“圖書館 + DeepSeek\"的應用路徑研究

中圖分類號：G250.7 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2025021

Researchon theApplicationPathwayof\"Library + DeepSeek\"

AbstractDeepSeek presents newopportunities forthe inteligentdevelopmentof libraries.Exploring theapplication pathways of DeepSek in libraries is of great significance for advancing AIapplications in the field.Basedonananalysis of DeepSeek’sbreakthrough features，this study examines itsapplicationlandscapeandchallenges，ultimatelysummarizing the \"Library + DeepSeek\" application pathway. The findings reveal that this pathway is structured around four core layers：strategicplaning，systemconstruction，operationalmanagement，andevaluation.Libraries must establishaclear understanding of the technologyand formulate precise implementation plans，complete the developmentof technical systems，servicecontent，andstaf teams，ensureeffectivemanagementofresources，techical infrastructure，anddataand conduct real-time evaluations from both construction and utilityperspectives.

KeyWords DeepSeek; library; AIGC;Generative Artificial Intelligence

2025年1月20日，我國的深度求索公司正式發布大模型——DeepSeek-R1，該款AI產品在算法效率、能耗成本及開源策略上的突破使其瞬間成為現象級產品，引發國際媒體和各行業的廣泛關注。DeepSeek-R1發布一周后迎來用戶爆發式增長，并迅速登頂多個國家的應用商店下載榜，其用戶突破1億僅用了7天，增速遠超ChatGPT（2個月）抖音（9個月）等知名互聯網產品，創下了全球互聯網產品用戶增速的新紀錄[1]。DeepSeek擁有卓越的性能，在數學、代碼和推理任務上的輸出效果可與OpenAI-o1相媲美。自DeepSeek開源后，眾多政府部門、企事業單位迅速宣布接入DeepSeek-R1，真正實現了人工智能（Artificial Intelligence，AI）應用的本地化部署，極大程度上促進了我國AI應用的發展。

圖書館行業長久以來始終關注著信息技術的發展與應用，從互聯網普及過程中出現的數字圖書館，到如今AI技術迅猛發展背景下的智慧圖書館，作為知識與文化的樞紐，圖書館正加速推進智能化轉型。近幾年，圖書館界已逐步引入各類AI技術優化服務效果，如通過云計算、生物識別、模式識別、機器學習、自然語言處理、神經網絡等技術實現圖書館的智能化場館建設、智能化服務、智能化資源建設以及智能化管理[2]。部分圖書館也嘗試借力生成式AI推動圖書館的智能化應用，如國家圖書館基于百度的“文心大模型”發布的智能問答系統“顧朝夕”，可為讀者提供實時的AI生成內容服務[3]。然而，以往圖書館在智能化轉型過程中受限于經費投人不足、技術壁壘、館員AI素養有待提升等問題，圖書館整體在AI領域的拓展性以及相關的前沿技術應用不足，在個性化服務與深度交互方面仍存在瓶頸。在此背景下，以降本增效、開源普惠為突破點的DeepSeek能夠為圖書館行業的AI應用推進工作帶來新的契機。基于此，本文擬從DeepSeek的突破性特征分析出發，剖析DeepSeek的應用態勢與應用挑戰，構建出“圖書館 + DeepSeek”的應用路徑，為我國圖書館推進AI應用的工作開展提供參考。

1DeepSeek的突破性特征

在DeepSeek問世之前，國內的百度、阿里巴巴、騰訊等互聯網公司也曾推出文心一言、通義千問、混元大模型等AI產品進行市場探索，但均未能像DeepSeek那樣成為大規模現象級產品。DeepSeek之所以能夠達到前人難以企及的高度，主要原因在于其通過技術創新和市場策略實現了“更智能”“更親民”“更普及”等多方面突破。

1.1 算法技術突破 降本增效

DeepSeek系列作為大模型產品，其關鍵技術核心仍繞不開算法、算力及數據三個層面。在算力層面，雖然深度求索的母公司幻方早已在幾年前就開始布局AGI的研發工作，并早在2019年成立之初就開始集攢顯卡，成為早期國內能夠達到ChatGPT算力要求量級（萬張A100加速卡）的六家公司之一（其余五家分別是商湯科技、百度、騰訊、字節跳動和阿里巴巴）4，但英偉達掌控全球大部分算力主權的形勢仍無法撼動，因此在算力層面難以實現真正突破。在數據層面，以DeepSeek-V3為例5，V3模型在預訓練階段使用了14.8萬億個高質量標記的Token，充分保障了訓練數據的質與量，但數據層面的工作更多是作為底層基礎，人類的數據資源是有限的，數據層面的跨越級突破也較難實現。既然在算力和數據層面難以突破，DeepSeek團隊便通過優化與創新將模型的算法效率提升到極致，最終成功在算法層面上取得突破性進展。

我們可以簡單將效率理解為有效產出與投入成本的比值，即“效率=產出/投入”，因此提升算法效率可以從兩個方面改善，一是提高產出，二是壓縮投入，DeepSeek在這兩個方面進行了無比細致的規劃，以達到降本增效的效果。在提高產出方面，Deep-Seek團隊主要的算法創新及應用突破在于以下幾點：（1）優化后的混合專家模型（Mixture ofExperts，MoE）架構，該架構通過組合多個專家模型以處理復雜任務，已被多款AI大模型使用，但DeepSeek的創新之處在于細粒度專家劃分、共享-路由專家策略及無輔助損失負載均衡策略，讓模型保持高效訓練和動態平衡的同時，顯著提升性能。（2）DualPipe流水線并行算法，有效改善了流水線的停滯現象，實現計算與通信階段的重疊，從而提升了GPU的利用率，并降低了通信開銷。（3）多token預測（Multi-TokenPrediction，MTP）技術，盡管MTP技術是由美國的Meta公司提出的[7]，但DeepSeek率先將MTP應用于模型訓練中，通過并行預測多個token、增強預測能力并提升數據效率。在壓縮投入方面，DeepSeek 團隊引入了創新性的多頭潛在注意力（Multi-headLatentAttention，MLA）機制，該機制是由多頭注意力機制（Multi-HeadAttention，MHA）改進而來，能夠讓模型通過更高效的注意力交互方式，緩解了大模型在長序列、高維度上的計算瓶頸，是DeepSeek能夠實現低成本訓練大模型的關鍵環節[9]。除了MLA機制之外，DeepSeek還創新了8位浮點數（FloatingPoint8bit，FP8）混合精度訓練框架，以犧牲部分非重要精度為代價，提升了計算速度，有效提高了單位GPU小時的計算利用率，極大降低了整體的訓練成本，對于需要更高精度的模塊，DeepSeek則保留了BF16/FP32精度，平衡了效率與穩定性。

DeepSeek的V3、R1模型訓練成本在百萬美元級別，相較于動輒上億美元訓練成本的國外大模型，DeepSeek通過算法優化取代算力堆砌成為核心競爭力。低成本是技術普及的基本要求，DeepSeek的技術路線給更多的國家與企業展示了以算效為核心，降低成本入局AI的可能性，推動AI格局進人以追求高算效和高能效為主的新階段[10]。

1.2 市場策略突破 開源普惠

Meta的首席AI科學家楊立昆對于DeepSeek的評價是“開源模型正在超越專有模型”，DeepSeek能夠引發全球熱潮的原因之一在于其選擇了合適的市場策略。DeepSeek并不是首個開源大模型，部分國外企業也嘗試過在開源市場進行探索（如2023年Meta發布的開源大模型LLaMA），但其實際市場效果遠不如DeepSeek，究其原因在于以下幾點。

首先，DeepSeek打破了人們先前的“開源=低配”的認知。以往的開源模型性能明顯落后于閉源模型，而DeepSeek-R1開源模型的性能能夠做到比肩甚至在某些模塊上優于對標的閉源模型Ope ，首次實現了開源模型性能對標閉源模型性能標桿，讓大多數集體和個體在選擇大模型產品時會更傾向于能進行本地化部署以保障數據安全的同時且性能不弱于閉源產品的DeepSeek。其次，DeepSeek在開源的基礎上還選擇了門檻極低的MIT協議，即允許用戶自由使用、修改和對修改后模型的商業化，這意味著開發者的限制被極大降低，尤其是對于企業而言能夠有效減少試錯成本，從而推進應用快速落地。再次，DeepSeek在價格上具有顯著優勢，尤其是V3模型，其輸入和輸出價格遠低于OpenAI的GPT-4o等高端模型[]，再加上“夜間API調用大降價\"策略[3]，可以讓用戶享受更經濟、更流暢的使用體驗，真正意義上實現了價格普惠，進一步提升了市場熱情。此外，DeepSeek專注構建全棧式的開源生態，其在2024年2月下旬的開源周連續開源了FlashMLA、DeepEP、DeepGEMM、DualPipe、EPLP、3FS、Smallpond[14]，在公開訓練代碼、技術論文和研發細節的同時，還提供了模型蒸餾工具鏈，吸引了眾多全球研發者參與優化，加快迭代速度。

開源生態能夠形成巨大的虹吸效應，一旦其具備良好的規模，就能與閉源市場相抗衡[15]。Deep-Seek的開源策略也逐漸影響到了大模型的行業走向，越來越多的AI企業也開啟了大模型的開源計劃。如2025年2月，字節跳動、昆侖萬維、百度文心一言等均推出開源模型[16]；2025年3月，阿里巴巴發布并開源了全新的大模型通義千問 QwQ-32B ，該模型的性能可與DeepSeek-R1相媲美，同時兼具成本低的特點[7]。開源普惠的AI行業態勢將進一步提升AI的普及率和滲透率，讓AI大模型走進各行各業以及每個普通人的生活不再遙不可及。

2DeepSeek的應用態勢及應用挑戰

2.1DeepSeek在各行業的應用態勢

DeepSeek-R1在發布后迅速“破圈\"引發熱議，高性能、低成本、本地部署安全性高等優勢讓Deep-Seek在多行業呈現出跨領域滲透和生態重構態勢，政府、金融、醫療、互聯網、教育等行業陸續開始根據自身的需求與特色進行大模型的應用規劃，并打造出了多元化、可落地的應用場景。目前各行業對于DeepSeek的應用態勢聚焦于以下兩個方面：

（1）利用DeepSeek提升業務效能。DeepSeek對于各行業的業務效能提升是最顯著的應用態勢，此類工作通常以推進DeepSeek通用場景落地為主，如對話式問答、智能檢索、工作內容生成以及文本解讀等，利用大模型提升原有業務質量與效率，落地難度較低[18]。如廣州\"12345\"政務熱線系統接入Deep-Seek之后，話務員可以在DeepSeek智能轉化語音的協助下，快速梳理來電訴求，同時精準提取訴求熱線的核心要點，對數據進行標注歸類，實現“分得準、辦得快\"[19]；微信、百度、知乎、微博等互聯網平臺陸續宣布接入DeepSeek，通過AI搜索提升用戶的使用體驗[20]；眾多央企通過DeepSeek的本地化部署創建了AI智能助手應用，實現了智能問答、智能辦公等業務優化，有效提升了員工的工作效率[21]。

（2）通過DeepSeek訓練垂直領域應用。Deep-Seek的本地化部署浪潮已經讓多個行業結合本地數據集與知識庫逐漸實現垂直領域深化，尤其在金融、醫療、工程設計等行業勢態明顯，此類垂直應用場景屬于AI應用的“深水區”，落地難度較大，但潛在價值高。如中國郵政儲蓄銀行依托自有大模型“郵智”，本地部署并集成DeepSeek模型，構建出股權財報分析助手、AI財富管家、風險防控助手等應用場景[22]；南通市第一人民醫院在接人DeepSeek模型后，首次將放射信息系統和病理系統與R1模型進行融合，構建“智能報告質控 ⁺ 病理符合判斷\"雙保障體系，該功能使單病例復核效率提升 400%^[23] ；長江設計集團基于DeepSeek的本地化部署，創新構建了防洪知識大模型、防洪決策大模型、“決策智腦\"防汛指揮系統、“庫區地質災害”及“隧洞地質風險\"等模塊構成的地災數字孿生平臺，將傳統方案制定周期大幅壓縮[24]。

2.2DeepSeek在圖書館行業的應用態勢

圖書館界時刻關注著信息技術的發展動態，在此次DeepSeek浪潮下，國內已有多家圖書館宣布接入了DeepSeek，為用戶提供前沿的智能化服務，其應用場景主要聚焦于智能問答、資源推薦、業務辦理以及科研支持等。如揚州大學圖書館的AI館員“圖小智\"全面搭載DeepSeek-R1滿血版，通過對接圖書館專有知識庫，覆蓋圖書館全場景咨詢服務，使問題精準直達，答復效率翻倍[25]；蘭州大學圖書館的AI館員借助DeepSeek算法，可從海量文獻中精準匹配用戶需求，讓圖書、期刊、論文一鍵直達，還可以根據用戶的閱讀習慣推薦匹配讀物[26]；山東大學圖書館的AI館員“山小圖\"依托DeepSeek系列模型，深度對接圖書館業務系統，實現圖書續借、座位預約、入館教育等具體業務的一站式服務集成，極大程度上方便了用戶使用[27]；西北工業大學圖書館搭載了Deep-Seek滿血版的AI館員能夠完成一站式AI檢索，并根據檢索結果快速獲取原文文獻，還能夠幫助用戶進行文獻精讀，以及提供自動生成文獻綜述、開題報告等科研支持服務[28]。除了上述DeepSeek在圖書館領域的通用應用場景之外，部分圖書館也開始通過DeepSeek訓練垂直領域應用，如常州圖書館于2月25日發布的基于DeepSeek本地化部署的常州地方文化大語言模型，以“垂直深耕\"為特色，提供地方文化資源的一站式知識檢索和深度解讀，相較于使用通用AI工具可以得到更加專業和精準的回答，這也標志著公共圖書館領域的AI融合實踐邁入新階段[29]。

2.3DeepSeek的應用挑戰

DeepSeek的廣泛應用案例反映了當下基于AI大模型應用的各行業智能化總體發展趨勢。在部分成功案例的示范效應和各行業智能化轉型的績效壓力的雙重驅動下，不同行業在大模型部署工作中呈現出相似的“DeepSeek狂熱\"態勢，各類AI助手的部署浪潮迭起。但與此同時，由于部分機構單位缺乏大模型應用經驗與系統性規劃，導致其在部署DeepSeek之后并未有效提升相應的業務質量，反而可能造成資源浪費與安全問題，此類現象值得業界深入思考。本文以圖書館行業為例，剖析圖書館在Deep-Seek的應用過程中可能會面臨的挑戰，為后續的“圖書館 + DeepSeek\"應用路徑構建提供應對參考。

2.3.1形式主義與技術主義

圖書館在推進DeepSeek應用的過程中可能會出現形式主義與技術主義現象。部分圖書館在引入大模型應用時，可能會更關注智能化的表層效果，而非深度融入實際服務，導致技術應用流于表面，僅形成華麗的交互界面，未能真正提升用戶使用率與使用體驗。這種“形象工程\"往往忽視了技術落地的核心價值，使得投入巨資打造的AI館員淪為擺設，而無法做到實質性的服務效能提升。同時，當前互聯網市場上的DeepSeek產品層出不窮，包括騰訊元寶、百度AI搜索等平臺，均已接入完整版本的Deep-Seek，并向用戶提供免費使用權限。在這一背景下，經費相對有限的圖書館若未能精準定位自身需求、合理評估實際條件，而僅是盲目跟風上線類似產品，則可能面臨AI館員無人問津、資源浪費的局面。面對這一問題，圖書館首先需明確，智能化建設不僅僅是簡單的技術堆砌，而是一項綜合性的運營與管理工程，其推進工作需建立在充分的前期論證之上，精準分析本館的業務需求、資源條件及發展定位，并在此基礎上制定科學合理的實施策略，避免“一刀切”式的部署思路。在實踐過程中，應強調高層決策的引領作用，同時充分調動全體館員的積極性，在實際推進過程中努力鍛造圖書館智能化應用的運營與管理能力，提升智能化服務的專業水平。此外，圖書館還應高度重視本地數據庫、知識庫及語料庫的建設，這不僅是提升DeepSeek應用價值的關鍵，更是圖書館DeepSeek區別于市場競品、發揮特色優勢的重要支撐。通過加強本地知識庫構建，結合特色館藏資源數據，圖書館可有效提升DeepSeek的專業性、精準度與實用性，從而真正實現AI技術與圖書館業務的深度融合與長遠發展。

2.3.2算力資源問題

盡管DeepSeek在應用層面對算力需求相對較低，但在企業級應用場景下，仍需要強大的計算資源支撐。如被稱為“滿血版\"的DeepSeek-R1，其參數規模高達6710億，最低算力要求為雙H100GPU和1TB內存，而推薦配置則是由8張A10080GGPU組成的服務器集群，并配備相應的硬件優化與管理維護能力。這一高昂的算力需求對于多數圖書館而言是一個重大挑戰，因此，建立算力共享平臺成為必要的解決方案[30]。圖書館可以通過建設算力網絡，將分布式計算節點互聯，實現算力與網絡的一體化提供、一體化調度和一體化交易，并針對不同類型的圖書館，采取差異化的算力共享策略。對于公共圖書館，可以依托總分館模式，由總館建設并運維專用的算力中心，統一調度和管理計算資源，從而有效彌合基層圖書館在算力條件上的差距。對于高校圖書館，在對DeepSeek進行本地化部署之前應充分考慮學校已有的算力基礎設施，優先依托校級算力中心，以降低建設與維護成本。此外，根據實際經費條件，高校圖書館還可適當自建低算力硬件環境，主要用于學術研究的實驗、測試等輕量級任務，確保在資源受限的情況下依然能夠開展基礎的AI應用探索。

2.3.3用戶使用風險

用戶在使用圖書館DeepSeek的過程中可能會存在一定風險。DeepSeek大模型雖然在處理結構化信息任務上表現優異，但也存在一定的認知局限，在部分情況下可能會生成看似合理但實際錯誤的內容，此類“幻覺\"問題在圖書館DeepSeek的參考咨詢、知識問答、情報分析等場景中可能會直接影響用戶的信任感和使用體驗。同時，DeepSeek在圖書館領域的廣泛應用可能會引發用戶的“濫用”風險。部分高校圖書館構建的Deepseek科研支持服務場景雖然可以助力師生的科研工作，但也可能導致師生忽視獨立思考、引用錯誤信息，甚至濫用AI輔助完成學術寫作，影響科研誠信。面對此類風險問題，圖書館應盡快建立DeepSeek生成內容的審查與糾錯機制，定期對系統的生成內容結果進行抽查與評估，確保其準確性與可靠性，并在發現問題時及時優化算法、調整權重，降低錯誤內容的出現概率。同時，圖書館還應實施全面的用戶AI素養培訓計劃，培養用戶的批判性思維，幫助其理解AI的局限性，提升對大模型生成內容的辨別能力，引導用戶合理使用DeepSeek，避免盲目信賴。此外，為進一步規范用戶行為，圖書館需建立科學合理的違規處理機制，實時監控用戶對于DeepSeek的使用行為數據，預防濫用風險，通過合理的引導與管理，確保AI技術在圖書館環境中的安全、高效與合規應用。

3“圖書館 + DeepSeek\"的應用路徑

DeepSeek浪潮對于我國圖書館界推動智能化轉型是一次難得的良機，然而就像面對信息化、網絡化、數字化的浪潮一樣，圖書館需要在應用過程中不斷探索才能開辟出可行的道路。對圖書館面對信息技術革新的探索與研究進行溯源時可以發現，其整體的發展路線可歸納為“戰略提出-建設落地-運營管理-評價反饋\"[31-33]。首先，通過頂層戰略架構設計明確認知與規劃，為后續進程做好全局部署；其次，根據戰略規劃落實建設項目，統籌推進相關應用；再次，對圖書館的相關轉型工作進行運營管理，保障工作的高效運行；最后，針對各環節的實際推進情況進行評估反饋，發現并改善可能存在的問題，進一步提升圖書館轉型效率。基于此，本文提出以“戰略層-建設層-運營管理層-評價層”為核心的“圖書館 + DeepSeek\"應用路徑框架（見圖1）。

3.1 戰略層

圖書館應用DeepSeek實現智能化轉型，需要在明確認知的基礎上確定未來工作規劃，構建合理、適宜的系統化戰略框架。在認知層面上需做到明確自身定位與用戶需求，在規劃層面上需做到確定發展目標、主要任務及實施舉措。

3.1.1兩個認知上的“明確”

（1）明確自身定位。一方面，圖書館的類型可根據服務對象的不同劃分為公共圖書館、學校圖書館以及專門圖書館[34，同一類型圖書館之下又可細分出多種類型的圖書館，不同類型的圖書館在角色定位上的區別將影響DeepSeek的應用情況。如公共圖書館的角色定位偏向于“社會服務者”，那么其對于DeepSeek系列產品的選擇應適用于服務社會大眾群體，而高校圖書館的角色定位偏向于“師生服務者”，這種情況下的選擇更需要考慮相關產品對于師生科研工作的支持水平等。另一方面，圖書館還需要明確自身的智能化成熟度水平，如通過評價方法明確本館的智能化建設成熟度[35]，以此為依據選擇適宜的DeepSeek產品對已有的智能化服務進行補充，從而做到資源分配的高效化。

（2）明確用戶需求。圖書館的功能設計與服務安排需以用戶需求為導向，DeepSeek應用的選擇與設計亦是如此。圖書館的用戶類型大致可分為閱讀型、設施型、活動型以及休閑型等[36]，其需求以文獻資源服務、空間設施服務、文化教育服務、休閑娛樂服務以及信息咨詢服務為主[。圖書館應通過廣泛調查明確本館的用戶需求，并以此為導向選擇最能夠提升用戶滿意度的DeepSeek產品，更有針對性地提升服務質量。

3.1.2三個規劃上的“確定”

（1）確定發展目標。圖書館對于自身定位及用戶需求有了清晰的認知之后即可開始確定發展目標，為應用DeepSeek改善圖書館的服務質量指明方向。在建設目標層面，需確定DeepSeek技術系統和業務內容的建設目標，以及具備高數智素養的館員人才隊伍建設自標。在運營管理自標層面，需從人、財、物、技術、業務、安全管理等方面確定對應目標，如DeepSeek使用率、滿意度指標，DeepSeek結合圖書館本地知識庫的垂直訓練效果指標，相關的安全治理標準制定與執行目標等。此外，發展目標的制定還需具有階段性，短期目標以完善圖書館Deep-Seek的基礎應用功能和提升使用率為主，中期目標以構建富有圖書館本地特色的垂直領域應用為主，長期目標則需聚焦構建基于DeepSeek的圖書館智慧服務生態[37]。

（2）確定主要任務。如果將目標比作是價值導向的“終點”，那么任務就可以理解為行動導向的“路徑”。圖書館應秉持“自標牽引任務，任務支撐目標”的原則，在目標的指引下，統一規劃DeepSeek應用的主要任務。在建設任務方面，圖書館需確定Deep-Seek的本地化部署參數型號、DeepSeek的應用功能內容，以及人才團隊培養的建設任務等。在運營管理方面，圖書館需在對應目標下進行任務分解，如在DeepSeek的使用率目標下，確定相關的宣傳推廣、AI通識教育、AI實踐活動等任務；在DeepSeek的滿意度目標下，確定相關的滿意度評估、定期更新AI系統等任務；在DeepSeek的垂直領域應用目標下，確定本地知識庫、數據庫的分階段訓練任務等。同時，圖書館還需在規劃中確定本館的重點任務與次要任務，確保館員對于重點工作的明確，更有針對性地推動DeepSeek在圖書館的應用工作。

（3）確定實施舉措。圖書館對于DeepSeek的應用工作應以發展目標和主要任務為指導，在分步實施中穩步推進。將目標與任務按年度、季度、月度為單位進行分解，以重點任務為牽引，逐步完成推進工作。圖書館也可采取“總規劃、局部先行”的策略，從某些要素與環節切入，再推廣到全要素、全流程，如先從DeepSeek如何應用于圖書館參考咨詢服務切人[38]，在對相關的DeepSeek模型、圖書館數據庫、知識庫、用戶交互、圖書館系統等要素進行布局并成功應用之后，再以此為經驗基礎逐步推廣至圖書館的閱讀服務、智庫服務等。此外，從圖書館行業視角來看，圖書館還可以進行試點先行，通過先進示范引領更多的圖書館構建基于DeepSeek的數智化服務體系。

3.2 建設層

圖書館應遵照戰略規劃的部署，依照自身的優勢、特色等選擇適合的建設路徑與方案，形成富有特色的建設模式，統一推進\"圖書館+DeepSeek\"的技術系統建設、業務內容建設以及館員隊伍建設。

3.2.1 技術系統建設

圖書館推進DeepSeek大模型技術系統建設的路徑主要可以分為兩類，分別對應通用場景領域和垂直場景領域。一方面，圖書館可通過檢索增強生成（RetrievalAugmentedGeneration，RAG）技術，直接調用DeepSeek開源大模型接口，結合本地構建的領域知識庫，提供相關服務。目前大多數開始應用。

DeepSeek的圖書館都是采用該建設路徑，其面向的主要是以智能問答功能為代表的通用場景需求。RAG技術可通過獲取外部知識庫信息提升大模型的生成能力，結合知識庫可動態更新的特點，模型生成內容的準確性和時效性可以得到有效提升。另一方面，圖書館還可通過構建特色語料庫，結合微調參數，訓練具有本館特色的垂直領域大模型，如前文提及的常州市圖書館部署的常州地方文化大語言模型，而高校圖書館可通過聚焦學科特色，構建以高質量學術文獻、項目報告為核心的特色語料庫，訓練針對特色學科的大模型。此外，圖書館在建設DeepSeek大模型技術系統時還應全面考慮本館的軟硬件條件、經費預期、效果預期等因素，對大模型版本進行合理化選擇。同時，圖書館界還應建立和優化數據交換與共享機制，利用技術手段消除各圖書館之間的數據共享障礙，實現跨館的數據互聯互通，推動單一的文獻服務向全面的數據服務升級轉型[37]。

3.2.2服務內容建設

基于DeepSeek的圖書館服務內容建設可參考前文提及的各行業對于DeepSeek的應用態勢：一是推動DeepSeek與圖書館原有服務的進一步融合；二是對圖書館創新服務的有效實現。首先，圖書館服務的類型包括閱讀服務（借閱服務、導航與檢索服務、推薦服務、閱讀推廣等）情報服務（科技查新與情報分析等）知識產權信息服務、咨詢服務、智庫服務、學科服務、科研支持服務等。從目前已經開始應用DeepSeek的圖書館來看，大多數已實現DeepSeek與閱讀服務、咨詢服務的初步融合，能夠支持用戶通過接入DeepSeek的智能問答系統或AI館員使用館務查詢、知識問答、讀物推薦等服務。未來圖書館需要嘗試進一步提升DeepSeek的業務應用廣度與深度。在廣度上，加速推進未融合業務模塊與DeepSeek的整合進程，如將知識產權信息服務、情報服務、學科服務等融人DeepSeek系統，確保全方位覆蓋與深度協同；在深度上，持續深化已整合業務模塊與DeepSeek的系統耦合度，重點推進智能檢索系統、云端書庫、智能數字閱讀平臺等場景的底層架構重構，實現API趁熱接人到智能中樞的深度嵌人，進一步提升用戶體驗。其次，基于生成式AI的場景創新已逐漸成為近兩年圖書館服務范式躍遷的戰略支點，除了常州市圖書館推出的地方文化大語言模型等案例之外，圖書館還應積極挖掘潛在的應用場景，如支持沉浸式閱讀的AI閱讀助手、支持精準學術評價的AI科研助理、基于虛實融合的AI虛擬圖書館服務等，通過多維度的場景創新豐富圖書館應用Deep-Seek的服務內容建設。

3.2.3館員隊伍建設

面向DeepSeek應用的圖書館館員隊伍建設，應圍繞“ AI+ 專業館員”的核心要點，構建能夠適應AI時代的館員團隊。在具體操作上，圖書館可通過分層培養的方式，構建以基礎層、中間層、頂層為構成要素的“金字塔型\"能力結構館員隊伍。對于基礎層，可采取AI素養教育的方式，開設AI通識教育、AI實踐教學等培訓課程或講座，提升全體館員的AI素養，如國防科技院校圖書館聯盟于2024年5月開展的館員AI培訓會，為打造具備較高AI素養的館員團隊貢獻力量[39]；對于中間層，可針對業務場景進行骨干力量的定制化培訓，針對圖書館的AI相關核心業務進行館員培訓，如四川大學圖書館將館員的AI培養劃分為編目自動化組、科技查新組、學科分析組等八個小組，通過“項目化學習”提升圖書館各業務方向的AI人才儲備[40];對于頂層，圖書館應積極引進與聯合培養DeepSeek相關的專家型人才，將“ ?AI+ 圖書館學”納入新的館員招聘標準，并與高校、科研機構合作，聯合培養交叉學科館員，儲備頂尖型館員人才。

3.3運營管理層

對于DeepSeek相關的建設成果，圖書館應以優化用戶體驗為導向，努力鍛造其運營與管理能力，打造富有成效的運營與管理模式，具體可從“人、財、物\"管理、技術系統管理、業務管理、安全管理等方面提升其智能化服務的專業水平。

3.3.1人、財、物管理

“人\"的管理是指對圖書館DeepSeek用戶的管理，即圖書館對用戶的信息、行為和需求進行管理與優化的過程，旨在為用戶提供更高效、便捷、個性化的服務。首先，圖書館應對本館的DeepSeek用戶的數據信息進行系統化管理，如借助AI工具自動收集、分類和更新用戶的注冊信息和歷史記錄信息，并通過分析用戶信息建立用戶畫像，初步了解用戶使用DeepSeek的相關需求。其次，圖書館應根據DeepSeek的平臺系統日志采集用戶的訪問行為，在此基礎上對其行為數據進行分析，提取用戶行為模式，識別用戶偏好，如國家圖書館通過大模型問答平臺的日志分析提取出用戶的不同需求[41]。最后，在整合了用戶使用DeepSeek的相關需求之后，還需通過實時數據分析監控用戶需求變化趨勢，針對不同需求提供差異化服務，為用戶提供更加高效、便捷的服務體驗。

“財”的管理即是對圖書館應用DeepSeek的經費管理。有研究表明，目前我國圖書館開展AI應用的經費投人還未形成較大規模，大多數圖書館的經費預算不足成為推動AI應用發展的主要困境之二[42]。面對這一問題，圖書館應進一步細化管理開展DeepSeek服務的相關經費條目，統籌管理生產端技術系統的開發投入、消費端的軟硬件投入和交互設備的購置投入等，在有限的經費條件下選擇性價比最高的建設與運營方案。

“物”的管理是指圖書館應用DeepSeek的相關資源管理，即圖書館對DeepSeek相關的各類資源進行組織、更新和共享的全過程，從而達到資源的合理分配、設計和優化的目的。DeepSeek相關的資源組織主要聚焦于圖書館知識庫與語料庫數據的整理、分類與標注，通過特色知識庫與語料庫的構建與使用，充分發揮本館的資源特色；資源更新是圖書館根據用戶的需求變化、文化發展、社會趨勢，對Deep-Seek的相關資源進行補充、淘汰、替換和優化的動態管理過程，圖書館應對知識庫即訓練語料庫進行實時更新，從而保障DeepSeek的準確性和時效性；資源共享是多個圖書館或信息服務機構通過合作，將各自的資源互聯互通，共同為用戶提供更廣泛的DeepSeek服務的過程，該項工作可以參考基于區塊鏈的聯盟鏈平臺（如FISCOBCOS聯盟平臺[43]）等方式實現，其高易用性、高性能、可運維性、高安全性等特點可以保障圖書館聯盟的有效使用，圖書館可據此構建專屬的聯盟鏈平臺，實現DeepSeek資源的高效流通，促進相關單位之間的資源共享。

3.3.2技術系統管理

技術系統管理是指圖書館對DeepSeek相關的各類系統進行技術創新改造、系統更新、系統維護的過程，從而進一步確保圖書館DeepSeek的安全、穩定、高效運營。首先，圖書館可利用新一代信息技術助推圖書館DeepSeek的創新改造，如將元宇宙技術和DeepSeek模型相結合，可讓DeepSeek在虛擬空間以虛擬人的形式與用戶進行交互，讓DeepSeek根據用戶的興趣推薦資源或引導其探索相關區域，為讀者提供全新的圖書館使用體驗。其次，當前AI大模型行業發展態勢迅猛，圖書館應積極關注包括DeepSeek在內的開源大模型的最新研發進展，通過及時跟蹤該領域的技術動態，確保在更高性能和更優性價比的大模型出現時，能夠實現及時接入，為用戶提供更加便捷和高效的服務。此外，在圖書館DeepSeek系統的日常運行中，圖書館應充分利用AI技術進行運行質量的實時監控和自動化維護，如借助智能監控工具實時檢測系統的健康狀態，快速響應潛在的技術故障，并安排專員或采取自動化措施進行及時修復；還可通過自動化維護進行定期的性能優化和更新管理，確保DeepSeek始終處于最佳運行狀態，減少系統停機時間，保障用戶的持續訪問和使用。

3.3.3數據管理

數據是大模型的基礎，是決定大模型應用效果的關鍵因素之一。圖書館需要制定相應的數據使用規范、標準和流程，以確保DeepSeek數據的質量、可靠性、安全性和正確性。DeepSeek相關的數據管理要以其應用的發展目標為宗旨制定相關的數據策略，既要考慮到DeepSeek應用的生命周期，如數據存檔、加工復用、版本更新、質量檢測、備份恢復等，還要重視法律、規定、版權、行業標準和道德等方面的要求，以確保應用的合規性[44]。對于圖書館 Deep-Seek的數據而言，管理難度較大的是文獻內容數據和支持圖書館系統的知識庫數據[37]，前者需要在獲得出版社和作者授權的基礎上，通過專門的AI工具進行處理，其對技術、算力和存儲等方面有一定要求；后者則需要制定中長期規劃，分批次、分階段實施，確保知識庫的逐步完善與持續更新。此外，DeepSeek的本地化部署在一定程度上能保障數據的安全性，但與用戶的智能交互過程中，可能會出現數據安全問題，如用戶在提出某些敏感問題時可能觸發一些敏感數據，面對此類情況則需要加強人工干預，對用戶與圖書館DeepSeek的交互過程進行整體性的監督審核，保障數據安全[38]。

3.4 評價層

針對DeepSeek相關的建設和運營管理成果，圖書館應致力構建科學、合理、可操作的圖書館 Deep-Seek評價體系，全面衡量DeepSeek相關的建設質量與實際效用，為圖書館優化相關工作提供反饋數據，具體可從“建設評價\"和“效用評價\"兩個方面進行評估反饋。

3.4.1建設評價

圖書館DeepSeek相關的建設評價可聚焦于技術系統建設評價、服務內容建設評價及人才隊伍建設評價等方面，以確保DeepSeek能夠高效融入圖書館的智能化發展進程。

在技術系統建設評價方面，需重點考察DeepSeek技術體系的合理性，評估其是否依據本館的業務需求選擇了合適的大模型產品，確保其在智能問答、知識檢索、個性化推薦等方面的能力能夠精準匹配用戶需求。同時，系統的穩定性與安全性也是關鍵評價因素，需確保DeepSeek能夠在高并發環境下穩定運行，并采用了嚴格的數據安全與隱私保護措施。此外，數據更新的及時性也是重要指標，需評估圖書館是否有按照既定周期對知識庫進行數據更新，以確保DeepSeek輸出信息的準確性、時效性。

在服務內容建設評價方面，需重點關注Deep-Seek與圖書館現有服務體系的融合程度以及場景創新的挖掘和落地情況。如DeepSeek是否能夠深度嵌入圖書館的閱讀服務、情報服務、學科服務等傳統業務，推動圖書館服務的智能化升級。同時，還需評估其在創新應用場景中的探索進展，確保其能夠真正滿足不同用戶群體的需求，充分發揮大模型的應用潛力。

在人才隊伍建設評價方面，圖書館應積極對開展的DeepSeek培訓內容進行系統性評估，確保館員能夠熟練了解培訓中相關技術并應用于實際服務之中。同時，還需對人才招聘標準進行評價，確保圖書館能夠有效引入符合DeepSeek背景的專業型人才。此外，還應盡快構建科學合理的館員數智素養指標體系，以量化評估館員在AI技術環境下的業務能力、技術理解能力和服務能力，推動館員隊伍的全面發展，確保DeepSeek的技術潛力在專業隊伍的引領下能夠發揮最大化收益。

3.4.2 效用評價

圖書館在對DeepSeek進行效用評價時，應重點圍繞與用戶的交互效果評價、用戶滿意度評價以及具體應用場景的使用效果評價等方面展開，以確保DeepSeek在融入圖書館之后能夠具有較好的運行效果。

在交互效果評價方面，圖書館需重點關注DeepSeek交互界面的易用性指標，尤其是面對不同用戶群體時，交互界面的操作是否簡便直觀，確保用戶可以快速上手并流暢使用。同時，還需要評估DeepSeek在與用戶交互過程中的響應速度、生成內容的準確性和相關性，以及其在復雜檢索任務中的智能化程度，確保其在具備輸出效率的同時，還能提供高質量的內容支持。

在用戶滿意度評價方面，圖書館應積極提升用戶評價的參與度，建立完善的用戶反饋機制，可采用問卷調查、用戶訪談、在線評分等方式收集用戶反饋，綜合評估DeepSeek在不同類型用戶群體中的適用性，并根據反饋不斷改進DeepSeek的系統功能，提升用戶滿意度。

在具體應用場景的使用效果評價方面，需要針對不同應用場景設定相應的評價指標。如在科研支持場景中，需評估DeepSeek在學術文獻檢索、研究綜述生成、開題報告撰寫以及學術倫理方面的表現；在閱讀服務場景中，需評估DeepSeek在讀物推薦的精準度、閱讀服務功能的適用性以及其在用戶個性化閱讀體驗中的實際效果；在學科服務場景中，則需評估DeepSeek的學科交流能力、學科文獻搜集與推薦能力以及學科情報分析能力等。

4結語

DeepSeek帶來的算法技術及市場策略突破，加速了大模型技術從實驗室向實際應用的落地工作，為圖書館的智能化轉型提供了強勁動力。作為知識傳播的重要樞紐，圖書館近年來不斷深化數字化變革，推動智能化的知識服務體系建設，構建智能化信息管理與用戶服務模型。從ChatGPT的爆火到如今DeepSeek的廣泛應用，生成式AI正逐步融入圖書館的各類服務場景，推動圖書館行業的創新步伐不斷向前。本文從DeepSeek的突破性特征分析出發，剖析了DeepSeek的應用態勢與應用挑戰，并搭建了以“戰略層-建設層-運營管理層-評價層”為核心的“圖書館 + DeepSeek\"應用路徑。未來，圖書館界應繼續審時度勢，科學應對AI時代的多方面挑戰，積極探索全新的智能化轉型路徑，發揮圖書館的精神內核，為用戶創建更高效、更便捷、更智能的信息服務平臺。

參考文獻：

[1]DeepSeek7天突破1億用戶，成最快應用里程碑[EB/OL].[2025-03-01].htps：//ww.sohu.com/a/856916586_122014422.

[2]張煒，高馨.公共圖書館AI應用現狀與發展策略研究[J].國家圖書館學刊，2023，32（5）：75-83.

[3]國家圖書館.嗨，很高興認識你！我是“顧朝夕\"[EB/OL].[2025-03-01].htps：/mp.weixin.qqcom/s/wRHyTFpTz_v37yfx5b XnWQ.

[4]ChatGPT需要1萬張NVIDIA A100顯卡成本超10億國內6家公司負擔得起[EB/OL].[2025-03-04].ttps：//ww.toutiao. com/article/7218756912551199284/？upstream_biz=doubaoamp;source=m_redirect.

[5]Liu A，Feng B，Xue B，et al.Deepseek-v3 technical report[J].arXiv preprint arXiv：2412.19437，2024.

[6]張慧敏.DeepSeek-R1是怎樣煉成的？[J].深圳大學學報（理工版），2025，42（2）：226-232.

[7]GloeckleF，drisiBY，RoziereB，etal.Beteramp;fasterlargeanguage models viamulti-tokenpredictionJ]arXivpeprnt arXiv：2404.19737，2024.

[8]VaswanA，aeN，ParNetalAentnisallyudJ]dvancesiralinfoatioproessigses，： 30.

[9]蔡天琪，蔡恒進.DeepSeek的技術創新與生成式AI的能力上限[J].新疆師范大學學報（哲學社會科學版），2025，46（4）： 136-143.

[10]李國杰.DeepSeek引發的AI發展路徑思考[J].科技導報，2025，43（3）：14-19.

[11]Guo D，YangD，Zhang H，etal.Deepseek-rl：IncentivizingreasoningcapabilityinlmsviareinforcementlearningJ]arxiv preprint arxiv：2501.12948，2025.

[12]模型amp;價格|DeepSeek APIDocs [EB/OL].[2025-03-07].htps：//pi-docs.deepseek.com/zh-cn/quick_start/pricing.

[13］最高優惠 75% ！DeepSeek推錯峰優惠，下調API夜間空閑時段價格[EB/OL].[2025-03-07].https：/baijiahao.baidu.com/ s？id=1825130485410578794amp;wfr=spideramp;for=pc.

[14]DeepSeek·GitHub[EB/OL].[2025-03-07].https：/github.com/deepseek-ai.

[15]周鴻祎談DeepSeek：開啟AI產業的\"iPhone\"時刻[EB/OL].[2025-03-07].htps：//baijiahao.baidu.com/s？id=1823494973 12054726amp;wfr=spideramp;for=pc.

[16]深度開源助推AI大模型普惠\"破圈\"[EB/OL].[2025-03-07].htps：//ews.qcom/rain/a/20250304A01GIL00.

[17］阿里凌晨開源新模型：性能對標 DeepSeek-R1，參數僅為其1/20[EB/OL].[2025-03-07].htps：//mp.weixin.qq.com/s/ 5MnuAu-ffKScHmWsCYJT8Q.

[18］方興東，王奔，鐘祥銘.DepSeek時刻：技術—傳播—社會（TCS）框架與主流化鴻溝的跨越[J].新疆師范大學學報（哲 學社會科學版），2025，46（4）：126-135.

[19]全國率先！DepSeek 絲滑入職廣州12345[EB/OL].[2025-03-10].ttps：//mp.weixin.qq.com/s/-QEYN16n-5ljrfi1FbVW7A.

[20]人均 DeepSeek，微博、知乎、微信被卷入AI搜索大戰[EB/OL].[2025-03-10].ttps：//mp.weixin.qq.com/s/nip1G6rPfAIh pafaOo6XLA.

[21]一文梳理 98家國資央企DeepSeek應用進展[EB/OL].[2025-03-10].htps：/mp.weixin.q.com/s/jEjqr1PFXnWdSb5TGB cqBw.

[22］部署DeepSeek，銀行大模型矩陣擴容！應用場景尚待深化[EB/OL].[2025-03-10].htps：//mp.weixin.qq.com/s/qDj3Hrft

EMYY1Maowc6ysA.

[23］南通一院探索\"AI + 醫療”，深度對接 DeepSeek 效率up up！[EB/OL].[2025-03-10].https：//mp.weixin.qq.com/s/b3VrFYrlejtTKxolDJuWyA.

[24]DeepSeek × 長江設計，真的來啦！[EB/OL].[2025-03-10].htps：//mp.weixin.qq.com/s/bGEuqKtk_OJMPqhQkaoSBQ.

[25］揚大AI館員接入DeepSeek 滿血版：智慧服務重磅升級！[EB/OL].[2025-03-12].ttps：//mp.weixin.qq.com/s/zbDbvYaDrJuCuIYVNeHQ7Q.

[26］蘭州大學AI館員正式接入DeepSeek，開啟智慧圖書館新篇章！[EB/OL].[2025-03-12].ttps：/mp.weixin.qq.com/s/GZP1f-yGFrpvLSvh_iiL2g.

[27］圖書館AI館員 x DeepSeek：智慧服務重磅升級[EB/OL].[2025-03-12].htps：//mp.weixin.qq.com/s/GZP1f-yGFrpvLSvh_iiL2g.

[28]學習地圖全點亮！AI館員+DepSek滿血版重磅推出！[EB/OL].[2025-03-12].ttps：//mp.weixin.qq.com/s/P9KFJvh0lrR7wMQU_1Uh8Q.

[29］常州圖書館率先發布地方文化大語言模型 CZLIB 2.0[EB/OL].[2025-03-12].ttps：//mp.weixin.qq.com/s/jEjqr1PFXnWdSb5TGBcqBw.

[30］楊新涯，戴立偉，錢國富.DepSeek 在圖書館的應用場景構架研究[J/OL].圖書館論壇，1-8[2025-03-15].ttp：/kns.cnki.net/kcms/detail/44.1306.g2.20250218.1639.004.html.

[31]柯平，胡娟，袁珍珍.新中國成立70年我國圖書館事業變革：路徑、經驗與問題[J].國家圖書館學刊，2019，28（5）：41-51.

[32]劉敬儀，劉靜羽，初景利.高校圖書館高質量發展總體設計與發展路徑的思考[J].大學圖書館學報，2023，41（4）：22-28.

[33］邵波，許苗苗，王怡.數據驅動視野下高校智慧圖書館建設及服務規劃——兼論\"十四五\"時期智慧圖書館發展路徑[J].圖書情報工作，2021，65（1）：41-46.

[34］鮮鵬.論圖書館類型劃分的本質屬性——兼論黨校圖書館應該向研究型專門圖書館發展[J].情報資料工作，2002（6）：48-50，54.

[35]段美珍，劉惠，劉琪，等.智慧圖書館建設成熟度評價方法及實證研究[J].現代情報，2023，43（5）：66-78.

[36]孟高慧，何家瑜，劉暢.基于多元服務需求的圖書館用戶類型劃分研究[J].圖書情報知識，2024，41（6）：41-53.

[37］劉暢，孟高慧，林博，等.基于大規模用戶調查的圖書館多元服務需求和滿意度研究[J].圖書情報知識，2024，41（6）：28-40，53.

[38]羅燚，李廣通，何杰.DeepSeek 賦能圖書館參考咨詢服務的路徑[J/OL].圖書館論壇，1-9[2025-03-16].htp：//kns.cnki.net/kcms/detail/44.1306.G2.20250226.1248.003.html.

[39］圖書館舉辦第十一屆校（院）讀書月系列活動——AI應用培訓[EB/OL].[2025-03-17].htps：/mp.weixin.qq.com/s/PYfmd0DrGjYHIirMcnyDuw.

[40］落實人才強館戰略AI賦能專業館員——圖書館舉行2024年 AI+ 業務\"館員培訓工作總結會[EB/OL].[2025-03-17].https：//lib.scu.edu.cn/node/128582.

[41]翟蓉.大模型賦能的智能問答FAQ語料庫建設實踐與思考——以國家圖書館為例[J].四川圖書館學報，2025（2）：80-87.

[42］張煒，高馨.公共圖書館人工智能應用現狀與發展策略研究[J].國家圖書館學刊，2023，32（5）：75-83.

[43]FISCO金鏈盟簡介[EB/OL].[2025-03-18].https：//www.fisco.com.cn/about_2.html.

[44］劉倩倩，劉圣嬰，劉煒.圖書情報領域大模型的應用模式和數據治理[J].圖書館雜志，2023，42（12）：22-35.

作者簡介：吳若航，博士研究生，研究方向：圖書館服務、智慧圖書館；茆意宏，教授，博士生導師，研究方向：信息行為、信息服務。