DeepSeek128K 自考 AI 导师断点续学 API：5 天实现

1️⃣ 场景痛点

2️⃣ 技术选型

3️⃣ 架构总览

📌 系统流程图（Mermaid 语法）

4️⃣ Day1：环境初始化

5️⃣ Day2：微调 DeepSeek128K

5.1 数据准备

• 来源：考试院公开 5 年真题（CC BY 4.0）
• 格式：{chapter, question, answer, difficulty}
• 总量：47 万条

5.2 微调脚本

from transformers import Trainer, TrainingArguments
model_name = "deepseek-ai/DeepSeek-128K"
args = TrainingArguments(
    output_dir="./ckpt",
    per_device_train_batch_size=2,
    gradient_accumulation_steps=8,
    num_train_epochs=1,
    fp16=True,
)

6️⃣ Day3：断点续学引擎

6.1 原理

• 将学员最近 10 K tokens 作为「上下文窗口」
• 使用 Qdrant 存储 (user_id, lesson_id, embedding)
• 断点恢复时做向量最邻近搜索，相似度阈值 0.91

6.2 状态机

7️⃣ Day4：API 网关与鉴权

7.1 OpenAPI 文档

官网示例：https://platform.deepseek.com/docs

7.2 鉴权流程

7.3 示例 cURL

curl -H "Authorization: Bearer $JWT" \
     https://api.xxx.com/v1/resume?user_id=12345

8️⃣ Day5：灰度发布与监控

性能 & 成本对比

❓ 常见问题 FAQ

✅ 总结与展望

5 天内，我们借助 DeepSeek128K、Qdrant与 FastAPI 构建了一套低成本、高可用、强体验的断点续学系统。未来，我们将探索多模态（视频、音频）断点与 AIGC 个性化学习路径，进一步降低自考门槛，让知识触手可及。