.jpg)
配套资源：微课视频、电子课件、教案、课程标准、授课计划、提示词、源代码
本书特色：
本书聚焦开源大模型本地部署、参数调优与 AI 应用开发，采用项目化教学模式，全书设置 11 个贴合校园、商业、服务场景的完整实战项目，
覆盖 Ollama 本地部署、Docker 容器、Dify 低代码 AI 平台、RAG 检索增强、Agent 智能体、内容安全管控等当下产业主流技术。
全书遵循 “理论铺垫 — 项目实施 — 拓展提升” 教学逻辑，将复杂大模型技术拆解为可落地操作任务，对接 AI 应用开发、智能客服等热门岗位，实现岗课融通、即学即用。
本书聚焦大模型技术的本地化部署、高效调优与创新应用开发。全书以“项目驱动”为核心教学方法，精心设计了11个贴近实际的实训项目，涵盖从零开始搭建本地AI助手，到开发智能客服、图像识别等多个应用场景。通过“校园百事通”“宿舍报修小管家”等项目，读者可以循序渐进地掌握大模型本地部署、提示词工程、应用开发等核心技能，将抽象的理论知识转化为可操作的实践能力。 从结构上看，本书遵循“理论铺垫—项目实践—能力提升”的逻辑，将复杂的知识点分解为易于理解和操作的步骤。这不仅有助于读者快速上手，更能实现“岗课融通，即学即用”，从而无缝对接初级AI应用开发人员、智能客服工程师等新兴岗位，显著提升就业竞争力。
- 图书详情
配套资源：微课视频、电子课件、教案、课程标准、授课计划、提示词、源代码
本书特色：
本书聚焦开源大模型本地部署、参数调优与 AI 应用开发，采用项目化教学模式，全书设置 11 个贴合校园、商业、服务场景的完整实战项目，
覆盖 Ollama 本地部署、Docker 容器、Dify 低代码 AI 平台、RAG 检索增强、Agent 智能体、内容安全管控等当下产业主流技术。
全书遵循 “理论铺垫 — 项目实施 — 拓展提升” 教学逻辑，将复杂大模型技术拆解为可落地操作任务，对接 AI 应用开发、智能客服等热门岗位，实现岗课融通、即学即用。
本书聚焦大模型技术的本地化部署、高效调优与创新应用开发。全书以“项目驱动”为核心教学方法，精心设计了11个贴近实际的实训项目，涵盖从零开始搭建本地AI助手，到开发智能客服、图像识别等多个应用场景。通过“校园百事通”“宿舍报修小管家”等项目，读者可以循序渐进地掌握大模型本地部署、提示词工程、应用开发等核心技能，将抽象的理论知识转化为可操作的实践能力。 从结构上看，本书遵循“理论铺垫—项目实践—能力提升”的逻辑，将复杂的知识点分解为易于理解和操作的步骤。这不仅有助于读者快速上手，更能实现“岗课融通，即学即用”，从而无缝对接初级AI应用开发人员、智能客服工程师等新兴岗位，显著提升就业竞争力。
第1部分 模型初启，本地部署实操
项目1 AI掌中启，部署初体验1.1项目描述
1.2 学习目标
1.3 工作任务单
1.4 知识储备
1.4.1 大模型与开源大模型
1.4.2 本地大模型的轻量级部署与管理平台Ollama
1.4.3 Ollama命令行操作详解
1.4.4 环境变量与配置文件
1.5 项目实施
1.5.1 Ollama软件安装
1.5.2 大模型下载与部署
1.5.3 首次对话与大模型切换
1.5.4 专用大模型的安装
1.5.5 基于Ollama基座部署Qwen视觉模型
1.6 项目拓展
1.7 项目总结与评价
项目2 界面焕新，本地智联
2.1 项目描述
2.2 学习目标
2.3 工作任务单
2.4 知识储备
2.4.1 Web界面与Open WebUI
2.4.2 Open WebUI的架构思想与扩展机制
2.4.3 容器化技术Docker
2.5 项目实施
2.5.1 Docker环境准备与Open WebUI安装
2.5.2 Open WebUI连接Ollama与模型管理
2.5.3 流畅对话与参数调优
2.6 项目拓展
2.7 项目总结与评价
第2部分 智库构建，赋能校园生活
项目3 校园百事通，智答规章
3.1 项目描述
3.2 学习目标
3.3 工作任务单
3.4 知识储备
3.4.1 检索增强生成
3.4.2 Dify平台
3.4.3 知识库
3.5 项目实施
3.5.1 Dify平台部署与知识库构建
3.5.2 知识库上传
3.5.3 智能问答应用创建与基础测试
3.5.4 问答系统调优与拓展
3.6 项目拓展
3.7 项目总结与评价
项目4 宿舍小管家，智理报修
4.1 项目描述
4.2 学习目标
4.3 工作任务单
4.4 知识储备
4.4.1 工作流自动化
4.4.2 Dify工作流与节点
4.4.3 意图识别与分类
4.4.4 变量管理与数据流转
4.4.5 工作流状态机与容错机制
4.5 项目实施
4.5.1 工作流应用创建与基础流程设计
4.5.2 LLM指令编写与流程调试
4.5.3 流程优化与功能拓展
4.6 项目拓展
4.6.1 添加“派送维修人员”
4.6.2 巩固练习
4.7 项目总结与评价
项目5 商业数据脑，洞察销售
5.1 项目描述
5.2 学习目标
5.3 工作任务单
5.4 知识储备
5.4.1 数据分析基础
5.4.2 Dify平台中处理半结构化数据并构建知识库
5.4.3 提示词工程在数据分析与洞察中的应用
5.5 项目实施
5.5.1 数据准备与Dify知识库构建
5.5.2 对话应用创建与基础数据分析
5.5.3 数据分析深度调优与拓展
5.6 项目拓展
5.7 项目总结与评价
第3部分 流程编排，智创应用价值
项目6 表格智眼，数理乾坤
6.1 项目描述
6.2 学习目标
6.3 工作任务单
6.4 知识储备
6.4.1 Dify Chatflow应用基础与文件输入配置
6.4.2 条件分支与文件类型筛选
6.4.3 文档提取器与Excel/CSV数据读取
6.4.4 LLM节点提示词
6.4.5 LLM节点“记忆”功能与上下文关联
6.4.6 数据格式与分析基础
6.5 项目实施
6.5.1 数据准备与Dify平台的Chatflow构建
6.5.2 编写提示词与回复
6.5.3 运行程序并查看结果
6.6 项目拓展
6.7 项目总结与评价
项目7 票据智核，流水无忧
7.1 项目描述
7.2 学习目标
7.3 工作任务单
7.4 知识储备
7.4.1 Dify平台复杂Chatflow构建
7.4.2 OCR技术
7.4.3 LLM结构化信息抽取
7.4.4 模型微调基础与策略
7.4.5 票据处理工作流中的模型应用与优化
7.4.6 Python与JSON
7.5 项目实施
7.5.1 环境准备与双模型并行识别工作流构建
7.5.2 发票类型识别与条件分支逻辑设计
7.5.3 数据整合、处理与结果格式化
7.5.4结果展示与应用发布
7.6项目拓展
7.7 项目总结与评价
项目8 错题智辅，学习提效
8.1 项目描述
8.2 学习目标
8.3 工作任务单
8.4 知识储备
8.4.1 Dify Chatflow应用创建与设计原理
8.4.2 分类、提取与归因
8.5 项目实施
8.5.1 准备数据与创建空白应用
8.5.2 Chatflow流程设计
8.5.3 LLM节点的提示词编写
8.5.4 配置新增多维记录节点
8.5.5 调试程序查看结果
8.6 项目拓展
8.7 项目总结与评价
第4部分 模型调优，精进行为性能
项目9 知识速递，智汇网络
9.1 项目描述
9.2 学习目标
9.3 工作任务单
9.4 知识储备
9.4.1 Dify平台核心功能
9.4.2 LLM在非结构化网页数据中的应用
9.4.3 针对网页内容与知识库对话的提示词工程与调优
9.5 项目实施
9.5.1 获取数据并创建知识库
9.5.2 基础设置和意图识别
9.5.3 实现知识库对话分支
9.5.4 网页解析及上传知识库分支
9.5.5 提示词测试与调优
9.6 项目拓展
9.7 项目总结与评价
项目10 客服暖心，情绪智察
10.1 项目描述
10.2 学习目标
10.3 工作任务单
10.4 知识储备
10.4.1 AI客服中情感识别
10.4.2 情感分析的基本概念与应用
10.4.3 AI客服中“转人工”机制
10.4.4 Agent的核心能力
10.4.5 函数调用
10.4.6 魔搭社区Agent（MCP）
10.5 项目实施
10.5.1 Dify应用创建与核心工具开发
10.5.2 主Agent逻辑与工作流搭建
10.5.3 通用问答Agent配置
10.5.4 工作流总结与优化
10.6 项目拓展
10.7 项目总结与评价
项目11 智鉴虚妄，安全笃行
11.1 项目描述
11.2 学习目标
11.3 工作任务单
11.4 知识储备
11.4.1 AI的“幻觉”现象及其深度剖析
11.4.2 大模型生成参数详解与实践应用
11.4.3 检索增强生成技术与知识库管理
11.4.4 内容安全过滤与多层级安全策略
11.5 项目实施
11.5.1 初步“幻觉”检测与风险评估
11.5.2 温度参数调优与保守性提升
11.5.3 检索增强生成实践
11.5.4 多维度内容安全与“不知道”机制
11.6 项目拓展
11.7 项目总结与评价
参考文献
