作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

前言

原谅我的后知后觉，才开始从头写，我是已经上了一阶段大模型的课，也搜集了些资料，并自己做了小部分实践，回过头来，才想开始整理些文章。起初，大家都在写，都在发，我那会在焦虑 。

自chatgpt爆火以来，AI技术又被广泛关注，国内外各大厂商也纷纷布局，作为我们每一个普通人，也无不时刻感受着AI一波又一波的冲击。

尤其是作为程序员的我，相信绝大多数程序员也有和我一样的感受，从一开始的新奇，到焦虑，到试图去了解他，到去尝试，并致力于应用。

不管是IT行业人员还是非IT行业，都在不同程度的去了解、学习或者使用，作为程序员，在面对新的变革技术到来，更认识到，体系性的学习是理解和掌握它的必要途径，也是最便捷的方式。这样才能帮助我们体系的了解他，如何去拥抱变革，才能知道什么样的我会被替代，什么样的我是不会被替代的，也会减少自己的焦虑。

学习路线调研

在决心要开始体系性学习的时候，又面临一个问题，我该如何入手，又该按照什么路线和方向学习，自媒体的时代，公众号、各论坛的文章铺天盖地，很难让人捋出一个头绪。

我报了一个课，老师会有教学大纲，可实际上下课来，发现老师也是处于一个探索学习当中，尤其我印象深刻的在某一节课上课前，赶上gpt4 turbo，甚至当天的课的示例程序都跑步起来了。

在参照了老师的课程安排，又查阅了好多资料之后，我给自己梳理了一个学习规划，记录下来，希望对正在迷茫的童鞋能有用，当然如果有错误的地方，也请看到的大佬给出指正。

我自己的情况是这样的，普通本科，一直在java工程应用层面的编程、架构设计工作（俗称编写业务代码的程序员），同时会一些python，不深，平时当做工具语言来使用，学习大模型，想的还是用大模型来解决工程化和应用层面的问题。

在搜索资料之初，我看到过很多文章，如果你搜索“如何系统的学习大模型”，会看到很多类似的：

看到这种文章，起初我看了点，就全部略过了，看不懂，当然随着我的资料检索和学习，想体系化学习，明白这些知识肯定是必要的，但不是我现阶段必要的，他会让我上手很慢，并且把耐心给磨没。

我的整个思路还是：

于是有了下面的具体学习思路

我的写作计划（陆续更新，欢迎批评指正）

tips:随着我的学习和知识整理可能会有变化。

#基础篇

LLM01-作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

LLM02-一文讲清楚，AI、AGI、AIGC与AIGC、NLP、LLM，ChatGPT等概念

LLM03-大模型提示工程（Prompt）（上篇），掌握Prompt原理与技巧，提高AI生成内容质量

LLM04-大模型提示工程（Prompt）（下篇），思维链和思维树的进阶

LLM05-大模型提示工程（Prompt），让LLM自己优化提示词

LLM07-OpenAI的API调用之初探，python调用GPT-API（交互式，支持多轮对话）

• 大模型08-大模型提示工程（Prompt）,Prompt 攻击和防范、内容审核、用prompt调优prompt

#进阶篇

LLM06-大模型之带你了解plugins、GPTs的前生今世，GPT-4 turbo何以让众多创业者一夜无眠，及主要应用：RAG、Agent

LLM09-大模型应用开发之业务架构和技术架构（从AI Embedded 到 Copilot,再到Agent）

LLM10-用Function Calling 连接大模型和业务，用自然语言连接系统的认知

• LLM11-软件开发中，我们如何进行AI编程，让AI成为我们的编程助手
• LLM12-我的大模型实践–??

#高阶应用

大模型之RAG系列，走进RAG以及它未来的发展趋势

大模型之RAG，LLM性能的提升，RAG与Fine-Tune我们该如何选择？

大模型应用RAG系列之从0搭建一个RAG，关键字检索的认识与实战（混合检索进阶储备）

大模型RAG，向量检索的原理与实战，与关键字检索的对比

大模型RAG，混合检索

• 大模型应用RAG系列（五）之混合增强策略：RAG + Fine-Tuning
• 大模型系列之-OpenAI的Assistants API，一个开箱即用的RAG
• LLM15-大模型应用开发之Semantic Kernel
• LLM16-大模型应用开发之LangChain
• LLM17-大模型应用开发之LLM 应用开发工具链
• LLM18-大模型应用开发之手撕 Agent 实现 AutoGPT
• LLM19-我的大模型实践–??

#模型训练

• LLM20-大模型应用开发之模型微调(Finetune)
• LLM21-大模型应用开发之多模态大模型
• LLM22-我的大模型实践–??

写在最后的话

不得不再提最近常被提起的一句话：如何与大模型共生

我们在不断被迫接受着过量的信息和超出认知的技术革新，否则就会处于被革新的尴尬境地。

与技术共生，与大模型共生：这些资料我都打包好了点下面
点击开启学习之旅