模型训练

自动动手，用Deepseek打造自己的APS AI Agent

2025 年 2 月 28 日

使用Deepseek构建自己的AI优化助手，让自然语言描述转化为自动求解的Python代码。核心内容： 1. Deepseek直接求解与启发式算法介绍 2. Deepseek对接Excel求解器的实现方法 3. Deepseek如何自动生成Python代码，实现自然语言到求解器的转换

从前面的测试来看，Deepseek中对求解问题能直接求解，但求解精度存在问题。

本文简要介绍如何使用比较专业的求解器来求解。

最终达到的效果是，你用自然语言描述待优化场景，其后就不用操心了，一切交给Deepseek来第三方求解来完成，整个路径通过自动生成的Python代码整合通了。

下图是可参考的框架：

从右往左，一个一个说。

Deepseek直接求解：

最省事。

但Deepseek目前没有专业的求解能力，它使用的属于启发式算法中的某些算法或算法的组合。

启发式算法是什么，我总结了一下，讲人话就是“先走一步，然后走一步看一步”。它只能给出次优解。如果说它给出了一个最优解，那纯属碰运气。

这个“先走一步”，就有多种走法，又细分为不同的算法.

这个“走一步看一步”，怎么个看，又有多种方法，也细分为不同的算法。

更有一些发源于随机搜索算法的算法，比如什么蜂群啦、蚁群啦。

因为这些原因，导致Deepseek每次求解的结果可能都不相同。

之前同事有反馈过，我在测试过程中也发现过。

这个严格来说，并不是Deepseek的问题，只要算法中有随机因素在里面，就算是专业求解器也会是每次结果都不同，这个属于正常现象。

只是说，Deepseek没有求解器的能力，无法做精确求解。

怎么办？Deepseek这么强，让它告诉我们怎么对接专业求解器好了。

我第一个想到的就是excel。

Deepseek对接Excel求解：

可能很多人不知道，Excel中内置了一个“规划求解器”-Solver。怎么把它调出来大家自行百度。

我试了一下，算出来的结果和LINGO一样一样（参见上篇文章，点击《Deepseek和专业求解器的结果对比》）：

Deepseek能做什么呢？

1、Deepseek能将你提交的自然语言推理出数据模型

2、Deepseek能将数学模型转换为Excel能处理的数据模型

3、Deepseek能生成一段Python代码，将Excel能处理的数据模型生成excel文件（包括了变量、约束、目标等内容）

Deepseek没有生成文件的能力，它能输出生成excel文件的代码，这个代码就相当于是个AI Agent了。

下图是deepseek给出的生成excel数据模型文件的Python代码的示意。

然后，你用excel继续：

1、用excel打开生成的excel文件

2、进“数据页签”中运行“规划求解”

3、在弹出的对话框中，补齐内容（这块比较麻烦，原因是Excel没有开放这块，phthon无法自动填写这个运行时态的对话框，如果Excel将这个对话框的内容做成一个可预置的参数文件的话，python就能自动填空了），包括：

指定本次求解目标的单元格，并声明求解目标（最大/最小/特定目标值）
指定本次变量的单元格（区域）
输入约束条件（这个最累人）
选择求解方法（选择性线规划法）
点求解按钮

4、结果被写在变量区的单元格中。

用Excel求解的好处及不好处：

1、好处是包括变量及数值的excel数据文件能由Deepseek生成的Python代码自动生成。

2、不好处之一，是约束条件无法自动生成（是excel的原因）

3、不好处之二，是excel只能对单一目标求解，求解方法也较简单。

要想更爽怎么办？让Deepseek对接第三方专业求解器。

阿里的MindOpt

专业求解器很多啊，我只是顺便找了阿里的这个，因为它可以免费使用。

用专业求解器，Deepseek可以做：

1、Deepseek能将你提交的自然语言推理出数据模型

2、Deepseek能将数学模型转换为专业求解器能处理的建模语言（如通用的LP格式、通用的MPS格式，及其它著名求解器的专用建模语言）

3、Deepseek能生成一段Python代码，包括了建模语言

4、运行Python代码，它会调用MindOpt，完成求解。

大家看看，这段Python代码+MindOpt就成为了一个典型的AI Agent。

使用专业求解器的特点：

1、功能强大，大家看网页介绍，比excel那可是强多了。

2、使用方法灵活，提供丰富的API，比如：

Deepseek输出数据和模型一体的Python代码，在Python中调用MindOpt完成求解
Deepseek输出纯的建模文件，进入MindOpt工作台打开该文件求解

3、玩法更多，比如，可将数据和模型分开成不同的文件，这样你的模型就能复用了，每次运行时只更换数据文件就OK了。

4、我这举例是自然语言入，MindOpt结果出，你通过Pyhton也可实现ERP入，ERP出。

总结：

通过Deepseek强大的功能，我们可以：

让Deepseek帮我们做数学建模
让Deepseek输出python代码对接专业求解器，形成一个优化求解的AI Agent

带来的效果：

APS平民化。

需要注意的事项：

Deepseek的建模能力的边界在哪里（不能做啥），还需要探索。
Deepseek搞不定的，复杂的场景，这个时候就该专业APS公司的运筹专家出手了。
场景复杂时，专业求解器也会搞不定（性能、精确度），这个时候，也该专业的APS公司的算法专家出手了，你把钱准备够了，他们会为你定制求解算法。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

自动动手，用Deepseek打造自己的APS AI Agent

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单