01
2024 年 5 月 6 日，下班开车时，我在「一席」 App 里听了一场演讲，主题是《反人类设计背后的心理学》。听完以后，我觉得内容很不错，于是就想着晚上把它整理到笔记软件里。
接下来我怎么操作的呢？
传统的方法是：自己再听一遍，然后梳理整个框架，再提炼重点。
但这一次，我想试试 AI 。
具体方法如下：
第一步，我打开「一席」的网页版，然后选择了「打开文稿」，并把文稿复制到了 Word 里。
第二步，我把 Word 上传到了 Kimi （一个人工智能助手） 里，然后让它「按照文章的顺序，整理它的架构」。
第三步，我再让它分析文章为什么引人入胜，并且聚焦到其中最重要的优点，并举例说明。
第四步，再结合自己的判断，将相关内容整理到印象笔记中。
——整个过程，也就 10 来分钟，我得到了自己想要的；若是以前，整个过程少说也要半小时左右。
02
再说一个案例。
我加入了很多行业交流群，群里经常会分享很多资源，各种格式的都有：PPT、Word、PDF。
对我来说，大多数资源的价值，在于文字部分——未来如果要写方案、做策划，可以快速从中找到灵感。
有一天我拿到了一份《集团公司人力资源三年规划详细内容》的 PPT 资源，于是把它上传到 Kimi 里，并让它把「 PPT 里的文字全部提取出来」，于是得到了以下内容：
接下来，为了方便日后检索，我又让 Kimi 生成了一段摘要，如下：
再然后，我就把相关内容（PPT、摘要、每一页的内容）复制粘贴到印象笔记里，日后如果我有需要，便可以快速检索相关内容。
03
我用的工具是 Kimi ，一个类似于 Chat-GPT 的人工智能工具，有网页版、App 版和小程序版。
相比于其他工具，我最喜欢它的地方是：简洁，没有那么多花里胡哨的设计。
而目前用得比较多的场景，就是：学习。
-
遇到一篇好的文章（或演讲稿），请它帮忙梳理思路、提炼表达的优点。
-
遇到一份好的文档，请它帮忙将其中的文字提取出来，并输出一份摘要，方便日后检索。
-
这些内容最后都集中保存在笔记软件（比如印象笔记里）。
用 AI 进行学习的过程，一共包括三步：
1.自学。 对信息有个大致判断，它是否优质。
2.AI 整理。 请它帮我做一些苦力活，比如提取文字、梳理摘要。
3.做笔记。 再将这些信息整理到自己的笔记里。
第一步和第三步不能省略：因为信息筛选要靠自己，毕竟好不好、适不适合只有自己知道；做笔记也要靠自己，因为怎样的信息更方便搜索，只有自己知道。
04
最后我想说一个感受。
其实这篇文章我犹豫过要不要发，因为我的朋友圈里有很多 AI 领域的大牛，有点担心被喷：这么简单的内容也要介绍？！
但当我问了另一些人，发现他们其实只是知道 AI 很厉害，可能要替代很多岗位，但是，回归到自己的工作中，依然在用老方法工作。
这就是认知壁垒：某些人习以为常的信息，在另一些人那属于新的认知。
但这并不代表另一些人不行，他们可能在自己专业领域、在投资上更厉害，毕竟术业有专攻。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
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。
这份完整版的大模型 AI 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】
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 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】
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
