入应用名称，点击创建

》》 编排

进入编排页面

​ 既然我们是聊天机器人，先设置一个开场白，点击开启，我是设置成了“欢迎来到DeepSeek的世界”

设置知识库为上下文

记得点击右上角的更新、发布，否则修改将不会生效

我们来问下“DeepSeek是什么”，回答就是基于知识库来的

可以根据知识库中的测试来验证下

》》 访问API

当我们配置完成之后，可以通过API嵌入到应用中

API使用需要密钥，右上角创建即可

》》 日志与标注

日志记录了应用的运行情况

》》 概览

概览就是看下API的使用情况

至此，聊天助手算是基本创建完成，需要更完整的能力，就需要你来自己尝试下了。

Agent(智能体或智能代理)

​ Agent是能自动处理复杂任务的AI助手，比如查数据或操作其他软件。原理是预设规则或学习用户目标，拆解任务后调用工具（搜索、API）自主完成

输入应用名称，点击创建

》》 编排

输入提示词，即你希望这个智能体帮你完成什么任务

选择工具，智能体就是让AI使用工具完成任务的具体存在，所以会有很多工具可选

当然，如果你懂编程，也可以自定义工具

选择完工具，点击右上角的更新发布即可完成

我们来测试下吧，我创建的是个股票分析智能体，我问了下“大前天苹果的股价情况”

思考的过程中会发现已经在使用工具，时间工具和股票分析工具

哎，你猜怎么着，它没回答出来，不管它了，我的电脑也就这样了，只要大概的流程说清楚就行

》》 访问API、日志与标注、概览

功能相似，不做过多介绍

工作流

工作流是把多个AI步骤串联起来的自动化流水线，比如先分类再生成内容。原理是用可视化流程编排不同工具和模型，按顺序执行任务，像工厂流水线一样协作。

选择工作流，输入应用名称，点击创建即可

》》 编排

默认进来展示开始节点和下一节点选择

在开始节点设置下变量，也就是我们要进行对话，工作流需要接收到我们问的内容，需要有个参数来接收

这里我选择段落，因为文本的字数有限，段落字数默认最大33024，命名为message

第二个节点选择知识检索，引入我们创建的知识库

知识库检索的内容将会作为输出变量输出，同时也会作为输入变量被下一节点使用

第三个节点选择大语言模型LLM，需要切换模型至deepseek

LLM中接收上一节点的输出参数，并设置提示词

LLM的输出参数也将作为输入参数被下一节点使用

最后的节点选择结束节点

选择大模型输出的变量即可

点击右上角的更新、发布，再点击运行

输入“DeepSeek是什么”，将会根据知识库信息进行返回

我们通过知识库中的分段信息确认下其是否使用知识库回答

》》 访问API

Dify提供了对应的工作流API，可以嵌入到应用中进行使用，方法与前面介绍的聊天助手相似

》》 日志及概览

日志和概览也都是对API的监控，不做过多介绍

至此，工作流也介绍完了

​ 上面的流程基本涵盖了Dify的基本功能，也包括了DeepSeek的深度使用，例子很简单，但想要真正提效，还需要结合自身业务深入实践

​ 这篇文章花了我两天时间，中间遇到服务不可用，回答不准各种问题，我还是硬着头皮写下来了，只因为我只做有价值的内容，这些内容就是信息差。

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

那么应该如何学习大模型

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。

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！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】