很多企业和个人都号称自己打造了AI大模型实际落地场景,其中有噱头、蹭热点,也有真实落地应用的。下面我将聊聊有哪些应用是真实落地可执行的。
大模型写作
生成式大语言大模型的看家本领非写作莫属。大模型输出logits的基础上加上top_p、top_k、temperature等随机采样策略,是生成式类模型的灵魂。
市面上的大模型很多。实际应用中,我会采用提示工程专家帮我生成一个良好的提示工程模板。在大模型权重固定的前提下,一个好的提示工程模板能够最大程度激活大模型的潜力。下面列举几个目前我认为能够落地或者已经落地的场景,并分享相应的提示工程模板。
爽文剧本
现在爽文短剧很火,新闻曾经报道北京一对夫妇做短剧每月进账4亿多。然而短剧如何让人爽、如何让人上瘾、如何符合人性,关键在于短剧的剧本。之前基于大模型做剧本,一般方法是直接输入大模型“我想写一本主题为XXX的爽文小说”。想要生成精确,还得依赖于提示工程。我把生成爽文剧本常用的提示工程模板放下面。
- Role: 创意写作导师 - Background: 用户是一位小说爱好者,希望从零开始创作重生爽文类型的故事。 - Profile: 你是一位经验丰富的写作导师,擅长引导新手作者进行创意写作,尤其擅长重生爽文类型的故事创作。 - Skills: 创意思维、故事结构设计、人物塑造、悬念设置。 - Goals: 帮助用户构思一个引人入胜的重生爽文故事,包括故事的起承转合、悬念设置和人物设定。 - Constrains: 故事需要符合重生爽文的特点,如主角重生后拥有特殊能力或知识,故事节奏明快,情节紧凑。 - OutputFormat: 文本描述,包括故事大纲和关键点。 - Workflow: 1. 确定故事的基本框架和主题。 2. 设计故事的起承转合。 3. 构思悬念和冲突点。 4. 塑造主要人物和支持角色。 - Examples: 故事主题:现代都市重生 起:主角在一次意外中重生回到了高中时代。 承:利用前世的记忆,主角开始在学业、商业等领域取得成功。 转:主角遭遇前世的仇敌,面临新的挑战。 合:主角克服困难,达成人生巅峰。 - Initialization: 欢迎来到创意写作的世界!让我们一起探索重生爽文的无限可能。首先,请告诉我你对故事有什么初步的想法或偏好?
具体小说太长了就不放上来了。
AI爆文写作
这个项目整体逻辑是利用推荐流量机制,在AI写作工具的辅助下,快速模仿领域爆款文章进行二次创作,增加爆文概率来获取更多的广告收益。
近期我开了个职场号,利用AI写爆文后也小赚3000多。截图如下:
有些专职工作室,矩阵化发文,月入10W在项目初期不是难事。我之前用的AI爆文提示词免费分享出来。如下所示:
- Role: AI写作助手 - Background: 用户需要在AI写作工具的辅助下,快速模仿领域爆款文章进行二次创作。 - Profile: 你是一个专业的AI写作助手,擅长分析爆款文章的特点,并能够提供创作指导和灵感。 - Skills: 文章分析、创作指导、风格模仿、内容创新。 - Goals: 帮助用户快速掌握爆款文章的核心要素,并在此基础上进行创新性的二次创作。 - Constrains: 创作应遵循版权法规,避免直接抄袭,确保内容的原创性。 - OutputFormat: 文章框架、关键要素列表、创作建议。 - Workflow: 1. 分析爆款文章的成功要素。 2. 提供文章结构和风格上的创作指导。 3. 给出创新点和避免抄袭的建议。 - Examples: 爆款文章1: “如何在30天内自学掌握一门新语言” 爆款文章2: “10个简单步骤,让你的工作效率翻倍” - Initialization: 欢迎使用AI写作助手,让我们一起探索如何快速模仿并创新爆款文章。请发送给我你想要模仿的爆款文章链接或主题。
用大模型来做大模型
这个标题看起来很套娃,不过这是大模型实际研发过程中的真实写照。因为人类创造的数据,实在是太贵了。不少公司、开发者都在悄悄使用AI生成的数据来训练AI模型。
然而像GPT-4这类最前沿的模型,在写作和编码等领域的表现已经在接近人类,还能通过美国律师考试等基准测试。所以用GPT-4大模型来做自己的大模型也是目前一个非常典型的落地场景。
AI绘图
问了很多设计师朋友,在实际使用AI绘图的过程中,更多的是将AI绘图当做提供灵感的工具。下面放几张midjourney
生成的产品原型图,其中有1张原型图,已经被某产品采纳,并批量化生成。
知识检索增强
搜索
细心的同学可以发现,各家互联网公司已经将私域知识与大模型相结合。技术上称之为知识检索增强,实际工作流程是在检索的基础上再用大模型做一遍内容总结和润色。
比如知乎已经上线了发现
功能,用户提问后大模型可以基于知乎中覆盖到的问答和文章回答。比如知网上线了CNKIAI学术研究助手
,用户想搜人工智能方面的论文,只需问“给我来几篇人工智能经典论文”。
常规的检索是用户输入一个问题,通过检索返回多个链接,想得到答案,需要一个一个点击链接,然后总结各个链接得到答案。然而在大模型时代,采用知识检索增强的方式大模型直接给用户结果。
但是总体上来说,采用大模型来做检索增强还是一个锦上添花的事情,这个“花”在目前看来还不一定能够提升用户体验。
智能问答
智能问答涵盖的内容就多了:客服智能问答、高考志愿问答、求职问答等等各类问答。应用很多,但是实际落地的并不多。以智能客服问答为例,从商业角度来说,一笔交易的产生来源于买卖双方的信任。在目前阶段,顾客对于AI具有天然的不信任感。在产品推广过程中,用户会尝试智能问答类产品,但是使用过程中用户会质疑AI回答内容的准确度,并且AI和我说话让人感觉不到尊重,往往这个时候用户会切换人工客服或者干脆中止交易。
对话AI感十足是目前智能问答类应用中的通病。如果到某一天人类在交流中完全无法分辨是AI还是人类,智能问答类应用会给社会带来颠覆式的变革与影响。
智能体
我一直认为智能体是AI大模型应用的最终版本。智能体本质上高度依赖于大模型参数量剧增所带来的逻辑推理、内容总结、数理分析等能力,学术上也称之为“智能涌现”。
前段时间小米汽车上搭配的大模型,就是一个非常典型的智能体在车载终端上的应用。通过车载智能体,可以灵活调用、控制和集成车上的软件功能。与传统的Siri等智能语言助手不同的是,智能体不是简单的命令执行者,而是规划、决策和执行的多面手。
此外,我曾在去年想象大模型会给手机行业带来颠覆式的变革。目前我们用手机均是采用图形用户界面(GUI),然而智能体发展到一定阶段,人类与产品的交互模式,将从图形用户界面(GUI)转化为语言用户界面(LUI),设计师无需再设计大量组件、前端也无需根据设计稿形成界面,可能未来的手机界面只有一个类似Siri的对话器,用户通过语言或者脑机接口描述自己的需求,大模型接到用户需求后,分析需求、拆分任务,派发任务、解决任务。
国外已经有Ai Pin等产品实现了上述想法。
畅想
从产业发展维度看,对比移动互联网的成长,当下LLM似乎还处在2011年。整个产业还处于非常早期的探索阶段,场内的玩家都试图在这个混沌期,抢先发力,甚至不惜发起“价格战”,以争抢用户、尽力“出圈”。大模型公司都很卷,技术领域RAG、Agent等大模型应用框架层出不穷。但是在应用侧,“iphone时刻”类型的产品应用迟迟没有出来。
其本质原因在于基座大模型各方面能力仍然不足
很多人都知道,瓦特改良了蒸汽机,开启了人类的第一次工业革命。但很少有人知道,瓦特1763年就收到了改良蒸汽机的订单。你猜猜他用了多少年完成了这个订单?答案是27年,直到1790年,瓦特才终于完全解决了核心技术问题,我们现在熟知的蒸汽机才问世。
回顾历史,我们发现每一次的技术突破,都是那么的顺理成章。不就是第一次工业革命吗,我熟;然后就是第二次革命,然后是信息技术革命。信息技术革命先是PC互联网,然后从10年开始,是移动互联网的革命。
这话说的轻巧, 但对于每个推动技术进步的发明人来说,都是多少年如一日的投入。而大部分人是没有这种时间流逝的体感的,所以就会有一种强烈的怀疑感:这么多所谓前沿的技术,吹这么牛,我用起来也不咋地啊,都是一帮搞噱头骗钱的人。
大模型也是如此,现阶段RAG不太准,Agent还很稚嫩。我们能做的是将技术框架、用户、应用、生态都准备好,等到底层技术成熟的那一天,AI大模型会带来海量实地可落地场景。
大家的机会,也会建立在新技术的突破上。
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了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,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓