01｜DeepSeek“民用级”程序员使用指北

你好，我是悦创。

飞雪连天射白鹿，笑书神侠倚碧鸳。金庸老先生的著作人物众多，武学精妙绝伦，剧情跌宕起伏，非常吸引人。我在上大学时，曾经两天时间就读完了《射雕英雄传》。

恰逢最近 DeepSeek 模型爆火，“模型蒸馏”这个专业名词也频繁出现在大众视野，所以在前置课程里面，我想先借着《射雕英雄传》里的人物，来聊聊“模型蒸馏”。不过你不用担心它过于深奥，作为应用开发者，我们只要知道它大致的原理就足够了。

然后呢，我想和你聊聊普通程序员怎么迎接 DeepSeek 的东风，可以用它帮我们做那些事儿。还会分享一下课程学习方法和建议，让你轻装上阵，为后续课程的学习打好基础。

蒸馏是什么？

在《射雕英雄传》中，洪七公是江湖上人人敬仰的北丐，武功高强，见识广博，内力深厚，就像大模型，经过了海量数据的训练，拥有强大的知识储备和计算能力。然而，大模型的训练和部署成本极高，就像洪七公的武功，不是人人都能轻易学会的。

但洪七公总要收徒传艺，将丐帮武学传承下去。因此他需要将武功用“浓缩”的方式交给徒弟，在保证一定精度的同时，大幅降低对于内力（GPU）的要求，例如，他将打狗棒法传给了黄蓉，将降龙十八掌传给了郭靖等等，这便是模型蒸馏技术。

黄蓉等小模型，虽然武功不及洪七公，但是胜在没有洪七公这么大的江湖名望（部署和推理成本低），因此对付三流的沙通天、灵智上人之类的小卡拉米时，没有江湖前辈欺负后辈的心理包袱。

以 DeepSeek 发布的六个蒸馏模型为例，满血版 671B 参数量的 DeepSeek R1 就是洪七公，而洪七公针对不同尺寸的徒弟模型进行武功蒸馏，这些徒弟模型包括：

经过蒸馏后便得到了新模型：

总之，每个徒弟的资质、水平不一样，基础素质越高的，能力越强，越能从师父身上学到更多的东西，也就越接近师父的水平。

洪七公教徒弟的方法，是他先演示一遍，然后让徒弟跟着模仿一遍。但洪七公不会让徒弟死记硬背，而是会交给他们思维方式，让他们自己感受内力的流动，做到招式随心而发。在模型蒸馏中，思维方式有一个专业名称，叫做软标签，软标签并不是直接告诉小模型“这是对的”，而是通过大模型的输出，给出每个类别的概率分布。小模型通过学习这些概率分布，能够理解不同类别之间的微妙区别。

徒弟们在拜入洪七公门下时，都有自己的武功根基，因此在学习洪七公的武功时，会有一些自己的想法，这被称之为硬标签。在实际蒸馏过程中，徒弟要尽可能学习师父的本领，但是又不能和自己原本的内功冲突，导致走火入魔。因此需要在软硬标签间寻找一个标准，得到标准后，进行反复训练，直到纯熟，此时徒弟就出师了。

OK，以上就是关于模型蒸馏的一点白话解读，对于做应用开发的我们来讲，不需要深究其中的原理，只需要大概了解，会用即可。

“民用级”程序员是什么？

接下来我们回到这节课的标题，厘清一下我说的“民用级”程序员是指什么。

大约在元旦前，一则新闻引起了不少关注——雷军以千万年薪，从 DeepSeek 挖来了一位 95 后的 AI 天才——罗福莉。罗福莉曾在 DeepSeek 参与 DeepSeek-V2 的研发，是这款模型的核心开发者之一。消息一出，有人曝光了 DeepSeek 研发团队成员的背景。这些人基本都是 95 后、00 后，且大多数拥有清华、北大的博士学历，令人惊讶的是，他们中的许多人在本科入学的前两三个月，就已经发表了相当于博士毕业水平的论文。

那我自己来说，本科论文的主题跟基于神经网络的车牌识别系统相关，被答辩导师说研究水平相当于硕士毕业水平，当时已经觉得很牛了，但和人家一比，完全就如繁星比皓月，寒鸦比凤凰。

因此如果你也是这种搞科研的、研究 AI 模型底层的高精尖人才，那这个课程可能不适合你，因为对你来说太简单了。但除此之外，如果大家都是像我一样是普通人，普通学历、普通智商，那如何用好 AI，如何更新自己的思想，如何让 AI 帮助我们更好的做应用开发，如何把 AI 应用到产品当中，才是我们要考虑的，这就是“民用级”程序员的学习重点，也是我们这个课程所要讲解的内容。

DeepSeek 如何使用？

既然要用好 AI，首先我们得做到第一个字——“用”。

我们这就来看看 DeepSeek 如何使用。如果想先体验一下模型的能力，我们可以直接去官网（DeepSeek | 深度求索），点击开始对话，就可以免费体验官方版本的 DeepSeek-V3 以及满血版 671B 的 DeepSeek-R1 的能力。

默认使用的是 DeepSeek-V3 模型。

如果想体验 DeepSeek-R1 671B，就点击深度思考（R1）。

DeepSeek-V3 适合做聊天对话，写文章、翻译、客服问答，常规的代码生成等事情。

DeepSeek-R1 是在 满血版 DeepSeek-V3 671B 的基础上进行强化训练和微调得来的，擅长做逻辑推理，常用于做科研分析，金融策略生成，编程开发等需要复杂逻辑推理的场景。

之前清华大学公开了一个 《DeepSeek 从入门到精通》的 PPT，其中有一页列出了 DeepSeek 的能力图谱，也就是下图，大家可以参考一下，并思考 DeepSeek 在自己熟悉的业务领域内，能做什么事情。

官方版本的模型还有另一个功能——联网搜索。这个功能就比较常见了，像是 Kimi、通义千问等也有这个功能。这个功能的实现其实就是通过提示词，让大模型调用浏览器 API 去搜索相应的内容，然后通过学习搜索到的内容，经过自己的思考和整合后，回复给用户。

因此，回复内容的质量，取决于调用的什么浏览器的 API，比如现在调用 Google 的 API 相对就比调用百度的更加强大。（垃圾百度！）这个功能，我们自己也能做。（后期讲解）

再使用过对话功能后，大家会发现，DeepSeek-R1 基本在第二轮提问时，就会出现如下回复。

这是因为 DeepSeek 的突然爆火，导致访问的人数太多，官方的服务器算力不够了。包括 DeepSeek 的 开放平台，也就是我们用 DeepSeek 做应用，需要付费调用 DeepSeek 对话等功能的 API，现在也暂停充值，不让用了。这可是 DeepSeek 赚钱的业务啊。

所以这也给各云厂商带来了商机，你没有显卡了，我有啊。于是以华为、阿里、腾讯、百度、讯飞等等为首的云厂商，都快速在自己的平台部署了 DeepSeek，开始卖 token，卖算力了。

虽然我们自己没钱买这么多显卡部署，但模型部署的方法我们得会，下一章我们就会详细了解云厂商部署模型的几种方案。这样今后，如果你的公司老板想要部署私有化大模型，你就可以站出来承接这个工作了。

解决问题的能力越强，你的价值就越大。不过有一点你不用担心，那就是我们后面几章节的项目实战，不会使用自己部署的模型，而是直接去阿里等厂商充值，来付费使用这些厂商的 API，降低大家的学习成本。

我们从前面的图片就能看到，DeepSeek 大模型很便宜啊，每百万 token 大概是 2 块钱。百万 token 什么概念呢？

每个大模型的计算公式不太一样，但通常是百万 token ≈ 75 万英文单词 ≈ 50 万汉字。大家可以拿自己的平时做的项目，估算一下大概的代码量，就可以对百万 token 有一个直观的概念了。所以，如果我们的项目数据量不是特别庞大的话，几块钱就可以搞定。

学了 DeepSeek 以后能帮我们做什么

聊完怎么使用，我再分享一下学了 DeepSeek 以后都能帮我们做什么。

提升个人价值

程序员群体是终身学习的群体，因此我们要与时俱进，多多了解一些热门话题。特别是不懂技术的人都关心的一些话题，其背后的相关知识，我们就需要了解，以备不时之需。

现在讨论最多、最热的 DeepSeek 部署等方面的知识，我们掌握了就有利于我们解决更多的问题，提升自己的价值。比如有的公司从业务角度考虑，特别希望在公司内自己部署微调蒸馏 DeepSeek 模型；再比如做一些 RAG 对话之类的，70B 就足够的场景；而有的是为了向客户展示，彰显公司实力。毕竟现在 DeepSeek 完全开源，而且可以商用，谁都可以部署。

用 AI 改造现有业务

作为“民用级”程序员，我们日常的主要工作就是做应用、做业务。那 DeepSeek 或者说 AI 再结合 AI Agent（智能体）等技术，在这个过程中，就可以起到智能桥梁的作用。

比如我们做应用的都少不了运维这一环节。根据报错分析日志，事件，是我们解决问题的常用手段。但如果我们在这个环节中加入 AI，让 AI 根据报错，自动抓取日志，然后给出分析和问题定位，甚至自动去修复问题，整个过程，我们只需要说一句 “xx 报错了，请帮我分析一下原因”，达到运维全靠“喊”的效果，程序员就可以少加很多班了。

再比如说，我们研发的一些业务系统，由于我们懂业务，会觉得自己开发的前端已经非常友好了。但实际上，我们经常会遇到不懂业务的客户，点不明白我们的页面。如果我们的前端，能提供自然语言化的窗口，用户可以直接说“我想 xxxx”，然后相关内容就以自然语言化的形式输出了，这样的效果就能让用户更为满意。

个人创业

最后，我们再谈谈个人创业的问题。个人创业其实只会技术是不够的，还需要懂业务，有资源（客户等）以及有一定的经济基础。

如果这几点恰好你都能满足，那 AI 就可以帮你做很多事情。比如，可以通过模型微调、精调等做出一个私有化模型，之后去做一些行业应用，比如 AI 医疗、AI 炒股等等，也可以去做一些工作流之类的应用，比如短视频转爆款小红书文案等等。有了 AI 的加持，不一定人人都能成为开发者，但善于借力 AI 新技术的朋友，肯定在抓住机遇方面更占优势。

如何学习 DeepSeek 与 AI 应用开发

讲到这，大家可能对于 DeepSeek，以及如何应用，或多或少有一些感觉了。所以，我们最后就来讲一下如何学习的问题。

首先，要先排除两个学习误区或者说思维模式。

第一就是作为普通人去研究 DeepSeek 底层的知识。

那在上面我介绍过 DeepSeek 模型的研发团队，都是一些我们只能仰望的大神，因此模型底层、模型原理这些事情，和普通人几乎没有任何关系。我们只需要利用好 AI，做好应用开发就足够了。

第二是用学习传统知识的思维模式，去学习 AI 开发。

我接触过很多同行，能力很强，也很有钻研精神。学东西喜欢系统学习，从头学习，不希望放过任何一个知识点。那在 AI 时代，这样的学习方式是不能跟上时代发展的，因为技术进步实在太快了，就像 LangChain 社区几乎天天更新版本，几个周不用，再更新新版本时，可能接口就变了。

我们这门课程要用到 Python，可能有的同学会想着是不是去啃大部头的完整 Python 书籍或者课程学习。那等学完了，周围的同事可能都会 AI 了，那你的价值就发挥不出来了。

接下来就要说说推荐的做法了。

有句话叫知行合一，其实只有你能运用上的知识，才是真正的知识，不然只能算是存在你脑子里的信息，很难发挥多少价值。因此在 AI 时代，我更推荐你把学习重点放在学习思想、手法、应用方案上面。我们的课程设计也是如此，很多基础知识，包括 LangGragh 这样的框架，我们花一两节课就能有个大致了解。

之后就会通过实战演练来巩固，用于练手的项目是我精心设计的，我也把自己学习、实战、踩坑的经验都融在了里面。而且，我也不会从头开始讲大模型基础之类的。像是项目中的必备技术，Function Calling 和 Agent ，在我们的课程中都属于一两节课搞定的前置课程，因为 AI 时代，时间真的很宝贵，咱们要把更多时间花在刀刃上。

如果你希望有更好的学习效果，我这里提供几条小建议。

第一，不要止步于简单使用 DeepSeek，而是领会不同模型、技术的特点，学会根据项目需求选择合适的模型。这样你才能举一反三，把课程所学应用到自己工作里。

第二，眼到之外还要“手到”，才能提升自己的实战能力。

第三，学习快速学习 AI 新知识的方法套路，这样面对不断涌现的新模型、新技术，你才能更从容地面对。

写在最后

如果你对中国传统文化感兴趣，你可能听说过“八运”、“九运”的说法。

2024 年（不含）往前的 20 年属于艮八运，主土，因此房地产，建筑等行业在这 20 年很火。而 2024 年开始呢，就进入了离九运，主火，这 20 年 AI 等科技会大爆发。25 年的春节这一波热度已经看到了趋势，因此让我们沿着正确的道路，快速而有节奏地开始学习吧。

欢迎你在留言区和我交流互动。也欢迎你分享自己对于 DeepSeek 的学习有什么预期目标，有什么业务应用上的灵感。

公众号：AI悦创【二维码】