大模型调用： 统一的大模型调用 API 及体验工具，大幅缩短业务 接入大模型能力周期 u 公有云自带容器底座 TKE u 私有化自带容器底座 TCS 腾讯云 TI 平台产品核心能力 面向实战的一站式大模型精调部署解决方案 AI 建模部署 大模型精调 u 快速试一试： 零代码一键部署大模型，网页问答体验推理效果 u 精调训练： 低代码、灵活自定义两种精调模式自由选择 多种训 R1-Distill-Llama-8B R1-Distill-Qwen-7B R1-Distill-Qwen-1.5B DeepSeek 精调方案 DeepSeek 全系大语言模型支持 SFT • 全流程训推工具链，注重实战灵活性、扩展性 • 内置 Angel 加速能力，切实提升训推效率 • 训练过程白盒化、资源碎片监控、训练资源调度灵活可配， 切 实提升资源利用率 注重灵活性、扩展性的生产级大模型精调工具链 无关数据过滤剔除 R1 问题清 洗 在线服务 - - ~ TI 平台的 DeepSeek 实践 全行业适用、让 DeepSeek 更好用 TI 平台 × DeepSeek 面向实战的精调部署平台 全周期均可切入使用 痛点 不知道怎么基于 R1 蒸馏模 型 开源框架繁多，不知道怎么选 TI 平台价值 内置蒸馏方案，开箱即用 内置全系模型，一键精调 多 验证成本高

害事故，保护人民群众生命财产安全和维护社会稳 定具有重要意义。智慧应急是应急管理信息化建设 的总体目标，强调要适应科技信息化发展大势，以信 息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ 外部 环境，加深对客观世界规律的认识，并在人机交互中 将知识转移到机器上，提高机器智能 [18]。 2 智慧应急面临的挑战 应急管理信息化建设通过促进信息技术与应急 管理业务深度融合，为应急管理实战提供支撑保障。 一个典型的应急管理系统架构如图 2 所示，从下至 上依次包括： 数据库层：为应急管理业务应用提供数据服务， 包括风险隐患、应急避难场所、应急物资、应急部 门、救援队伍等应急业务对象的主题数据库，以及

在培训过程中，以下关键点需要特别注意：  操作手册：提供详细的操作步骤和截图，确保用户能够按图索 骥。  案例分析：结合实际业务场景，展示智能体在不同情况下的应 用效果。  互动练习：设计互动环节，让用户在模拟环境中进行实战操 作。  反馈机制：通过问卷调查或访谈，收集用户对培训的反馈，持 续优化培训内容。 通过系统的用户培训，用户可以快速上手并充分利用 DeepSeek 智能体的各项功能，提升工作效率和决策质量。同时， 智能体的理解、操作熟练度以及在特定场景中的 应用能力。培训计划应分为几个阶段，包括基础培训、进阶培训和 实战演练。基础培训主要涵盖智能体的基本功能、系统架构和操作 流程，通过理论讲解和演示视频让用户快速入门。进阶培训则深入 探讨智能体的高级功能、定制化配置和性能优化，结合实际案例进 行模拟操作。实战演练阶段，用户将在真实环境中使用智能体解决 问题，通过实践巩固所学知识。 培训计划的时长应根据用户的基础水平和需求灵活调整，建议 灵活调整，建议 基础培训为 1-2 天，进阶培训为 3-5 天，实战演练为 1 周。培训内 容应模块化设计，每个模块包含明确的学习目标、教学材料和评估 标准。例如，基础培训模块可包括：  智能体的系统架构与工作原理  基本操作与命令使用  常见问题的排查与解决 评估方式应多样化，包括理论测试、操作考核和项目实战表 现。培训结束后，需收集用户反馈，分析培训效果，并根据反馈优

架，设计并训练多层次的神经网络模型。这些模型将针对不同的交 易策略进行优化，例如趋势跟踪、均值回归、套利策略等。模型训 练过程中，将采用动态调参机制，确保模型能够适应市场的快速变 化。同时，项目还将引入强化学习技术，使模型能够在实战中不断 自我优化，提升决策的精准度。 在交易执行层面，项目将开发一套自动化交易引擎，实现从信 号生成到订单执行的全程自动化。系统将支持多种交易指令类型， 包括市价单、限价单、止损单等，并能够根据市场流动性动态调整 的基本功能、操作界面和基础量化策略的构建；中级课 程则深入探讨高级策略开发、风险管理和数据分析；高级课程则专 注于自定义算法开发、机器学习模型的集成以及复杂市场环境的应 对策略。 为确保培训效果，每项课程都配备了详细的教材和实战案例， 学员可以在模拟环境中进行操作练习，并通过在线问答和实时辅导 获得即时反馈。培训结束后，学员将参加考核，通过者可获得相关 认证，表明其已具备使用 DeepSeek 进行量化交易的资格。 经验、分享策略和讨论市场动态。社区定期举办线上研讨会和专家 讲座，邀请业内专家为用户提供最新的市场洞察和策略建议。 以下是我们提供的培训与支持服务的详细列表：  多层次培训课程：初级、中级、高级  教材与实战案例：详细的操作指南和实例分析  模拟环境：提供模拟交易平台进行实践操作  在线问答与实时辅导：即时反馈与问题解决  考核与认证：通过考核获得使用资格认证  **7*24 小时技术支持**：全天候的技术支持服务

梯队 的完整性和持续性。 定制化培训课程 02 根据银行数字化转型的具体需求，设计定制化的培训课程， 涵盖大模型技术、企业架构建模、敏捷开发等前沿知识， 提升员工的专业技能和创新能力。 实战项目经验积累 03 通过参与实际数字化转型项目，让员工在实践中积累经验， 提升解决复杂问题的能力，同时通过项目复盘和总结，持 续优化人才培养方案。 激励机制与职业发展路径 04 建立完善的

-->|历史高活跃| C(推送分期方案话术) B -->|新客 户| D(推送试用版邀请话术) - 合规性校验：内置监管规则库（如金融行业话术禁用词），实时 检测并标注风险内容。 - 实战训练模块：通过模拟对话环境，让销售人员进行话术演练， 系统从清晰度、说服力等 5 个维度评分。 落地价值 - 缩短新销售人员的培训周期至 2 周（原需 6 周） - 试点客户数据显示，优质话术使首次接触的商机转化率提升 错误需检查限流策略） - 掌握熔断机制触发条件与恢复方案 2. 模型效果监控： - 使用 A/B 测试对比不同模型版本在客户服务中的准确率差异 - 配置自动化警报规则（如当意图识别错误率>15%时触发） 实战演练 设计高仿真场景进行压力测试，例如： 演练后需提交事故报告，包含响应时间变化曲线、资源占用率 分析及改进措施。培训周期建议为 2 周，包含 4 次实操考核，通过 率需达 90%以上方可获得认证。持续支持方面，建立专属技术响应

资料来源：Enabling Next-Gen LLM Applications via Multi-Agent Conversation，CSDN, 海通证券研究所 AutoGen 在四项实战应用的表现测试中均胜过单一大语言模型，实验发现智能体能 增加 AI 完成任务的成功率以及模型的稳定性。1）数学计算：分别测试了 AI 在完成整个 数学题库和随机 120 道题目的表现，AutoGen

初级培训主要通过线上视频教程和操作手册，使用户快速熟悉系统 界面和基本功能。中级培训采用线下集中授课和实操演练相结合的 方式，重点讲解数据处理流程、模型训练方法和结果分析技巧。高 级培训则通过项目实战和案例分析，帮助用户深入理解系统的高级 功能和应用场景，如多模型集成、自动化调参和异常检测等。 为确保培训效果，每个阶段结束后将进行考核，考核形式包括 笔试、操作测试和项目答辩。考核结果将作为用户获取系统使用权 1 周 线上自学 视频教程、操 作手册 中级培训 数据分析师、 系统管理员 2 周 线下集中授课 +实操 讲师、实验环 境、案例库 高级培训 数据分析师、 系统管理员 3 周 项目实战+案例 分析 项目数据集、 技术支持团队 通过这一全面的培训计划，用户将能够熟练掌握人工智能数据 训练考评系统的各项功能，并将其高效应用于实际工作中，从而最 大化系统的价值和效益。 11

恢复时间目标（RTO）不超过 15 分钟。 人员能力转型 设计阶梯式培训体系，分三个阶段实现能力迁 移： 1. 基础操作层：2 周集中培训，掌握智能体交互指令集 2. 分 析决策层：4 周实战演练，学习模型结果校验方法 3. 战略规划层： 季度研讨会，培养 AI 审计流程设计能力 合规性保障 组建跨部门合规委员会，每月更新风险控制矩 阵。智能体决策流程内置监管规则引擎，自动匹配最新审计准则。 小时无重大缺陷后，方可进 入全量部署阶段。 9.3.2 培训与沟通计划 为保障审计团队高效运用 DeepSeek 智能体，需制定分阶段、 多维度的培训与沟通计划。初期聚焦核心功能落地，中期强化实战 应用能力，后期建立持续优化机制。 1. 分层培训体系 “ 根据角色差异设计针对性课程，采用 线上+ ” 线下 混合模式：  审计专员：重点掌握智能体基础操作，包括数据导入、风险点 自动

skbob机器人在 覆盖客户问题和提供个性化解答方面的不足，更好地满足了代理人和客户的需求，整体用 户满意度也随之得到了有效提升。 在展业方面，围绕销售展业流程为代理人发现问题、主动指导并提供实战解决方案， 目前已上线销售商机及AI建议书。销售商机支持辅助经营触客，推荐讲解素材及异议话 术；AI智能生成建议书，基于海量大数据精准判断客户需求，快速配置专业产品方案，智能 生成最优讲解方法 职域模式核心效率（面谈转化率）提升50%。AI训战项目解决了训战效率低下的问题，从而 提升整体业务效率和人才成长速度。该项目结合ChatGPT智能化手段，融入养老职域业务 框架与逻辑，配合以实战验证的最优质话术和人性化评分机制，最终实现全系统批量安 装。AI训战相比传统训战大幅提升了训战效率，从而更好地带动队伍核心技能提升，从而 带动业务核心效率指标提升，在AI模式成熟后，可辅助职域模式核心效率（面谈转化率）提