大模型应用开发实战基础

大模型应用开发实战基础

1. 背景

大模型如日中天，各行各业都受它影响，但是作为程序员，除了让它翻译代码不知道用它干什么，就像是拿着锤子的木匠，找不到钉子在哪。一边听着别人说2024是AI元年，一边又不知所措，很多时候对着ChatGPT的输入框不知道干什么。作为程序员，应该是接触AI的一线战士，但是很无力的感觉要被AI淘汰了一样。有人说懂 AI、懂编程、懂业务的超级个体，会是 AGI 时代最重要的人，本文我们从程序员视角去认识AI，去看看我们怎么去深入理解和应用AI，如何成为一个AI全栈工程师。

2. 大模型的知识体系

大模型可以分成下面几个方向：

1. 交付：向量数据库，GPU等偏运维方向
2. 产品：主要是负责用户体验和商业逻辑
3. Fine-tuning：微调为主，但是要懂机器学习，Transformer，大模型训练，微调原理等
4. 开发框架和工具栈：主要是基于Langchain等进行Agent框架开发，比如开发一个类似百度千帆平台，豆包AI平台等
5. RAG：Embedding，从关键词搜索转换为向量思索，为大模型基座提供外界知识库
6. API：用微调提升prompt的稳定性
7. AI编程：帮助开发者使用AI提效，甚至开发AI程序员
8. prompt：思维链，prompt调优，prompt攻防等

3.AI能干什么？

我们可以让大模型帮我们做很多事情，而且很多事情在输入框中用聊天的方式就可以解决：

1. 按格式输出
2. 分类
3. 聚类
4. 持续互动
5. 解决技术相关问题
6. 舆情分析
7. 坐席质检
8. 故障解释 既然聊天框就可以解决问题，我们还需要什么？很多场景我们无法去聊天框输入去问答案，比如说代码补全工具，比如我们要做一个产品，语音转文本场景，想让转化出的文本进行一些优化，也不能让用户复制粘贴去干，需要我们的程序能自动去问大模型。本文我们简单介绍一些大模型API交互的方式。

4. 什么是大模型

下面用程序演示「生成下一个字」。可以自己修改 prompt 试试。还可以使用相同的 prompt 运行多次。

`from openai import OpenAI`
`import os`

`from dotenv import load_dotenv, find_dotenv`
`_ = load_dotenv(find_dotenv())`

`client = OpenAI()`

`prompt = "今天天气很"  # 改明天试试`
`response = client.completions.create(`
    `model="gpt-3.5-turbo-instruct",`
    `prompt=prompt,`
    `max_tokens=20,`
    `stream=True`
`)`

`for chunk in response:`
    `print(chunk.choices[0].text, end='')`

大模型通俗的讲就是根据上文，猜下一个词（的概率）：

用通俗不严谨的语言再稍微深入描述大模型的工作原理：

1. 大模型可是个爱学习的小家伙，它把人类说过的话都记在了心里。这就是我们说的「机器学习」，而它学习的过程，我们叫它「训练」。
2. 它还特别擅长记概率，把一串接一串的token可能跟着的token都记录下来了。这些记录，就是我们说的「参数」，也可以叫做「权重」。
3. 给它几个token，它就能猜出下一个最可能的token是啥。这个过程，我们叫做「生成」，也有人叫它「推理」
4. 用它生成的token，再结合之前的上下文，它就能继续猜下去，就像搭积木一样，一块接一块，搭出更多的文字。

那Token又是什么呢？再用通俗的语言描述一下：

1. 可能是一个英文单词，也可能是半个，三分之一个。可能是一个中文词，或者一个汉字，也可能是半个汉字，甚至三分之一个汉字
2. 大模型在开训前，需要先训练一个 tokenizer 模型。它能把所有的文本，切成 token

5. 调用openai api

作为程序员，接下来我们用api和大模型交互。

先安装OpenAI Python 库：

pip install --upgrade openai

发送一条消息：

from openai import OpenAI
import os
# 加载 .env 文件到环境变量

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

# 初始化 OpenAI 服务。会自动从环境变量加载 OPENAI_API_KEY 和 OPENAI_BASE_URL
client = OpenAI()
# 消息格式
messages = [
    {
        "role": "system",
        "content": "你是AI编程助手小瓜，将我输入的Java代码转换为TS代码，回答ts语法相关的问题"
    },
    {
        "role": "user",
        "content": "ts有几种基本类型数据"
    },

]

# `调用 GPT-3.5`

chat_completion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=messages`
)

# 输出回复

print(chat_completion.choices[0].message.content)

6. 总结

本文为程序员提供了大模型应用开发的实战指南，从理解AI的基础知识体系到实际应用场景，涵盖了从运维交付到产品开发、微调技术、开发框架、RAG技术、API使用和AI编程等多个方面。文章通过示例代码展示了如何使用OpenAI API与大模型进行交互，解释了大模型的工作原理和Token的概念，并强调了程序员在AI时代成为全栈工程师的重要性，以适应技术发展和行业变革的需求。

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型实际应用案例分享

①智能客服：某科技公司员工在学习了大模型课程后，成功开发了一套基于自然语言处理的大模型智能客服系统。该系统不仅提高了客户服务效率，还显著降低了人工成本。
②医疗影像分析：一位医学研究人员通过学习大模型课程，掌握了深度学习技术在医疗影像分析中的应用。他开发的算法能够准确识别肿瘤等病变，为医生提供了有力的诊断辅助。
③金融风险管理：一位金融分析师利用大模型课程中学到的知识，开发了一套信用评分模型。该模型帮助银行更准确地评估贷款申请者的信用风险，降低了不良贷款率。
④智能推荐系统：一位电商平台的工程师在学习大模型课程后，优化了平台的商品推荐算法。新算法提高了用户满意度和购买转化率，为公司带来了显著的增长。
…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。

学习资料领取

如果你对大模型感兴趣，可以看看我整合并且整理成了一份AI大模型资料包，需要的小伙伴文末免费领取哦，无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

部分资料展示

一、 AI大模型学习路线图

整个学习分为7个阶段

二、AI大模型实战案例

涵盖AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，皆可用。

三、视频和书籍PDF合集

从入门到进阶这里都有，跟着老师学习事半功倍。

如果二维码失效，可以点击下方链接，一样的哦
【CSDN大礼包】最新AI大模型资源包，这里全都有！无偿分享！！！

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取~