我几乎已经介绍了如何通过Maestro、Ader来生成应用程序的方法,但几乎所有方法都需要你支付API或服务的费用,或者如果你不想付费,你需要使用Ollama本地部署自己的小模型,但显然这种情况下的输出质量不是很好。
不过今天我有一个非常酷的方法,可以让你免费随时随地创建应用程序,使用的是Llama 3.1 405b模型,这就是Llama Coder。
Llama Coder由Together AI开发,基本上是开源Llama模型的Claude artifacts ,所以如果你愿意,也可以本地部署它。
但我真正喜欢的主要部分是它的托管版本完全免费使用,没有明显的限制,你可以在没有任何本地安装的情况下开始使用它并创建一些很棒的应用程序。而且界面也非常酷,你还可以对生成的代码进行迭代。
一旦你来到这个Llama Coder页面,你会看到这个页面。
现在你可以发送关于你想生成什么应用程序的提示,比如一个计算器应用程序或任何你想要的应用程序。它只允许生成Next.js应用程序,这是一个限制。
你还可以选择你想使用的模型,比如Llama 3.1 405b、70b,最好的显然是405b模型。所以让我们使用这个模型来创建一个待办事项应用程序。
生成三维炫酷动效:
生成登录页面
制作科技公司的官网。
点击其中的learn more作用,它似乎在生成多个页面上并不太行。
生成贪吃蛇代码
显而易见,他是失败的,贪吃蛇在四处跳动。。。
我发现它的效果并没有我过往评测的,比如Deep seek code V2那种代码性能,稍微复杂一点的需求,他就会报错。
总的来说,这是你可以使用它的方法。最好的部分是它完全免费,所以你可以随时使用它。它不是最好的,但如果你想做原型设计,这是一个很好的选择。
还有一个很好的一点是,它生成的代码是运行在codesandbox沙盒里。
点击:
查看:
codesandbox是什么?
现在让我告诉你如何本地部署它
1. 克隆存储库
打开终端或命令提示符,然后运行以下命令来克隆存储库:
git clone https://github.com/Nutlope/llamacoder
这将把项目代码克隆到您的本地机器。
2. 进入项目目录
在克隆完成后,进入项目目录:
cd llamacoder
3. 创建 .env
文件
在项目根目录下创建一个名为 .env
的文件,然后打开它。在这个文件中添加您的 Together AI API 密钥:
TOGETHER_API_KEY=your_api_key_here
将 your_api_key_here
替换为您的实际 Together AI API 密钥。
4. 安装依赖项
使用 npm 安装项目所需的依赖项。运行以下命令:
npm install
5. 运行项目
依赖项安装完成后,使用以下命令在本地运行项目:
npm run dev
此命令将启动开发服务器,您应该可以在终端中看到输出,表示服务器已启动并正在运行。
6. 访问本地开发服务器
项目启动后,通常可以通过在浏览器中访问 http://localhost:3000
(或终端中指定的其他端口)来查看运行中的应用程序。
我认为如果你想用一个提示生成一些好的原型,这是一个非常好的选择,虽然它无法制作更大的应用程序,但它适合制作你可能想要的一页或模块。
对于更复杂的应用程序,Aider可能会更好。
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。
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。