课程介绍
这门课程围绕 DeepSeek、Dify 与 Ollama 的组合应用展开，先从 RAG 的必要性、文档预处理、向量模型选择和检索增强生成框架入手，梳理知识库应用的基础流程。理论部分还介绍 DeepSeek 的 MoE、MLA、多 Token 预测与后训练，并结合 DeepSeek-R1 说明大模型与 RAG 的集成方式。
环境部署部分覆盖 Windows 10 下的 Docker、Dify 服务部署，以及 Dify 接入 Ollama 本地模型。完成基础环境后，课程进一步讲解 Dify 的主要功能板块、第三方平台模型接入和已有 Demo 的使用方式。
实战内容以公众号文章生成和知识库工作流为主，包括带条件的内容生成、本地文件知识库，以及通过爬取网站信息构建知识库工作流，适合按“理论理解、环境搭建、工作流实践”的顺序学习。
课程目录
第1章 RAG 和 DeepSeek 理论精讲
01 本章内容介绍：RAG 的必要性
02 RAG 流程和文档预处理
03 向量模型的选择
04 检索增强生成框架的选择
05 DeepSeek 的 MoE 和 MLA 结构剖析
06 DeepSeek 的多 Token 预测和后训练
07 DeepSeek-R1 模型与 RAG 技术的集成实践
第2章 Dify 与 Ollama 环境部署
08 初识 Dify
09 Windows 10 安装 Docker
10 Dify 服务部署
11 Dify 接入 Ollama 部署的模型
第3章 Dify 实战
12 Dify 各功能板块详细介绍
13 Dify 接入常用第三方平台大模型
14 Dify 探索已有 Demo
15 Dify 与 DeepSeek 生成公众号文章
16 带有条件的公众号文章生成
17 本地文件作为知识库构建工作流
18 爬取网站信息构建知识库工作流与总结
