比喻来源：飞机机长（人类工程师）主导全程操作，副驾驶（AI）辅助查资料、核对清单、预警风险、分担重复工作，最终决策权永远在人手里，AI 只做辅助，不替代人。直译：副驾驶，是当前 AI 行业标准概念，核心定位：人机协同的领域专属智能助手。Copilot 基础释义。

拟合神经元原理：讲解一元一次函数特点，是为让学员知道其可拟合神经元，解决信号问题。信号有大有小，具有连续性属性，机器学习中有连续性、离散性等六种属性，神经元获取信号需累加足够大才传递。W 参数理解：输入多个数据，最终最重要的 W 只有一个，代表场景下信号量大小。不同场景会有不同 W，有大权重和小权重。多信号累加：用一元一次函数拟合信号后，通过多信号累加得出公式，该公式是神经网络早期做累加和的扩充内

Matro 模型：核心早期为 7B，有 8 组前馈参数，即 8 组网络中有两组专家模型（MOE），可针对特定行业快速激活参数，增加参数量同时控制成本和延时。应用案例：包括政务知识检索、游戏开发、智慧城市、行业助手等，还有盘古药物分子大模型、气象大模型，气象大模型速度比传统数值快 1 万倍以上。模型层级：分为通用模型（如科学、自然语言、多模态大模型）、行业模型（如矿山、政务、气象大模型）和场景，即

知识巩固测试：会议最后通过一道单选题巩固知识，题目为“以下哪个工具可以支持昇腾设备上快速开发大模型”，答案为 Metperformance（大模型开发套件），其他选项 Metasport 是框架，Mat X DL 用于计算卡集群管理调度，Mat insight 用于 ONNX 模型可视化，均不符合要求。框架支持设备：Metasport 作为 AI 全场景框架，支持各种设备，包括昇腾系列、英伟达系列

大模型部署流程运行参数配置超参数设置：运行参数配置需修改对应配置文件，如 TopK 是一个超参数，它决定预测出概率最高的词的数量，TopK 等于几就会预测出几个排名最高的词。实际应用：在实际部署中，运行参数配置是必选环节，需要根据具体需求设置合适的超参数，以确保模型的正常运行。工程编译与编程框架接入编译类型：工程编译主要是 C++ 的推理编译，编程框架接入主要是连接数据库以处理模型不足问题。可选性

前期内容复习与知识点补充复习内容梳理神经网络基础公式：单神经元信号拟合公式为 Y = WX + B，多神经元叠加可统一为 W_iX_i 形式，隐含项 X0 固定为1对应偏置累加。激活函数运行规则：信号传递前需标准化缩放至 0-1 区间，以 0.5 为阈值判断是否向下传递，是神经网络信号传递的核心规则。人工智能分类体系：按技术路径分为有监督、无监督、半监督、自监督学习；按网络结构分为前馈、反馈、卷积

【代码】（Mac）torch==2.1.2 与 Python 3.12 不兼容+onnxruntime-silicon 不支持 Intel Mac。

Deep Agents 是构建 LLM 驱动 Agent 的最简方式任务规划文件系统上下文管理子 Agent 生成长期记忆适用于任何任务，尤其是复杂多步骤任务。Deep Agents = LangChain/LangGraph 之上的一层" harness"，用预置工具和能力让你快速构建复杂 Agent，同时集成 LangSmith 实现自动调试。当你需要构建能自主规划、能操作文件系统、能写代码、

本文介绍了如何构建一个基于DeepSeek模型的对话智能体系统。主要内容包括：1）通过dotenv加载API密钥创建ChatDeepSeek模型实例；2）使用create_agent函数创建对话智能体，可配置系统提示词和工具；3）实现前后端分离架构，后端通过langgraph API服务运行，前端使用Node.js环境启动。系统还整合了docling-mcp文档解析工具，通过SSE传输协议提供服务

Deepseek R1模型训练架构： 训练阶段划分：整个过程分为监督微调（SFT）和基于推理的强化学习两个主要阶段。SFT阶段：从Deepseek V3 base基础模型开始，使用SFT数据（含长推理示例）进行监督微调，生成SFT checkpoint，使模型具有一定推理能力。强化学习阶段：从SFT checkpoint开始，使用强化学习方法针对模型推理能力进行优化，最终得到Deepseek 21