今天是2025年02月16日，星期日，北京，天气晴。
截止昨日，社区关于Deepseek-R1类推理大模型的三部曲的线上交流顺利结束，通过总计6个小时的密集分享，我们从基本概念、技术原理、落地场景、应用风险等多个角度进行了讲解，也包括当前的Deepresearch应用，是个十分有意义的事情。
这些分享其实对于增进大家对现有的一些信息顾虑是有帮助的，所以，做成了三部曲，而最近出现的Deepresearch，其实又是对之前RAG技术路线的一个升级方案，所以也并连同去年的RAG课堂一起，供大家一起参考。
专题化，体系化，会有更多深度思考。大家一起加油。
一、老刘的Deepseek-R1类推理大模型的三部曲
所以，还是跟去年一样，社区进一步地讲三部曲进行进一步整合，通过剪辑编排的方式，形成课堂：《DeepseekR1类推理大模型的认知、习得过程、核心技术、适用场景、复现项目及Deepeasearch算法思想及逻辑》。感兴趣的可以关注。
在主要内容上，课堂包括以下16个内容：
在课堂目标上，也是社区想达成的几个效果：1、了解Deepseek R1类推理大模型的应用场景、技术风险；
1、了解Deepseek R1类推理大模型的习得过程，训练方式，通过论文来解读；
2、了解Deepseek类模型的部署方式，如基于ollama等；
3、了解增强大模型推理能力的一些常用范式；
3、了解基于蒸馏微调方式训练推理大模型思路，包括数据蒸馏、拒绝采样等、llamafactory微调；
4、了解基于强化学习方式训练推理大模型思路，包括GRPO思想，奖励函数设计等；
5、了解目前声称复现R1或zero的一些开源项目实现细节及发现，如open-r1,S1等；
6、了解DeepResearch项目的认知及实现技术原理；
7、了解DeepResearch的一些复现项目解读；
在课堂收费方面，当前执行价119元，包括课堂视频原文件及课件PDF，一旦购买，概不退款。
二、老刘的RAG系列课堂
过去的2024年，落地最多的，其实还是RAG路线，而当前，与之相对应的，涌现出了GraphRAG的实现思路。所以当时，我们就设置了老刘的RAG系列课堂，也同样是对社区的剪辑实现。
课堂名称：《RAG落地的知识库建设、实现流程、优化策略及最佳实践及知识图谱增强RAG(GraphRAG等)实现范式与代表案例》，课堂名称：总计时长约5.5h，共包括50+个章节。
在课程大纲上，包括如下，尽可能地从技术角度进行阐述。
在课程目标的设计上在课堂目标上，也是社区想达成的几个效果：
1、了解RAG的核心问题、应用场景、基本流程以及存在的一些坑点；
2、了解从langchain角度看行业问答系统的实现流程；
3、了解langchain教程中的RAG优化思路，包括：问题改写、多查询、HyDE、路由、索引和检索策略；
4、了解RAG的最佳实践策略，包括分块、嵌入、向量化、查询分类、检索、重排、重新打包、摘要、微调；
5、了解当前RAG落地当中的文档处理优化策略；
6、了解KG-RAG的相关背景、实现思路及一些常见demo；
7、了解从prompt角度出发的一些KG-RAG策略，即KG-enhanced prompt
8、了解当前KG-RAG的一些代表性项目，包括HIQA、Linkedin KGRAG、Uni-QA、HippoRAG、微软GraphRAG等；
9、了解老刘的医疗大模型问答实现及开源实践思路；
课堂收费：当前执行价117元，包括课堂视频原文件及课件pdf，一旦购买，概不退款。
（文：老刘说NLP）