大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容

DeepSeek使用与提示词工程课程重点

Homework：ollama 安装 用deepseek-r1:1.5b 分析PDF 内容

python 代码建构：

1.小模型 1.5b 可以在 笔记本上快速执行

2.分析结果还不错

3. 重点是提示词 prompt 的写法

一、DeepSeek模型创新与特点

1. DeepSeek-V3模型特点

• 采用MoE架构(61个专家模块)，总参数量671B但仅激活37B参数
• 引入MLA(Multi-Head Latent Attention)注意力机制，显著减小KV缓存
• 使用混合精度框架(FP8)降低训练计算量
• 在主流榜单中与顶级闭源模型性能相当

2. DeepSeek-R1模型突破

• 基于V3模型通过GRPO强化学习训练
• 思维链长度可达数万字，支持复杂推理
• 性能对标OpenAI o1模型
• 提供API调用(deepseek-reasoner)

二、模型部署与使用

1. 私有化部署选项

模型类型 参数量 显存需求 适用场景 1.5B-14B 小模型 1-12GB 轻量级任务 32B 中模型 24-48GB 专业领域 70B 大模型 96-128GB 高精度任务 671B 满血版 496GB AGI研究

2. 部署方式

• ​Ollama部署​：支持macOS/Linux/Windows

  ollama pull deepseek-r1:1.5bollama run deepseek-r1:1.5b

• ​vLLM高速推理框架​： 公司使用

  vllm serve deepseek-r1-distill-qwen-32b --tensor-parallel-size 2

三、提示词工程核心原则

1. 提示词组成要素（重要性排序）

1. ​任务​：明确动词开头的目标
2. ​上下文​：提供背景信息
3. ​示例​：展示期望输出格式
4. ​角色​：指定AI扮演的身份
5. ​格式​：定义输出结构
6. ​语气​：设定回答风格

2. 通用模型vs推理模型提示策略

模型类型 提示特点 适用场景 通用模型 需要分步引导，依赖Few-shot示例 创意写作、常规问答 推理模型 简洁指令，信任内化能力 数学、编程等逻辑任务

四、Prompt实战技巧

1. 核心技巧

1. ​限制输出格式​：如JSON结构化返回

   \"以JSON格式输出包含名称、价格、流量的套餐信息\"

2. ​使用分隔符​：清晰区分输入部分

   \'\'\'请总结以下三个引号内的文本\'\'\'

3. ​CoT思维链​：分步解决复杂问题

   \"请按步骤计算：1.加1000 2.减500 3.乘1.2\"

2. 优化方法

• ​迭代测试​：根据输出持续调整Prompt
• ​角色扮演​：明确AI身份(如\"你是一名专业客服\")
• ​示例引导​：提供输入输出对示范

五、典型应用案例

1. 小球碰撞模拟

• 使用DeepSeek-R1生成HTML/JavaScript代码
• 通过多次交互优化物理效果
• 最终实现包含重力、弹力等参数的完整模拟

2. 客服场景Prompt优化

\"\"\"你是一名电信客服\"小瓜\"，需：1. 保持礼貌官方口吻2. 准确提及套餐名称、价格、流量3. 不可使用网络用语已知套餐：- 经济套餐：50元/10G- 畅游套餐：180元/100G \"\"\"

Ollama 运用代码

流程说明

​PDF解析阶段​

1. 代码功能概述​

该代码实现了一个课程大纲分析系统，主要功能包括：

​2.2 学习路径生成​

​2.3 输出处理​

---

​3. 关键技术点​

---

​4. 扩展应用场景​

---

​5. 改进建议​

• ​PDF文本提取​：使用pdfplumber库解析PDF文件，提取文本内容和章节结构
• ​章节识别​：通过正则表达式匹配多级标题（如\"第X章\"、\"1.1\"等格式）
• ​学习路径生成​：调用DeepSeek-R1模型（通过Ollama API）生成结构化学习建议
• ​结果输出​：
  

  2. 核心模块解析​

  ​2.1 PDF解析与章节识别​

• ​文本提取​：
  使用pdfplumber.open()逐页读取PDF，通过extract_text()获取文本内容，并标注页码信息。
• ​标题识别逻辑​：
  • 正则匹配多级标题（如r\'^第[一二三四五六七八九十\\d]+章\'匹配中文章节）
  • 辅助规则：全大写文本、含\"学习\"/\"知识\"等关键词的短文本也被视为标题
  • 层级判定：
    • 一级标题：第X章或1. 标题
    • 二级标题：1.1 标题或一、标题
    • 三级标题：1.1.1 标题
• ​模型交互​：
  • 构建结构化提示词，包含章节树状结构和课纲前8000字符
  • 调用DeepSeek-R1时启用temperature=0.2和top_p=0.9，平衡创造性与稳定性
  • 响应解析优先提取JSON块（兼容模型可能附加的解释文本）
• ​错误处理​：
  • JSON解码失败时保留原始响应
  • 捕获API超时等异常
• ​控制台展示​：
  格式化输出学习阶段、核心概念、练习顺序等，使用符号图标（如📖、🎯）增强可读性
• ​JSON持久化​：
  按时间戳生成文件名，确保ASCII转义关闭（ensure_ascii=False）以支持中文

• ​PDF解析优化​

  • 混合正则规则与启发式判断，提升标题识别准确率
  • 记录页码+行号，便于人工校验

• ​大模型工程化应用​

  • 两阶段生成：先提取章节结构，再填充细节（如学习目标、练习类型）
  • 通过num_predict=2000确保长文生成完整性

• ​结构化输出设计​

  { \"learning_stages\": [{ \"stage_number\": 1, \"key_concepts\": [\"核心概念1\", \"核心概念2\"], \"practice_order\": [\"练习类型1\", \"练习类型2\"] }]}

  字段覆盖教学设计的核心要素（时间预估、预习要求等）

• ​教育自动化​：适配在线教育平台的课程规划自动化
• ​文档分析​：扩展支持EPUB、Word等格式（需调整解析逻辑）
• ​多模型支持​：替换Ollama接口为其他LLM（如GPT-4）
• ​性能优化​
  • 使用多线程处理PDF分页解析（注意pdfplumber的线程安全性）
  • 缓存模型响应，减少重复请求
• ​错误恢复​
  • 添加PDF解析失败时的备用文本提取方案（如PyMuPDF）
• ​交互增强​
  • 支持用户手动修正误识别的章节标题
• 支持控制台格式化展示和JSON文件保存

6.完整代码

try: import pdfplumberexcept ImportError: print(\"❌ 请安装pdfplumber: pip install pdfplumber\") exit(1)import ollamafrom typing import List, Dict, Tupleimport reimport jsonimport osfrom datetime import datetimeclass SyllabusAnalyzer: def __init__(self, model_name=\"deepseek-r1:1.5b\"): self.model_name = model_name def extract_pdf_content(self, pdf_path: str) -> Tuple[str, List[Dict]]: \"\"\" 提取PDF内容并识别章节结构 \"\"\" if not os.path.exists(pdf_path): raise FileNotFoundError(f\"PDF文件不存在: {pdf_path}\")  full_text = \"\" sections = [] with pdfplumber.open(pdf_path) as pdf: for page_num, page in enumerate(pdf.pages): # 提取页面文本 text = page.extract_text() if text:  full_text += f\"\\n=== 第{page_num+1}页 ===\\n{text}\\n\"  # 按行分析文本，识别章节标题  lines = text.split(\'\\n\')  for line_num, line in enumerate(lines): clean_line = line.strip() if clean_line and self._is_section_title(clean_line): level = self._determine_section_level(clean_line) sections.append({ \"title\": clean_line, \"level\": level, \"page\": page_num + 1, \"line\": line_num + 1 }) return full_text, sections def _is_section_title(self, text: str) -> bool: \"\"\"判断是否为章节标题\"\"\" # 匹配各种章节标题格式 patterns = [ r\'^第[一二三四五六七八九十\\d]+章\', # 第X章 r\'^第[一二三四五六七八九十\\d]+节\', # 第X节 r\'^\\d+\\.\\s+.+\',  # 1. 标题 r\'^\\d+\\.\\d+\\s+.+\', # 1.1 标题 r\'^[一二三四五六七八九十]+、\', # 一、标题 r\'^（[一二三四五六七八九十\\d]+）\', # （一）标题 ] for pattern in patterns: if re.match(pattern, text): return True # 检查是否为全大写标题或特殊格式 return len(text)  int: \"\"\"确定章节层级\"\"\" if re.match(r\'^第[一二三四五六七八九十\\d]+章\', text): return 1 elif re.match(r\'^\\d+\\.\\s+\', text): return 1 elif re.match(r\'^\\d+\\.\\d+\\s+\', text): return 2 elif re.match(r\'^\\d+\\.\\d+\\.\\d+\\s+\', text): return 3 else: return 2 def generate_learning_path(self, pdf_text: str, sections: List[Dict]) -> Dict: \"\"\" 使用deepseek-r1模型生成学习路径 \"\"\" # 构建章节结构 section_structure = self._build_section_structure(sections) # 构建详细的提示词 prompt = self._build_analysis_prompt(section_structure, pdf_text) try: response = ollama.chat( model=self.model_name, messages=[{\"role\": \"user\", \"content\": prompt}], options={  \"temperature\": 0.2,  \"top_p\": 0.9,  \"num_predict\": 2000 } ) # 尝试解析JSON响应 content = response[\'message\'][\'content\'] # 提取JSON部分（如果响应包含其他文本） json_match = re.search(r\'\\{.*\\}\', content, re.DOTALL) if json_match: json_str = json_match.group() return json.loads(json_str) else: # 如果没有找到JSON，尝试直接解析 return json.loads(content) except json.JSONDecodeError as e: return { \"error\": f\"JSON解析失败: {str(e)}\", \"raw_response\": response[\'message\'][\'content\'] } except Exception as e: return { \"error\": f\"生成学习路径时出错: {str(e)}\", \"raw_response\": str(e) } def _build_section_structure(self, sections: List[Dict]) -> str: \"\"\"构建章节结构字符串\"\"\" structure_lines = [] for i, section in enumerate(sections[:30]): # 限制章节数量 indent = \" \" * (section[\'level\'] - 1) structure_lines.append(f\"{indent}{section[\'title\']} (第{section[\'page\']}页)\") return \"\\n\".join(structure_lines) def _build_analysis_prompt(self, section_structure: str, pdf_text: str) -> str: \"\"\"构建分析提示词\"\"\" return f\"\"\"你是一名专业的教学设计师和课程规划专家。请根据以下课纲内容，设计一份详细的学习路径指南。## 课纲章节结构：{section_structure}## 分析要求：1. 将整个课程合理划分为3-5个学习阶段2. 每个阶段建议学习2-4个章节3. 为每个阶段标注建议学习时长（以小时为单位）4. 明确指出每个阶段需要预习的知识点5. 推荐每个阶段的练习顺序和类型6. 提取每个章节的核心知识点（3-5个）## 输出格式（严格按照JSON格式）：{{ \"course_title\": \"课程名称\", \"total_estimated_hours\": 总学习时长, \"learning_stages\": [ {{ \"stage_number\": 1, \"stage_name\": \"阶段名称\", \"chapters\": [\"章节1\", \"章节2\", \"章节3\"], \"suggested_hours\": 学习时长数字, \"prerequisites\": [\"预习知识点1\", \"预习知识点2\"], \"key_concepts\": [\"核心概念1\", \"核心概念2\", \"核心概念3\"], \"practice_order\": [\"练习类型1\", \"练习类型2\", \"练习类型3\"], \"learning_objectives\": [\"学习目标1\", \"学习目标2\"] }} ], \"study_tips\": [\"学习建议1\", \"学习建议2\", \"学习建议3\"]}}## 课纲内容：{pdf_text[:8000]}请严格按照上述JSON格式输出，确保所有字段都包含有意义的内容。\"\"\" def save_results(self, learning_path: Dict, output_file: str = None): \"\"\"保存分析结果到文件\"\"\" if output_file is None: timestamp = datetime.now().strftime(\"%Y%m%d_%H%M%S\") output_file = f\"learning_path_{timestamp}.json\" with open(output_file, \'w\', encoding=\'utf-8\') as f: json.dump(learning_path, f, ensure_ascii=False, indent=2) print(f\"学习路径已保存到: {output_file}\") def display_learning_path(self, learning_path: Dict): \"\"\"格式化显示学习路径\"\"\" if \"error\" in learning_path: print(\"❌ 生成学习路径时出错:\") print(learning_path[\"error\"]) if \"raw_response\" in learning_path: print(\"\\n原始响应:\") print(learning_path[\"raw_response\"]) return print(\"📚 课程学习路径分析\") print(\"=\" * 60) print(f\"课程名称: {learning_path.get(\'course_title\', \'未知课程\')}\") print(f\"预计总时长: {learning_path.get(\'total_estimated_hours\', \'未知\')} 小时\") print() for stage in learning_path.get(\'learning_stages\', []): print(f\"🎯 阶段 {stage.get(\'stage_number\', \'?\')}: {stage.get(\'stage_name\', \'未知阶段\')}\") print(f\" ⏱️ 建议时长: {stage.get(\'suggested_hours\', \'?\')} 小时\") print(f\" 📖 包含章节: {\', \'.join(stage.get(\'chapters\', []))}\") print(\" 🔍 核心知识点:\") for concept in stage.get(\'key_concepts\', []): print(f\" • {concept}\") print(\" 📋 预习要求:\") for prereq in stage.get(\'prerequisites\', []): print(f\" • {prereq}\") print(\" 🏃 练习顺序:\") for i, practice in enumerate(stage.get(\'practice_order\', []), 1): print(f\" {i}. {practice}\") print(\" 🎯 学习目标:\") for objective in stage.get(\'learning_objectives\', []): print(f\" • {objective}\") print(\"-\" * 60) if \'study_tips\' in learning_path: print(\"💡 学习建议:\") for tip in learning_path[\'study_tips\']: print(f\" • {tip}\")def main(): \"\"\"主函数\"\"\" # 初始化分析器 analyzer = SyllabusAnalyzer() # PDF文件路径 - 请修改为你的实际路径 pdf_path = input(\"请输入课纲PDF文件路径: \").strip().strip(\'\"\') if not pdf_path: print(\"❌ 请提供有效的PDF文件路径\") return try: print(\"📖 正在提取PDF内容...\") pdf_text, sections = analyzer.extract_pdf_content(pdf_path) print(f\"✅ 成功提取 {len(sections)} 个章节\") print(\"🤖 正在使用 deepseek-r1:1.5b 分析课纲...\") learning_path = analyzer.generate_learning_path(pdf_text, sections) print(\"📊 分析完成，正在显示结果...\") analyzer.display_learning_path(learning_path) # 保存结果 save_option = input(\"\\n是否保存结果到文件？(y/n): \").strip().lower() if save_option == \'y\': analyzer.save_results(learning_path) except FileNotFoundError: print(f\"❌ 找不到PDF文件: {pdf_path}\") except Exception as e: print(f\"❌ 处理过程中出错: {str(e)}\")if __name__ == \"__main__\": main()

7. 输出截屏