结束语 近水知鱼性，近山识鸟音
你好，我是邢云阳。
此刻是五一小长假前夕的一个晚上，我的家人们都已经熄灯休息，进入了梦乡。然而这个时间段还在电脑前工作的我，思维逻辑却异常清晰，似乎夜深人静更容易提升人的专注力。
这门课程起源于 DeepSeek 在春节前后的爆火。在此之前，大家如果常去浏览一些 AI 应用开发方面的文章或者教程，会发现作者普遍喜欢用 OpenAI 公司的模型，比如 GPT-4o 或者 text-davinci-003 等嵌入模型去做效果演示。这其实是作者也是很多国内 AI 开发者们的无奈之举，毕竟 OpenAI 的模型确实输出稳定、效果好。然而 OpenAI 毕竟是海外产品，除了一些出海项目能够使用外，国内项目天然就受到一些约束，很难落地。
因此 DeepSeek 开源后，国内的应用终于可以名正言顺地落地了。于是主编老师邀请我以 DeepSeek 为基础，结合自己的 AI 研发经验，设计一个能让同学们将 DeepSeek 落地的专栏。
作为 AI Infra 的一线开发者，近期我也切实感受到 DeepSeek 在国内研学、落地所掀起的热潮。年后，我曾在一周以内先后辗转北京、河南、云南等地参加高校学术论坛，深入客户现场与客户进行交流；也曾一天之内进行四场 DeepSeek 的演讲培训。白天演讲，晚上研发是常态。这门课也是在这个背景下熬夜写出来的。
让我非常欣慰的是，课程自上线以来，热度一直不减。每天可以收到很多认真学习思考的同学发来的留言反馈，我在回复同学们留言的同时，自己也受到了不少启发，更新期也结合同学们的反馈还有自己的所思所想，给课程增加了不少新的知识点。
一位同学的真实案例
前不久，收到了一封某位同学给我发的邮件。他在邮件中说，最近他所在的公司的一个团队，假设是团队 A，为某国企部署了通义千问的 QwQ 模型。这家国企基于该模型使用 Dify 搭建了一个 RAG。
但是在测试对话时发现了一个非常奇怪的问题，那就是QwQ 模型在回答问题时居然会深度思考两次，而且在思考第二次时，思考到一半内容就截断了，之后就再无回答输出了。这个问题你可以参考后面的截图看一看。
该国企客户认为是团队 A 部署的 QwQ 模型有问题，要求他们解决，否则就不签约。于是团队 A 集结各路大佬研究了两天底层的参数配置等等，也没搞清楚问题的原因。最后找到了这位同学，让他一起帮忙看一下。
没想到，这位同学第一眼就看到了在第一次深度思考中出现了熟悉的 Final Answer 字样，就问客户该聊天助手是否是用 Agent 模式搭建的。客户回答说是。
这位同学就想到了在课程中，我曾讲过一个知识点，那就是慢速思考模型如 DeepSeek-R1 不能用作 ReAct Agent 的大脑，因为慢速思考模型主观意识太强，会脱离 ReAct 模板的要求，产生一些奇奇怪怪的幻觉。
于是他就联想到 QwQ 也是慢速思考模型，出现该问题，可能是这个原因导致的。就问客户为什么用 Agent，有什么工具需要调用吗？客户说没有，就是听说 Agent 比较智能，就用了。最后该同学让客户换成了普通的聊天助手模式，问题迎刃而解。
客户对此非常满意，当天就签约了。团队 A 感恩戴德，在该同学的领导前将该同学猛夸了一顿，并给了该同学 5000 元项目奖励。
我当时在读到这封邮件时，真心替这位同学感到高兴。因为这位同学学会了什么是举一反三，能将课程所学知识应用到工作中，并创造出价值，也是对我们课程间接的肯定。
几点感悟
做程序员，在圈外人士看来，是一个令人羡慕的职业，因为至少钱多事少离家近已经占了一个（钱多）。但其实只有程序员自己知道，这份钱赚的有多辛苦。程序员需要持续的学习，真正践行活到老学到老。
尤其是到了 AI 时代，技术更新的速度太快了，每天都得学习。一个星期不学习就落后了，一个月不学习已经听不懂别人说什么。因此我在做课程时，也在抽空持续加餐或者升级课程内容，期望让同学们学习到最新的技术。
最近一次加餐是谷歌 A2A 的发布。这个协议不仅仅是让 Agent 标准化这么简单，其背后是将来肯定会有大佬公司发布统一的 A2A 平台，用于让大家发布自己的 Agent，然后可以根据下载量提成等等。这就和我们在 Hugging Face 发布自己的模型与数据集，在 AutoDL 上发布自己的镜像等是一个道理。
这种标准化趋势让Agent开发在AI应用领域的地位变得更加重要。此外，结合今年涌现的几个爆款产品，比如 Manus、扣子空间等通用Agent产品我们可以发现它们都是围绕多Agent协作、工具调用和Deep Research等技术进行功能扩展和强化的。
由此可见，当前AI 开发技术路线已经基本清晰，主要包含以下几个关键要素：提示词工程、Deep Research、MCP以及A2A协议。在多Agent交互开发中，A2A协议尤为重要，而使用LangGraph开发Agent将成为重点。这也意味着，下一阶段AI应用开发的核心将聚焦于Agent智能体的开发。
我们的课程中围绕 Agent 开发，陆续学习了MCP、LangGraph、A2A 等前沿内容。还通过讲解计划模式，为大家补充了一下 Deep Research 的一点基础知识。希望你能够好好消化利用这些知识，结合自己工作上的业务去做一些东西。等后续有时间，我会继续为大家分享前沿的开发技术。也欢迎你在留言区分享自己当前的思考和疑问，我们保持交流，共同学习进步。
最后用一篇道家的文昌咒作为这门课的收尾，愿大家都能文昌运加身，写出好的提示词，开发出优秀的智能体。
九天大帝，身披白衣。日月照耀，乾坤斡随。有能敬者，聪明如斯。
黄老丹元，与念合宜。五神卫守，八圣护持。诵之不辍，万神赴机。
我司大化，光耀生辉。心开茅塞，祛钝除迷。诵之万遍，文冶琼瑰。
词源浩浩，笔阵风驰。九天开化，万章洞微。元皇上帝，勿稽勿迟。
最后，我准备了一份结课问卷，花几分钟就能填完。很期待能听到你的反馈，说说你对这门课程的想法和建议。
- Jason Ding 👍（1） 💬（1）
践行科学的尽头是玄学是吧
2025-05-20 - 🤡 👍（0） 💬（1）
感谢老师，虽然工作跟AI关系不大，但是学到了很多精彩的内容，开阔了眼界，也算是站在了巨人的肩膀上看到了一些时代前沿的风景
2025-05-26