【LLM大模型】零基础人员如何入门AI？这是一份给你的学习路径指南

当下AI已然成了风口，不论是否是互联网人，都在学习AI。那如果是没有任何基础的普通人，面对AI如何入门呢？作者给大家整理了一份学习路径，跟着这个路径学习，基本可以解决你不会用的问题。

AI已成趋势，这点自不必多言。

我在过往负责飞书文档期间，也接触了大量一线的AI项目和人员，对于如何入门AI，还是有一点心得的。

如今网络上的AI课程可谓五花八门形形色色，让人眼花缭乱难辨真假。

其实细究下来，不少都是通过贩卖焦虑吸引对AI一知半解的普通人报课。有感于此，我想给零基础的你，介绍一下入门AI学习路径指南。

注意，这里不会涉及到具体的AI使用知识，而是把整个学习路径帮你梳理出来，给你在学习AI的过程中有一份行动指南。当然，后续我也会陆续将我自己的AI学习心得整理出来，分享给大家，敬请期待。

一、一些关于AI的误解

在介绍关于AI，零基础的你，可能还有以下这些常见的误解：

• （误）使用AI需要懂代码懂技术，是只有程序员才能使用的高科技。——（正）当前许多AI应用和服务使用门槛很低，无需编程知识即可使用，用户只需按照提示操作即可。
• （误）AI汇总了这么多的资料，非常聪明，只需要简单一个指令就可以给出满意的、准确的结果。——（正）AI的结果受训练集、模型算法等因素的影响，会出现“幻觉”问题，需要依靠使用者的指令引导和自我判断。
• （误）学习AI的知识很专业，需要专门报名培训课程才能学会。——（正）网络上的资料、教程很多，百闻不如一“做”，先从日常应用与AI结合做起，建立基本认知，再寻求针对性提升。

其实总结起来，AI技术确实强大，但并非只有专业人士才能使用。

AI的应用，完全是可以通过学习掌握的。普通用户，同样可以通过简单的操作体验AI带来的便利，并逐步提升自己对AI的应用。所以，请放宽心，不要有任何畏难的情绪。你只需要按照下面所罗列的路径步骤，便可以逐步掌握对AI的使用。

二、打底：建立对AI的基础认知

AI是一个非常广阔的领域，但是是有其基础的运作机制的。因此，在学习AI的最开始，你需要理解其基本的运作流程。以下是一个极度精简的AI运作流程，它旨在为你提供一个清晰的起点，帮助你构建起对AI如何运作的初步理解。随着你对AI的认知理解不断深入，你可以基于这个基础流程逐渐扩展、丰富与细化。

三、起始阶段：先用起来，在使用中学习

不要在意没有经过专门学习，“学中用用中学”是最好的学习手段。可以根据你的日常应用，从以下几个领域里（建议是与你的职业、专业或者爱好有关的领域），选择1-2个与你日常应用有关的场景，直接入手尝试。

• 智能问答：这个是最为日常的应用场景，当你需要快速获取信息或解答疑问，都可以尝试通过AI进行智能问答。
• 智能写作：对于作家、记者或任何需要撰写大量文本的专业人士，智能写作工具可以提高效率。你可以尝试撰写大纲、续写扩写内容、调整改变语气风格等。
• 智能生成图片：设计师和创意工作者可以利用AI生成的图片来加速创作过程，这同样是当前AI发展的火热领域。
• 智能数据分析：数据分析人员可以利用AI来撰写分析公式，识别数据中的模式和趋势，制作图表等。从而减轻数据分析工作的负担。
• 智能编程：计算机专业或IT开发者，可以通过AI辅助编程、检查代码等来提高编码效率，减少机械性的工作。

这一阶段的重点：

• 了解AI的基本运作流程，包括它的输入、处理和输出过程。感受AI能力边界，即可以做什么、不可以做什么（需要说明的是，这个认知范围会随着你对AI的了解而不断变化，但建立这个边界本身是必要的）。
• 学习通过不同的指令（Prompt）和多轮会话来使用AI。重点是通过与AI的交互，学习如何有效地向AI表达你的需求，以及如何通过会话来不断要求AI生成更符合要求的内容。
• 至于选择什么AI工具，用哪家的大模型，这个并非这一阶段的重点。我更建议你尽可能去尝试不同的产品，国内外的都可以尝试，也是对AI行业建立更广泛的了解。（我在下方会有推荐的一些AI相关网站，可供参考。）

四、进阶阶段：根据需求定制应用

随着你对AI的理解和应用逐渐深入，你会发现通用大模型虽然功能强大，但在不少特定场景下并不能完全满足需求。而当这些“无法满足”的感受不断积累，你便可以进入“进阶”阶段。在这一阶段，你需要学习如何用通用大模型定制不同的AI应用，以提供更加个性化和高效的服务。

ChatGPT的GPTs，就是典型的AI应用配置

这一阶段的重点：

• 学习如何给AI设计不同的“人设”来实现定制服务。所谓“人设”就是通过前置配置一段说明文本，为AI赋予特定的角色和性格，使其能够更好地适应你指定的场景或需求。这包括调整AI的语言风格、行为模式或专业知识。
• 学习如何进一步通过配置不同的插件、知识库、能力来强化AI应用。这里有几个概念需要一一介绍。
• 插件：AI生成的回答，来源于训练集的内容，这在某些场景是无法满足需求的（典型如：天气查询、股价查询）。但我们可以通过给AI配置不同的插件，来让AI可以获得更多的能力，相当于给予AI以能力扩展。
• 知识库：同上，由于AI的回答来源于训练集，当我们需要限制AI只能在指定内容的基础上进行回答（这样的要求在一些像客服问答服务上很常见），就需要给AI指定知识库。知识库通常是本地或线上文本内容和表格数据。
• 能力：当我们希望AI不仅仅是回答问题，而是根据要求去进行更多的操作（比如：发送邮件、生成文档等）。此时就可以通过给AI配置一些内置或外接的“能力”（通常是以API的形式提供），来让AI在输出结果上更加丰富。

国内的“天工AI”就支持配置AI应用（即它们称为“智能体”的功能），可以看到界面上有角色设定、能力、插件、知识库等模块的配置。

“天工AI”的官方插件。可以看到，这些内容都是无法预训练的，只能通过调用插件获取。

五、深入阶段：用工作流和数据库实现“闭环”

在你已经熟悉AI的基本操作和定制化应用之后，可能还是会感觉AI只能充当流程中的一环，无法形成一套完整的“闭环”（比如：无法根据输入的信息，执行不同的操作）。当你遇到这些阻碍时，说明你可以进入更深层次的阶段，通过设计工作流和搭建数据库来实现更为强大的AI应用。

这一阶段的重点：

• 学习如何在AI进一步搭建工作流、数据库，搭建真正强大的、能够适配各类场景的AI应用。
• 设计工作流：工作流由多个节点构成，节点是组成工作流的基本单元。例如，大模型、自定义代码、判断逻辑等节点。它是AI应用中任务执行的顺序和逻辑。工作流可以让AI真正实现不同的业务流程的闭环。
• 搭建数据库：为了使AI应用能够处理复杂的任务，需要搭建一个结构化的数据库来存储和管理数据。这包括确定数据模型、设计数据库架构以及实施数据存储策略。登记信息、识别分类记录内容，都是典型的需要搭建数据库来应用AI的场景。

目前国内支持应用定制开发的，推荐使用Coze平台https://www.coze.cn/

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

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

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🆓