大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



DeepSeek-R1，是深度求索（DeepSeek）研发的推理模型，本地部署后完全免费，无使用次数限制。DeepSeek-R1采用的大规模强化学习技术，尤其擅长数学、代码和自然语言推理等复杂任务。DeepSeek-R1系列模型（1.5b~671b）开源且免费，进一步降低了AI应用门槛，赋能开源社区发展。

使用

教程

DeepSeek详细教程：

❶Win版安装教程（Ollama+AnythingLLM安装、DeepSeek模型下载）

❷Mac版安装教程（Ollama+AnythingLLM安装、DeepSeek模型下载）

❸AnythingLLM设置方法（聊天模型+训练模型设置）

❹如何投喂数据（训练AI）

❺DeepSeek-R1应用展示

一、Win版安装教程

1.选择下载的安装包右键解压。

2.解压后，右键以管理员身份运行Ollama安装程序。

3.点击Install安装完成即可。

4.在D盘新建一个文件夹命名为OllamaAI，然后打开系统环境变量，新建变量名：OLLAMA_MODELS 变量值：D:OllamaAI，设置完成后重启电脑。

温馨提示： 此步主要是解决Ollama默认下载模型到C盘问题，若C盘空间足够大的小伙伴此步骤可略过。

5.重启电脑后，在开始菜单找到Ollama程序打开，打开后在电脑右下角会有一个羊驼图标显示。

6.按快捷键Win+R，输入cmd确定。

7.输入ollama run+模型名称，按回车键即可下载（看下面附图硬件要求选择下载其中一个或多个，此过程可能有点慢，若下载失败重新输入命令下载即可），如下：

ollama run deepseek-r1:1.5b

ollama run deepseek-r1:7b

ollama run deepseek-r1:8b

ollama run deepseek-r1:14b

附： 各模型大小与电脑硬件要求，根据自己电脑硬件配置选择下载适合的模型。

8.❶deepseek-r1模型下载完成后（提示success即是下载完成），❷在CMD新窗口中输入命令ollama pull nomic-embed-text回车下载nomic-embed-text嵌入式模型（后面做数据投喂会用到）。

温馨提示： 若是要删除模型，输入命令ollama rm+模型名称，如ollama rm deepseek-r1:14b

9.deepseek-r1与nomic-embed-text模型下载完成后，开始安装AnythingLLM软件。

10.选择【所有用户】点击下一步。

11.修改路径地址中的首字符C可更改安装位置，本例安装到D盘，点击下一步。

12.安装中…，安装到提示下载ollama_lib.zip可点击取消，不然要等1小时间才能下载完成。

13.点击完成。

14.点击【Get started】。

15.点击箭头，进行下一步。

16.输入工作区名称，点击下一步箭头。

17.点击【设置】，里面可以设置模型、界面显示语言等。

附： 若软件显示英文，可在Customization外观定制里面选择Chinese即可。

二、Mac版安装教程（支持MacOS 11.0及更高）

1.双击安装Ollama（支持M系列与Intel系列CPU），选择【Move to Applications】然后点击Next安装完成即可。

2.通过终端分别安装deepseek-r1与nomic-embed-text模型，注意两个模型若是一起下载会报错，建议一个模型下载完成后，再开一个终端窗口下载。下载方式与Win版7~8步骤类似，这里不过多介绍。

3.双击打开AnythingLLM（根据自己电脑芯片选择ARM或Intel版安装包），将AnythingLLM拖入到【Applications】文件夹完成安装。若打开软件为英文，参考Win版第17步设置。

三、AnythingLLM设置（Mac与Win设置方法一样）

1.在软件设置里面，LLM首选项界面，提供商选择Ollama，Ollama Model选择你前面下载的DeepSeek-R1系列模型1.5b~671b，然后点击Save changes。

2.在Embedder首选项界面，嵌入引擎提供商选择Ollama，Ollama Embedding Mode选择【nomic-embed-text】，然后点击保存更改。

3.点击【工作区设置】。

4.聊天设置界面，❶工作区LLM提供者选择【Ollama】，❷工作区聊天模型选择【deepseek-r1】模型，❸然后点击【Update workspace agent】。

5.代理配置界面，工作区代理LLM提供商选择【Ollama】，工作区代理模型选择【deepseek-r1】，然后点击【Update workspace agent】。

四、如何投喂数据（训练AI）

1.在工作区界面，点击【上传】。

2.❶点击upload选择需要上传的文件（支持PDF、Txt、Word、Excel、PPT等常见文档格式）。❷勾选上传的文件，❸点击【Move to Workspace】。

3.点击【Save and Embed】。

五、DeepSeek-R1应用展示

1.没有投喂数据之前，输入伙伴神公众号是干嘛的，AI是回答不了的，投喂后能够准确分析与解答出来。

2.3.8与3.11哪个大，之前有人说DeepSeek回答是错误的，可能当成了版本号，本次测试正确无误。

3.在设置【对话历史记录】界面，工作区聊天记录可以导出也可以删除。

特别注意： 使用AnythingLLM软件之前，都要先打开Ollama软件，Mac打开后在右上角显示羊驼图标，Win在右下角显示羊驼图标。

👉👉【DeepSeek本地部署文档】

https://pan.quark.cn/s/7e0fa45596e4

最近，我的DeepSeek本地部署视频在B站播放量意外小爆，评论区被两类留言淹没：一类是技术爱好者追问“如何用消费级显卡跑通大模型”，另一类是职场人焦虑“我的工作会被AI取代吗？”这两个问题的背后，折射出一个残酷的真相：大模型技术正在重构所有行业的生存法则，而掌握这项技术的人将获得通往未来的船票。

DeepSeek的火爆对普通人意味着什么？

DeepSeek的火爆并非偶然。它代表了一种技术趋势：大模型技术正在从实验室走向大众。过去，大模型技术似乎只属于科技巨头和学术机构，普通人很难接触到。而现在，随着开源社区的活跃和技术的普及，像DeepSeek这样的工具已经可以让普通用户在自己的设备上部署和使用大模型。

对于普通人来说，DeepSeek的火爆意味着：

1. 技术门槛降低：大模型技术不再遥不可及。通过本地部署，普通人也可以体验到强大的AI能力，无论是文本生成、对话系统还是其他AI应用。
2. 个性化需求得到满足：大模型可以根据用户的需求进行定制化调整，满足个性化的应用场景。比如，你可以训练一个专门用于写作、编程或翻译的模型。
3. 未来职业机会：大模型技术的普及将催生大量新的职业机会。无论是AI工程师、数据科学家，还是AI产品经理，掌握大模型技术将成为未来职场的重要竞争力。

DeepSeek的底层逻辑：大模型技术的核心

DeepSeek的底层逻辑正是基于大模型技术。大模型，顾名思义，是指参数量巨大、训练数据丰富的深度学习模型。这类模型通过海量数据的训练，能够捕捉到复杂的语言模式和知识结构，从而在各种任务中表现出色。

一、大模型岗位薪资揭密：应届生年薪40万起，跨界人才溢价300%

根据智联招聘《2024人工智能人才发展报告》，大模型相关岗位薪资较传统IT岗位平均高出67%，且呈现三大特征：

1.应届生起薪碾压传统行业

大模型算法工程师：本科28-40万/年，硕士40-60万/年

AI产品经理（无经验）：25-35万/年

（数据来源：猎聘2024校招季统计）

2.跨界人才溢价惊人

医疗+大模型复合人才：薪资较纯医疗背景提升200-300%

金融风控+大模型工程师：年薪可达80-150万

（案例：某三甲医院影像科医生转型AI医疗，薪资从25万跃升至75万）

3.中小企业重金抢人

二线城市AI初创公司开出“北上广深同薪”政策

某成都电商企业为AI推荐算法工程师开出百万年薪

二、行业大地震：这些岗位正在消失，这些岗位正在爆发

▍消失中的岗位（3年内高危职业）

• 基础数据标注员（已被AutoML取代90%工作量）
• 初级代码工程师（GPT-4可完成60%基础代码）

▍爆发中的黄金岗位

1.大模型训练师

• 某直播公司开出82万年薪招聘“带货大模型调教师”
• 核心技能：Prompt工程+垂直领域知识（如美妆/3C）

2.AI业务流程重构师

• 制造业龙头企业50万年薪招聘“生产流程AI化专家”
• 典型案例：富士康通过大模型优化生产线，减少30%人力成本

3.AI伦理合规官

• 金融机构新增岗位“大模型风控总监”，年薪超百万
• 职责：防止AI在信贷审核、投资建议中出现歧视性输出

三、普通人破局指南：无需代码基础，三步抢占AI红利

我整理了全网稀缺的《大模型落地应用实战资料包》，包含：

1.LLM大模型学习大纲+路线图

2.152个大模型各行业结合的落地案例集

3.大模型必读书籍PDF电子版

4.大模型全套系统学习视频

5.真实大厂岗位面试题库

6.640套AI大模型行业白皮书

👉👉获取方式：

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在”能用模型不会调优”的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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【】