网页端：直接访问 [DeepSeek官网](https://www.deepseek.com)，点击“开始对话”使用智能助手（如 DeepSeek-R1）。API 开发者：注册账号后，在控制台获取 API Key，参考[文档](https://platform.deepseek.com/docs)集成到代码中。移动端：部分产品支持 App（如有），可在应用商店搜索下载，名字就是DeepSeek。

ollama 是一个开源的本地大语言模型运行框架，它提供了非常简单便捷的使用形式，让用户可以十分方便的在本地机器上部署和运行大型语言模型，从而实现免费离线的方式使用 LLM 能力，并确保私有数据的隐私和安全性。

知识蒸馏是一种将复杂的大型模型（教师模型）的知识迁移到较小的模型（学生模型）中的技术。在这个过程中，教师模型的推理能力和知识被提炼并转移到学生模型中，从而使学生模型能够在保持较高性能的同时，具有更低的计算复杂度和资源消耗。

2025年初，国内推出了一款开创性且高性价比的「大型语言模型」（Large Language Model, LLM） — — DeepSeek-R1，引发了AI领域的巨大变革。本文回顾LLM的发展历程，以2017年具有革命性意义的Transformer架构为起点。

ollama是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型，降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型。

如果说AGI是大模型的终极目标，那么Agent智能体则是实现这一目标过程中的关键节点。它同时也是衡量大语言模型“从量变到质变”的关键。换句话说，只有当大语言模型达到一定成熟度后，Agent智能体才会迎来真正意义上的爆发。

随着人工智能技术的飞速发展，AI Agent正逐渐成为我们生活中不可或缺的一部分。从智能助手到自动驾驶汽车，AI Agent的身影无处不在。某互联网领军人物在2024年世界人工智能大会上强调：“AI Agent在高考志愿填报中发挥了重要作用，高峰日吸引了200万用户。”

“Agent”的定义多种多样。一些客户将 Agent 视为完全自主的系统，能够在长时间内独立运行，利用各种工具来完成复杂的任务。另一些客户则用这个词来描述遵循预定义工作流程、更具规范性的实现。在 Anthropic，我们将所有这些类型都归为agentic systems，但在架构上，我们会对工作流和 Agent 做出重要的区分：

在这种架构中，我们添加个别Agent作为图节点，并提前定义Agent被调用的顺序，以自定义工作流。显式控制流（普通边）：LangGraph允许你通过普通图边显式定义应用程序的控制流（即Agent通信的顺序）。这是上述架构中最确定性的变体——我们总是提前知道接下来将调用哪个Agent。动态控制流（条件边）：在LangGraph中，你可以允许LLM决定应用程序控制流的部分。这可以通过使用条件边实现。一

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证