封面
前折页
书名页
版权
前言
第1章 初识大模型与DeepSeek
 1.1 大模型概述
  1.1.1 探索大模型与自然语言处理的基础
  1.1.2 理解Transformer架构及其在大模型中的作用
  1.1.3 解密大模型的标记化与预测机制
 1.2 大模型发展简史：从早期模型到DeepSeek
  1.2.1 早期语言模型
  1.2.2 GPT系列模型的演进
  1.2.3 DeepSeek的诞生与创新
 1.3 大模型的应用场景与案例
  1.3.1 智能客服
  1.3.2 教育辅助
  1.3.3 医疗诊断
  1.3.4 金融分析
  1.3.5 创意内容生成
 1.4 大模型的局限性与挑战
  1.4.1 模型幻觉问题
  1.4.2 数据隐私与安全
 1.5 使用插件与微调优化大模型
  1.5.1 如何进行大模型微调
  1.5.2 插件和微调的优化效果与应用场景
 1.6 本章小结
第2章 深入了解DeepSeek API
 2.1 基本概念
  2.1.1 大模型与API接口的关系
  2.1.2 API请求与响应机制
  2.1.3 认证与权限管理
 2.2 DeepSeek API提供的模型与功能
  2.2.1 模型类型与功能分类
  2.2.2 API接口调用与模型选择
  2.2.3 模型配置与定制化
 2.3 在DeepSeek Playground中使用大模型
  2.3.1 DeepSeek Playground概述
  2.3.2 创建与管理会话
  2.3.3 监控与调试模型行为
 2.4 开始使用DeepSeek Python库
  2.4.1 获取API密钥与访问权限
  2.4.2 第一个示例程序：Hello World
 2.5 使用DeepSeek进行任务开发
  2.5.1 输入参数与配置
  2.5.2 输出格式与解析
  2.5.3 从文本生成到复杂任务
 2.6 使用其他任务模型
  2.6.1 输入选项与配置
  2.6.2 输出格式与优化
 2.7 开发中的考虑因素
  2.7.1 成本与资源限制
  2.7.2 安全与隐私保护
 2.8 DeepSeek的其他功能
  2.8.1 嵌入与向量化
  2.8.2 内容审核与过滤
 2.9 本章小结
第3章 使用DeepSeek构建应用程序
 3.1 应用程序开发概述
  3.1.1 API密钥管理
  3.1.2 数据安全与隐私保护
  3.1.3 前后端分离开发模式
 3.2 软件架构设计原则
  3.2.1 模块化与分层设计
  3.2.2 高可用性与容错性设计
  3.2.3 性能优化与资源管理
 3.3 大模型驱动型应用的潜在问题
  3.3.1 输入输出的分析与优化
  3.3.2 提示词注入的防范
 3.4 示例项目
  3.4.1 项目1：智能新闻生成器
  3.4.2 项目2：视频内容摘要工具
  3.4.3 项目3：游戏攻略助手
 3.5 本章小结
第4章 DeepSeek高级技巧
 4.1 提示工程
  4.1.1 设计高效的提示词
  4.1.2 分步推理与逻辑引导
  4.1.3 少样本学习与迁移学习
  4.1.4 提示词优化技巧
 4.2 模型微调
  4.2.1 微调的基本概念与流程
  4.2.2 使用DeepSeek API进行微调
  4.2.3 微调的实际应用案例
  4.2.4 生成与微调合成数据
  4.2.5 微调的成本与资源管理
 4.3 本章小结
第5章 DeepSeek插件开发与集成
 5.1 构建语言模型的应用开发框架
  5.1.1 动态提示词与任务编排
  5.1.2 智能体与工具集成
  5.1.3 记忆机制与上下文管理
  5.1.4 嵌入与向量数据库
 5.2 DeepSeek插件开发
  5.2.1 插件的基本概念与架构
  5.2.2 插件API与开发流程
  5.2.3 插件清单与配置
  5.2.4 基于request方法的插件开发
 5.3 本章小结
第6章 大模型应用场景与行业实践
 6.1 教育行业
  6.1.1 智能辅导系统
  6.1.2 自动化作业批改系统
 6.2 医疗行业
  6.2.1 病历分析与诊断辅助系统
  6.2.2 医学文献摘要生成系统
 6.3 金融行业
  6.3.1 市场趋势预测系统
  6.3.2 智能投资顾问与风险管理系统
 6.4 创意产业
  6.4.1 内容创作与剧本生成系统
  6.4.2 艺术设计与风格迁移系统
 6.5 本章小结
后折页
封底