使用AI大模型的正确姿势！接入知识库、微调，5种方法，总有一种适合你

大模型玩家

于 2024-10-10 09:28:23 发布

阅读量293

点赞数 14

文章标签：人工智能 python 机器学习深度学习学习 ai 大模型

本文链接：https://blog.csdn.net/2401_85375186/article/details/142812701

版权

设想一下，你现在可以使用Kimi、智谱清言、Stable Diffusion、ChatGPT等大模型或者AI工具，甚至将大模型的API嵌入到你的项目中。

然而，预训练的大模型虽然强大，但不是万能的。

比如你问大模型你写的文章信息，因没有文章语料，它就无法回答。你想让大模型回答医学问题，它可能泛泛而谈。

大模型依赖于大量互联网数据进行训练，虽然覆盖面广，但在特定情境下往往无法提供精准的答案。

为此，你需要对大模型进行改造，让它更好地满足你的需求。

用于优化和增强大模型能力的方法有：提示工程、RAG、微调、更换大模型、使用多模态大模型。

简单来说，一种方法是不改变模型本身，那就优化提示词，使用外部知识库（技术是：RAG）。一种方法是改变大模型参数（技术是：微调）。

另一种方法是，换一个大模型，或者使用多模态大模型。

下面我们一一讲解。如果你想学习如何用搭建个人知识库，微调大模型，自动化工作流程等技能。

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取~
在这里插入图片描述

1. 优化提示词

当大模型的输出内容不满足你的期望时，你可以选择优化提示词，直到优化到不能优化。

使用提示词生成答案（图来源：myscale）

依据大模型的能力、特点和局限，选择合适的提示词，能够让大模型生成更符合你特定要求的输出。

例如，你想用AI批量生成小红书文案，你可以在提示词中，详细说明目标受众、语气、文章结构，引导大模型生成小红书风格的文案。

你可以设计一系列提示词模版，这样每次都可以调用。

2. 使用外部知识库

通过检索增强生成（RAG），大模型会首先从外部知识库(比如你写的文章）中查找并收集相关信息，然后使用检索到的信息和预先存在的知识，更准确的回答问题。

RAG工作流程（图来源：Monigatti）

RAG让模型具备特定领域的知识，从而表现得更好。

外部知识库可以是公司产品说明、教程或用户指南；客服回答的问题、聊天记录；公司政策文件、标准操作程序；你写过的文章等等。

使用何种外部知识库，取决于你的目标。

使用外部知识库，最直接的方式是在AI机器人聊天页面上传文档，开启对话。比如下图是我使用kimi解读一篇论文。（官网：kimi.moonshot.cn）。你也可以尝试扣子（官网：coze.cn）

上传某本书/文章让kimi解读

但是这种做法也有局限。如果你不想文档泄漏，或者公司里面有成千上万个文档，你就需要借助新的工具或者运用，甚至开发专用的运用。

下图是一些常用的RAG工具，这些工具在Github上Star较多。

常见RAG工具/运用（整理：mscreate)

案例：某科技公司将RAG应用于其客户支持系统，大模型通过检索公司内部的技术文档和历史支持记录，能够在几秒钟内为客户提供精准的解决方案，大大提高了客户满意度和支持效率。

3. 微调大模型

微调是指在预训练大模型的基础上，进一步在较小的、特定领域的数据集上进行训练。

微调示意（图来源：myscale）

微调有助于让大模型更满足特定需求。

例如，你想让大模型翻译地方方言更准确，那可以使用地方方言数据集微调大模型。

与RAG不同，RAG是使用外部信息增强模型的知识，而微调则是更新模型的参数，使其更好地适应你的领域或任务。

当你拥有某个领域特定的数据时，微调特别有用。

案例：如果你想构建一个法律大模型，可以用法律文件、法律案例和合同等数据微调模型。使其在法律文件分析和合同审查中表现出色，能够快速识别潜在风险和异常条款，帮助律师更高效地完成工作。

4. 换一个大模型

除了上面的方法外，你还可以换一个模型，并非一定要拘泥于使用一个模型。

模型和模型之间能力有所差别。有些模型更擅长写出流畅的中文，有的则更擅长数据分析或者长文本处理、写代码。

不同大模型公司对大模型能力的描述

成本也有所差别。当然还有其他差别。

定价页面

深度求索：https://platform.deepseek.com/api-docs/zh-cn/pricing/

百度：https://cloud.baidu.com/doc/WENXINWORKSHOP/s/hlrk4akp7

MinMax：https://platform.minimaxi.com/document/price?id=6433f32294878d408fc8293e

阿里：https://help.aliyun.com/zh/model-studio/product-overview/billing-for-alibaba-cloud-model-studio?spm=5176.28515448.J_aHwmq4rbOGdcDUYyNQ3GJ.1.1ce338b1MNKJ19&scm=20140722.X_data-14ce560b9a2a78db69e3._.V_1

智谱AI：https://maas.aminer.cn/pricing

月之暗面：https://platform.moonshot.cn/docs/price/chat#%E4%BA%A7%E5%93%81%E5%AE%9A%E4%BB%B7

OpenAI：https://openai.com/api/pricing/

Anthropic：https://www.anthropic.com/pricing#anthropic-api

你可以尝试不同模型，综合效果和成本等，找到最适合的模型。

选择模型时，需要想清楚希望AI执行哪些任务？需要达到怎样的准确性、响应速度或者成本？

一旦你有了候选模型，就可以开始测试它们。

输入样本数据，评估输出结果，并将其与预设的指标进行比较。尽量尝试不同的设置、参数或微调技术，看看每个模型的反应。

例如，一家电商公司在构建推荐系统时，通过测试不同的大模型，最终选择了一个既能提供高精准推荐，又能实时响应的模型，极大地提升了用户购物体验和销售转化率。

5. 使用多模态大模型

模型不仅仅只能处理文本，还可以处理图像、音频、视频等。多模态大模型可以同时处理文本、图像等。

很多应用场景需要多模态技术支持才能实现。比如，借助多模态技术，让视力受损的人能轻松浏览网络，甚至在真实世界中充当导航。

GPT-4V展示的多模态使用例子

假设你在开发一个内容创作平台，帮助博主和营销人员制作引人入胜的文章。有了多模态大模型，用户输入提示词，AI会生成一篇精美、用吸引力的文章，还会附带相关的图片。

目前多模态大模型正在快速发展中。

最后，综合运用多种方法

真正的魔力在于结合这些方法：提示词、RAG、微调、切换模型和使用多模态大模型。

利用每种方法的优势，并将其应用于文本和图像数据，以此用大模型提升你的生产力。

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。

大模型典型应用场景

①AI+教育：智能教学助手和自动评分系统使个性化教育成为可能。通过AI分析学生的学习数据，提供量身定制的学习方案，提高学习效果。
②AI+医疗：智能诊断系统和个性化医疗方案让医疗服务更加精准高效。AI可以分析医学影像，辅助医生进行早期诊断，同时根据患者数据制定个性化治疗方案。
③AI+金融：智能投顾和风险管理系统帮助投资者做出更明智的决策，并实时监控金融市场，识别潜在风险。
④AI+制造：智能制造和自动化工厂提高了生产效率和质量。通过AI技术，工厂可以实现设备预测性维护，减少停机时间。

⑤AI+零售：智能推荐系统和库存管理优化了用户体验和运营成本。AI可以分析用户行为，提供个性化商品推荐，同时优化库存，减少浪费。

⑥AI+交通：自动驾驶和智能交通管理提升了交通安全和效率。AI技术可以实现车辆自动驾驶，并优化交通信号控制，减少拥堵。

…
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。