定了！2025开年大会20+4位嘉宾，聊五大增长方式
AI的快速进化正以双重姿态重塑职场：一方面，传统生产方式被加速瓦解；另一方面，全新的职业机遇喷涌而出。
越来越多的求职者将AI技能列为职业转型首选，而这一趋势仍在持续升温。前者已被讨论太多，
本文则聚焦如何转型AI这一方向
。
资深的IT技术专家张子良直言：“
零代码部署、知识库构建与提示词工程，已成为跨入AI领域的三项基础技能
。”张子良自DeepSeek发布首日便投身技术实测，累计完成10多家企业级部署验证。
本文基于与张子良的深度对话，
系统梳理了
DeepSeek
本地部署的技术路径与成本结构
，并详解应对AI幻觉的两种核心解决方案——
提示词控制、知识库限制
。
此外，见实与张子良联合开发的课程《DeepSeek R1 本地部署实战教程》中还披露了更多关键技术细节，包括网页版分享、并发支持、多用户及权限管理等，零代码操作适配个人与企业多场景需求。
在见实
3月12-13日开年大会
上
，
张子良
也会来到现场继续展开深度分享。你可以点击文末
阅读原文
报名参加见实大会，在现场听更多干货内容。
以下为深聊精华，
如下，enjoy：
见实：网上有很多本地部署方案，它们之间有什么差异？该如何选择？
企业内部完全部署：
部署671b满血版，模型和数据都在本地，确保数据不出企业，安全性高。生产环境中，70b和671b模型的生成质量更好。如果只是测试，可以选择7b、8b、14b、32b等模型，具体取决于显卡配置。
API接入：
调用第三方API接口接入DeepSeek服务。DeepSeek在泛领域表现优秀，但在垂直领域存在不足，需结合本地专业知识优化。此时，本地知识库仍需放在本地。
关于服务商选择，目前实测稳定的API接口只有豆包。其他服务商如硅基流动（与华为合作）、阿里云和百度千帆，存在访问速度慢、稳定性差的问题。
企业内部部署的稳定性更强，数据不外流，是最理想的方式。例如，天津一家高分子材料企业使用16台H20纯本地部署，访问速度极快。如果资金有限，可以选择API接入。
张子良：
如果只是简单了解，可以使用官方网页。但从我接触的十几万学员来看，一个新趋势是：很多人，尤其是年轻人，正在转行到人工智能领域。掌握AI能力可以拓展职业宽度。
学习安装部署、知识库应用和提示词使用，是转型的基本要求
。
这些技能与代码无关，现有方案支持零代码操作。
通过学习，还能了解人工智能的未来趋势，提升整
体能力。我的课程前半部分面向个人，方案采用
open-web UI
模式，支持网页版分享、并发、多用户和权限管理，同时适用于个人和企业。
见实：做本地部署需要什么样的设备？具体投入成本是多少？
张子良：
个人学习：
可根据系统版本（1.5b、7b、8b、14b、32b、70b、671b）选择配置。最低需要独立显卡，如2060、3060或4060，可安装7b或8b模型。3090、4090、5090显卡可部署32b或14b模型。
成本：
3060约两3000元，3090约6000元。5090发布价1.5万元，现价超10万元，难购买。买显卡一定要注意渠道，选择有三年质保的平台（如京东），比较可靠。
性价比：
3090显存24GB，性能足够，适合个人学习。
企业级应用：
最低需70b模型，推荐两块A6000显卡，成本约7万元，加上主机总成本在10万元以内。671b模型需八块A100或H100，价格波动大，约15万到20万/块。满血版配置需八块A100，总成本160万到200万。
API模式：
适合预算有限的用户。百万token输入约2元，输出约8元，综合成本约10元/百万token。
低成本方案：
国内一些方案宣称成本控制在十万以内，但实测不靠谱。原因包括显存加内存模式超出普通电脑承载能力、内存易损坏、不支持并发等。短期内，建议选择API接入，等待低成本方案成熟。
张子良：
电费也是一个大头
。比如，一张3090显卡每小时耗电约400瓦，A100显卡每小时耗电8到10度。个人在家部署时，电费开支不小。像我自己有八块3090，跑任务时一个月电费就2000多元。
张子良：
私有化部署的功能与官网网页版完全一致。因为模型是开源的，输出能力没有区别。具体可以从三方面看：
业务场景结合：
DeepSeek可应用于日常办公，如撰写文案（周报、月报、年报）、VI制作、生成PPT格式文案、Excel数据分析等。
企业运营分析：
传统模式下，企业需人工分析报表，而DeepSeek可通过自然语言交互，将自然语言翻译为SQL语句，从数据库检索数据并生成可视化图表，提升数据分析效率。
自媒体运营：
DeepSeek可批量生成爆款标题、文案，辅助图片和视频素材创作，从热点捕捉到内容生成，实现全链条AI辅助。
AI应用场景广泛，关键是结合实际业务需求。
如果有特定场景，可以探索如何利用AI提升效能或开发新业务模式。
见实：在具体应用中，如何更高效、准确地与AI交互，减少“幻觉”？
-
明确角色：告诉AI你是谁、扮演什么角色。
-
任务目标：说明要实现的任务。
-
预期结果：描述希望得到的回答。
-
提供样例：给出期望结果的示例。
-
第二种
，
知识库限制：
张子良：
知识库是对大模型能力的拓展。大模型在泛领域表现不错，但在垂直领域（如高分子材料、化工、高校）能力有限。知识库的作用是弥补这一不足。
对于企业而言
，通用大模型无法覆盖企业的垂直领域知识，而
拥有核心数据的企业（如金融、学校）通常选择纯本地化部署，甚至物理断网。
对个人用户而言
，如果不需要本地部署或知识库，可能意味着工作内容不涉及专业知识。例如，自媒体创作者追逐热点，但对于教师、公务员、律师、科研人员等，本地化部署和知识库是刚需。
张子良：
B站一位博主通过两篇文章、两场直播，六周内粉丝从2000涨到10万+。他利用AI捕捉热点，分析热榜话题，吸引用户关注。
我自己也通过类似方法上过B站榜单。通过抓取排行榜和热点，用大模型分析，当时最热的话题是私有化部署。如今，二线、三线城市才开始接触这一话题，而一线城市已进入下一阶段。
近期自媒体平台上关于本地化部署和知识库的文章增多，正是因为大模型帮助捕捉到了这些热点。我的课件内容也大多由大模型生成，极大提升了效率。
见实：在使用AI的过程中，需要注意哪些事项，以及如何避免这些问题？
张子良：
使用AI时，技巧是关键。大模型已经火了三年，有许多成熟的经验和方案，尤其是提示词模板。这些模板能帮助快速生成高质量内容。
对于新人，建议多参考别人总结的提示词模板。
此外，可以多尝试工具化的解决方案，比如智能办公。
