全栈开发实战：基于Flask与Deepseek的智能对话机器人开发

乐以礼 2025-04-20 14:48:17

课程名称	适应人群
全栈开发实战：基于Flask与Deepseek的智能对话机器人开发	具备Python基础，渴望进军AI应用开发领域的开发者/学生/创业者

▎课程特色

✅ 企业级技术栈：覆盖OpenAPI、微服务架构、前后端分离等工业级开发范式

✅ 沉浸式实战：每章配备开发沙箱，最终输出可部署的商业级项目

✅ 能力跃迁路径：Python基础→API工程化→全栈开发，打通技能闭环

▎学习成果

✔ 获得可写入简历的智能对话系统开发项目

✔ 掌握大模型时代API经济下的技术变现能力

✔ 具备独立开发AI+Web融合型应用的核心竞争力

适合人群：具备Python基础，渴望进军AI应用开发领域的开发者/学生/创业者

说明：简介采用技术术语与成果导向相结合的表达，既凸显专业深度，又明确传达职业价值。通过结构化分层呈现，帮助学员快速建立学习预期，同时突出课程差异化和实用性。

...全文

105 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

乐以礼 04-21

打赏
举报

回复

欢迎大家在学习过程中在评论区提问哦~

Ollama 支持在 Modelfile 中导入 GGUF 模型：创建一个名为Modelfile的文件，并在其中包含一个FROM指令，该指令指向你想要导入的模型的本地文件路径。在 Ollama 中创建模型运行模型。

问题1：模型响应慢检查是否启用量化版本模型增加预处理过滤无效请求使用Nginx做请求缓冲问题2：OOM内存溢出# 限制单次请求长度return "请求过长，请精简内容"

模型版本参数量核心能力典型应用场景1.5B15亿基础文本生成、简单问答客服机器人、设备状态监控7B70亿多轮对话、文本摘要合同模板生成、报表自动编写14B140亿长文本理解、代码辅助法律文书分析、技术文档生成32B320亿专业领域推理、多模态预处理医疗诊断辅助、金融风险预测70B700亿复杂逻辑推演、创意生成算法设计、科研数据分析671B6710亿超大规模并行计算气候建模、基因组分析模型版本最小显存推荐显卡内存需求CPU要求。

构建一个好用的 RAG 系统，需要的不只是一个 embedding 模型 + 向量数据库，更关键的是：**你能否设计出真正有效的“提示链 + 检索逻辑 + 接口服务”**。而在这个过程中，最大的问题往往不是模型效果，而是工程效率： - 提示词链条复杂，写一个 prompt 可能得试十几轮 - 向量检索代码繁琐，拼参数 + 控异常 + 连接数据库非常枯燥 - 多轮对话状态保存、历史合并、内容截断逻辑手写极不稳定在这种背景下，DeepSeek 作为代码生成与搜索引擎的组合体，成为 RAG 系统开发

[Langroid](https://github.com/langroid/langroid) 是由卡内基梅隆大学（CMU）与威斯康星大学麦迪逊分校（UW-Madison）研究人员共同开发的开源多智能体框架，专为基于大型语言模型（LLM）的 Agent 应用构建设计。Langroid 的核心设计借鉴了 Actor 编程模型，通过定义具备独立状态、工具与 LLM 支持的“代理单元”，实现模块化、协同式的任务处理机制。系统支持包括函数调用、多轮结构化信息提取、SQL 数据交互、文档问答等在内的复杂对话场景，并

李通的课程社区_NO_1

1

社区成员

4

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章