浙江大学DeepSeek人工智能资料|Chatting+or+Acting？DeepSeek的突破边界与浙大先生的未来图景浙江大学+陈文智

这份资料的标题里有一个很关键的对比：「Chatting or Acting」。这不是修辞，而是理解 DeepSeek 这一类模型时绕不开的分界线——模型到底只是把话说得漂亮，还是能真的去调用工具、拆解任务、在真实系统里产生动作。围绕这条线索，浙江大学几位老师的报告把技术原理、行业落地和通识教育放在了一起，适合已经用过 DeepSeek、想进一步看清它能力边界与工程含义的开发者拿来对照阅读。

技术栈与内容定位

资料的核心不是某一个 API 的调用手册，而是从模型能力层往上讲。陈文智那份报告把「突破边界」和「未来图景」并置，实际上是在问：当模型从对话走向行动，系统架构要发生什么变化。吴飞的部分回到更底层的脉络，用「AI 三大主义」——符号主义、连接主义、行为主义——来梳理 DeepSeek 这类大模型在方法论上继承了什么、又绕开了什么。这种讲法对工程读者的价值在于，它不把大模型当成一个黑盒服务，而是让你看到它背后的假设和取舍。吴超的「从 DeepSeek 到群体智慧」则把视角从单体模型推到多智能体协作，涉及任务分解、角色分工和结果聚合，这一块和实际做 Agent 系统时的设计决策直接相关。

可以拿来对照实践的模块

如果按工程复用来看，资料里有几类内容值得单独拆出来：

• 能力边界的判断框架。报告里对「chatting」和「acting」的区分，可以直接用在你评估一个模型是否适合接入自动化流程时——它能不能稳定输出结构化结果、能不能在失败时给出可解析的错误，这些比单纯的对话流畅度更值得测试。
• 行业应用案例的组织方式。案例本身不一定能照搬，但每个案例里「问题定义—模型介入点—人机分工」的结构是可以借鉴的，尤其是那些需要把模型嵌进已有业务系统的场景。
• 通识教育视角下的能力分层。吴飞讲通识教育，表面上和写代码无关，但实际上提供了一套理解「哪些任务该交给模型、哪些该留给人」的判据，在做产品决策时比技术指标更耐用。
• 多智能体与群体智慧的讨论。如果你正在做需要多个模型或多次调用协同的任务，这部分能帮你提前避开「把单体 prompt 堆大」的常见弯路。

项目结构与阅读顺序建议

资料以报告文档为主，没有配套的可运行代码仓库，所以它的使用方式不是「跑一遍」，而是「读一段、停下来对照自己的系统想一遍」。建议的顺序是先看吴飞的三大主义部分，建立方法论背景；再看陈文智关于突破边界的分析，明确当前模型能做什么、不能做什么；最后看吴超关于群体智慧的内容，把单体能力扩展到系统层。每一部分读完，可以回到自己手头的项目，问一句：这里我假设模型在做哪一类事情，这个假设成立吗。带着具体问题回去读，比顺序通读收获更集中。

适合谁，以及怎么用

这份资料更适合已经动手用过 DeepSeek 或同类模型、并且正在考虑把它接入真实工作流的开发者。如果你还在选型阶段，它能帮你建立判断维度；如果你已经在搭 Agent 或自动化管线，它对能力边界和协作结构的讨论能作为设计时的参照。它不提供开箱即用的代码，但提供了一套可以反复对照的思考框架——在模型能力快速变化的阶段，这种框架往往比某一次具体的实现更值得保留。把它当成一份需要边读边在项目里验证的参考资料，而不是一次性看完的视频，会更能发挥它的价值。