学习大模型技术的方法论——从应用中学习大模型

“知行合一，在知中行，在行中知”

在技术学习的过程中，有时会陷入一个误区，那就是一心扑在技术上；然后也不知道技术有什么用，该怎么用。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

在学习大模型的过程中也是如此，有时钻牛角尖陷入技术无法自拔；但是，如果真的让你用大模型的技术去解决业务问题，这时自己又开始傻眼了。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

因为不知道怎么把技术和业务相结合，也就是说学了技术但又不知道该怎么用。‍‍‍‍‍

王阳明的心学核心思想就是——知行合一，在行中知，在知中行。‍‍‍‍‍‍‍‍‍‍

把技术与业务相结合——知行合一的方法论

—

技术人员有一个很大的问题就是，技术至上的心态。

他们认为有了技术就有了一切，但事实上却搞错了这个先后关系，技术的目的是为了解决现实中遇到的问题，先有问题才有技术，而不是先有技术才有问题。‍‍‍‍‍

站在企业的角度来说，就是先有业务再有技术；使用什么技术并不重要，重要的是能满足业务需求。‍‍‍‍‍‍‍‍‍‍

在我国的传统教育中，学习从来都不是从问题开始，而是从理论开始；这就是导致很多人学了一大堆东西，然后也不知道能干啥的原因；也是很多西方国家认为的，中国的学生考试很厉害，但实践能力特别差。‍‍‍‍‍‍‍‍‍‍‍

之所以说这个的原因就是，学习技术要和业务或者说和问题相结合，不然很多时候会钻进技术的牛角尖里出不来。

之所以产生这种原因就是，你不知道这个技术解决了什么问题，为什么会这样做。‍‍‍‍‍‍‍‍‍‍

就拿大模型来说，很多技术人员看到大模型能生成文字，图片，音视频等；然后就好奇这个在技术上是怎么实现的。‍‍‍‍‍‍‍

然后就开始使劲的专研技术，什么机器学习，深度学习，transformer架构，损失差计算，反向传播等地。‍‍‍

但去工作的时候，老板让你基于自然语言处理模型和知识库搭建一个智能客服；这时候就傻眼了，该怎么搭，搭成什么样，中间会有哪些问题等。‍‍‍‍‍‍‍‍‍‍‍‍

但事实上，等你真正去实施的时候，你会发现自己学习过程中理解的一些理论是错误的或者说是有偏差的；然后大模型在实际应用中和理论学习过程中有很大的出入。

然后在技术学习过程中很多想不明白的问题，这时你发现也可以想明白了，然后就有了豁然开朗的感觉。‍

单纯的技术学习就类似于闭门造车，总感觉自己学的不错，但实际上解决不了什么问题。‍‍

因此最好的学习方式就是，学习一些理论，然后直接动手去实践，也就是解决问题，然后在解决问题的过程中持续的学习和改进，把技术与问题结合之后，你会发现原来很多技术没有想的那么复杂；而很多业务也没有想的那么简单。

包括作者本身，在学习大模型的过程中也会遇到很多问题，怎么想也想不明白；然后就不管是否明白，自己动手做做再说。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

举个实际的例子，在个人开发的人工智能机器人中，在后台能看到一些人问你使用了哪些技术，用了什么模型，你是怎么实现的等等。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

在做过的人看来，实现一个人工智能聊天机器人还不简单；但对没做过的人来说，可能就存在很多不明白的问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

以下就是一个人工智能机器人，很简单也很复杂：‍‍‍‍

但等他们真的动手做了之后，又会发现原来这么简单。

总之，学习技术切勿钻牛角尖，不管懂不懂，先上手做做看；在做的过程中可能会遇到很多问题，这时再去学习；这样才能起到事半功倍的效果。‍‍‍‍‍‍‍‍‍‍‍‍‍

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。

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】