第一天：科研助手配置与DeepSeek数据处理

PART 1：DeepSeek基础

一、大模型最新进展及介绍

1. AI能力矩阵

2. 大语言模型的分类

3. 2025大语言模型最新进展介绍

4. 国内外大语言模型对比分析

5. 大语言模型的限制和不足

二、Deepseek基本介绍与访问

1. Deepseek基本介绍：产品定位与模型架构；优势与不足；DeepSeek-V3和DeepSeek-R1

2. Deepseek配置与访问：网页访问；App访问；API访问

三、Deepseek提示词使用方法与技巧

1. 提示词工程基本概念和要素

2. 通用模型提示词设计技巧

3. 推理模型与指令模型的提示词策略

4. Deepseek提示词模板

5. langGPT结构化提示词介绍与应用

四、Deepseek助力高效办公

1. 大模型输出的导出：大模型文本输出形式；文本、公式、表格的导出

如何将公式导出到word

2. DeepSeek辅助WPS/OFFICE办公：DeepSeek如何部署到WPS/OFFICE；Deepseek在word制作与优化中的应

用；Deepseek在excel制作与优化中的应用

3. 大模型在ppt制作与优化中的应用：提纲的生成；ppt的制作

五、Deepseek辅助图表的生成与制作

1. 思维导图：思维导图的定义；Deepseek生成思维导图

2. 流程图：流程图的基本概念；流程图的制作

3. 知识图谱：知识图谱基本概念和构成要素；知识图谱的构建；知识图谱的导出与查看

4. 其他图表：时序图；甘特图；状态图

PART 2：DeepSeek助力数据获取与分析

一、DeepSeek助力数据获取

1. DS助力网页结构解析和信息提取：基于提示词的信息提取；生成代码进行信息提取

2. 利用Deepseek生成爬虫代码：代码的生成；数据的解析

二、DeepSeek助力数据清洗与预处理

1. 数据的解读与理解

2. 数据清洗

3. 异常值与缺失值处理

4. 标准化与归一化

5. 离散化及编码处理特征选择和新特征生成

三、DeepSeek助力数据可视化与数据分析

1. 描述性统计分析与可视化

2. 数据分析：描述性统计分析；探索性分析；相关性分析；波动性分析；趋势分析；基本统计分析；时间序列分

析；机器学习建模分析

PART 3：DeepSeek本地化部署与API调用

一、DeepSeek的蒸馏与本地化部署

1. Deepseek的蒸馏：蒸馏小模型；模型的本地化部署

2. 模型的本地化部署：Ollama的安装；模型的下载；模型的启动

二、DeepSeek本地知识库检索增强

1. 什么是RAG?

2. 为什么要RAG?

3. RAG的实现流程

4. DeepSeek如何实现RAG（基于API调用的RAG；基于本地大模型的RAG；RAG的优化）

三、DeepSeek科研助手的构建

模型配置；提示词的设计；参数调整与优化；科研助手的应用

四、基于API调用的Deepseek应用

少样本学习；结构化数据提取；内容摘要的提取；内容分类；情感分析

第二天：DeepSeek助力论文与学术科研智能体构建

PART 4：DeepSeek助力论文撰写

一、大模型与学术诚信、学术应用

1. 大模型可用于

2. 大模型不可用于

二、论文投稿全流程

1. 准备阶段

2. 写作阶段

3. 修改和润色阶段

4. 提交和发布阶段

三、学术论文撰写的基本结构和要素

标题；摘要；关键词；引言

方法；结果；讨论；结论

致谢；参考文献；附录(Appendices)

四、Deepseek助力信息检索与总结

1. 传统信息检索方法与技巧总结

2. 利用大语言模型实现联网检索文献

3. 利用大语言模型总结分析文献内容：内容摘要；信息提取；图表、公式的解读

4. 批量结构化信息提取与分析

五、Deepseek助力学术研究选题和综述

1. 选择研究问题的标准

2. 文献选题和综述前的工作

>研究团队的调研

>确定关键词与主题领域

>文献的搜索

>文献的理解和总结

3. 选题的推荐和优化

4. 文献综述的生成

六、Deepseek辅助研究设计

1. 提供创新性的建议

2. 数据的获取、解读和理解

3. 数据的探索性分析

4. 数据的清洗和处理

5. 模型的构建

6. 解读模型结果与优化

七、Deepseek助力论文初稿的生成

1. 数据的字段描述和指标的选择

2. 特征的创造

3. 特征选择

4. 数据的处理

5. 模型的建立

6. 模型改进和优化

7. 特征重要性的分析

8. 讨论与总结

八、Deepseek进行论文润色

1. 使用大模型润色的注意事项

2. 使用大模型润色的要点

>语法和句法的精细校正

>语句的精炼与优化

>深度审阅与校对

>描述性内容的深度丰富

>专业领域的定制化润色

>逻辑连贯性的强化

九、Deepseek辅助论文语法纠错、语句重组、表达优化

1. 语法纠错

2. 语句重组和表达优化

3. 通过大模型辅助对论文进行重述和改写

4. 利用大模型完成论文翻译

十、大模型辅助同行评议

1. 结构和逻辑优化

2. 论证和清晰度

3. 符合期刊要求

4. 评估研究创新性

5. 评估方法的严谨性

6. 评估研究的潜在影响

十一、大模型辅助论文投稿

1. 论文投稿流程与注意事项

2. 通过大模型获取期刊投稿建议

3. 通过大模型辅助进行论文投稿材料准备

4. 优化编辑/审稿人反馈

PART 5：学术科研智能体构建（2025暑期新增）

一、基于 Coze的AI Agent 开发实践

1. Coze平台定位及适用场景

2. 核心组件详解

模型引擎（文本 & 多模态）

记忆管理机制（短期 vs 长期）

知识库与 RAG框架

工具调用接口

ChatUI 交互卡片模块

3. 案例实操-构建初版知识文档助手

提示工程搭建

模型选择与能力解读

知识库＋RAG配置

记忆管理

基础工具调用技能

4. 案例实操-打造基于意图识别的知识文档助手

工作流与对话流构建

工作流中的节点

节点的变量设置

流程编排和分支路由构建

分支路由的知识检索增强

5. 案例实操-论文理解与总结助手

单论文理解助手

pdf文件的上传

文件文本的获取

大模型的解读和信息提取

文本的写入

批量文件的读取与解读

6. 案例实操-知网文献洞察助手

知网插件的配置和应用

信息和论文题目的提取

大模型的总结和提炼

提取信息的写入

二、基于Dify的智能体开发实践

1. Dify 平台概述与定位与发展历程

2. Dify 产品功能介绍及关键组件

3. Dify 部署方式：本地部署 / 云端部署

3. 案例实操-智能问答助手

知识库管理：数据准备、清洗、索引构建

节点编排与参数设置

节点测试与整体流程调试

分类检索型智能文档助手实现

4. 案例实操-基于dify的文章理解助手搭建

单篇文章助手：文件上传、文本提取；大模型理解与参数设置；输出格式与多轮交互优化

批量文章助手：批量文件上传与管理；迭代器节点的使用；批量文档提取与批处理输出

5. 案例实操-长文生成自动化生成

关键词输入与主题定位

标题与大纲生成

正文分段迭代生成与优化

结果合并与最终输出

6. 案例实操-基于谷歌搜索的论文总结

插件与 API 集成（搜索、数据库、第三方服务）

MCP 协议与扩展能力

流式交互配置（SSE / HTTP）

基于谷歌搜索的论文助手实现