### Deepseek 私有部署汇报整理  

#### **一、项目背景**  

在本次私有部署过程中，我们使用 **Ollama** 下载并运行 **Deepseek_7B** 开源模型，进行基本的数据对话测试。由于现有电脑算力有限，暂时无法运行 **671 亿** 参数的大模型，因此选择 **7B** 版本进行实验。  

#### **二、Deepseek 的特点与应用**  

Deepseek 是一个 **推理模型**，仅依靠现有的模型参数难以满足特定行业需求。因此，需要结合行业数据进行训练，并使用适合的提示词（Prompt）优化回答质量。  

要让 AI 具备实用价值，需要做好以下几点：  

1. **明确 AI 需要具备的功能**  
   - 确定 AI 主要应用场景（如客户服务、文档分析、数据总结等）。  
   - 设定 AI 需要支持的语言和交互方式。  

2. **提供相关的知识库**  
   - AI 需要接入特定行业的知识库，才能提供更精准的回答。  
   - 可以使用企业内部文档、行业报告、技术标准等作为知识来源。  

3. **提供有效的提示词（Prompt）**  
   - 设计高效的提示词，可以优化 AI 的回答质量。  
   - 示例：
     - ❌ “如何提高销售额？” → 可能得到泛泛而谈的答案  
     - ✅ “针对家电行业，如何利用线上营销提高销售额？” → 得到更精准的分析  

4. **提供行业数据**  
   - AI 需要通过数据训练才能理解行业特性。  
   - 例如，在法律行业，可以提供过往案例和法规数据库；在医疗行业，可以提供临床数据和医学文献。  

#### **三、结论**  

要让 Deepseek 在企业或行业中发挥作用，仅仅部署模型是不够的，还需要结合**知识库、专业提示词、行业数据**进行优化。只有这样，才能让 AI 生成更符合业务需求的回答，提高实际应用价值。