人工智能(AI)大模型的诞生,让2023年成为人类历史上一个重要年份——通用人工智能元年。联合国教科文组织称,以大数据驱动的人工智能技术正在推动第四次工业革命**。
然而,这一科技跃迁背后,仍然有着四座大山:高昂的计算资源需求考验着财务与技术极限;模型的复杂性降低了决策过程的透明度;部署与现有系统的集成需要精妙的工程解决方案;同时,保障数据隐私与安全成为了不容忽视的关键议题。
01****横空出世,阿里云百炼!
面对企业AI应用落地困境,在2023年10月阿里云强劲推出了“阿里云百炼”大模型平台,经过10个月的“千锤百炼”,在产品功能和性能上已经独占鳌头。
官网地址:bailian.aliyun.com
阿里云百炼大模型服务平台,是面向企业客户及合作伙伴的,基于通义大模型、行业大模型以及三方大模型,结合企业专属数据,包含全链路大模型开发工具的一站式大模型商业化平台。提供完整的模型调优、模型评测等产品工具,预置丰富的插件工具,提供便捷的集成方式,更快更高效地完成大模型应用的构建;
**02
**“百炼”产品优势明显!
阿里云百炼(PAI)作为一站式人工智能开发平台,凭借其全面的服务、开放的生态、强大的数据处理能力、智能模型训练、可视化界面、严格的安全措施以及云端的弹性扩展能力,为开发者提供了一站式解决方案。它不仅降低了AI开发的技术门槛,还极大地提升了模型训练效率与数据处理能力,助力企业与个人在AI领域实现创新与突破,加速AI技术的实际应用和商业价值释放,从而赋能开发者和企业,加速AI技术的创新与实际应用,助力企业领跑于人工智能时代。
**03
**“百炼”产品功能炸裂!
对于开发者来说,它就像一个超级工具箱,因为它把数据管理、模型训练、应用构建这些环节都整合在一起了。数据处理变得简单,因为有专门的工具帮你搞定数据集的准备。模型训练方面,像监督微调、LoRA这样的技术都被囊括其中,而且还能实时看到训练进展,方便调整策略。平台自带了一堆插件,涵盖了数据管理和工作流控制,还允许你自定义业务插件。界面设计得就像画布一样,拖拽几下就能搭出你的应用,还有优化Prompt的工具,能帮你的模型表现更出色。平台还有一系列现成的应用模板,比如文档问答、智能写作助手、自然语言转SQL这类的,拿来就能用。不管是阿里云的通义系列还是别的第三方模型,都能在这里找到并且直接调用,从头到尾,一条龙服务。
**04
**基于“百炼”,轻松打造AI智能体 !
基于性能炸裂的阿里云百炼大模型平台,我们可以轻松打造AI智能体。下面带大家来实现一个AI应用- 旅游城市美食推荐系统 ( 输入城市,大模型即可分析出该城市的10道经典美食。)
步骤一,登录阿里云百炼控制台
控制台地址(建议用支付宝登录):
https://bailian.console.aliyun.com/
阿里云百炼平台内置了很多大模型,其中包括自研通义千问大模型,以及优秀的第三方大模型。我们可以点击左侧菜单-模型广场。
我们可以对指定模型进行效果实测。
步骤二,创建应用
在左侧菜单-我的应用,点击“创建应用”
点击左上角编辑按钮,可以修改应用名称。
步骤三,配置大模型
项目创建后,我们这里可以配置应用的大模型,我们这里选用通义千问-Turbo
步骤四,创建API-KEY
阿里云百炼目前支持以下Java和Python编程语言,Java或者Python项目在调用平台接口的时候,需要一个API-KEY。我们可以点击右上角账户管理 - API-KEY。创建KEY,以及选择对应API-KEY,点击操作栏查看。
步骤五,集成流程管理应用组件
支持通过画布的方式,编排复杂业务流程对接大模型。完成流程编排后,可以直接创建关联新建应用或关联已有应用。提升接入大模型的效率,同时提供应用流程的全生命周期管理,包括流程编排、试验、部署等。
点击左侧菜单-流程管理 新建流程,取名 “城市美食推荐”
先拖入开始节点和结束节点,再拖入一个大模型节点,编写提示词,以及定义参数,然后再拖入一个API调用节点,用Python脚本对大模型计算结果进行格式化返回。
右侧,我们可以对流程进行测试,以及发布。
最后在应用里,我们可以选择流程,添加到我的应用中。
步骤六,创建Springboot项目,调用阿里云百炼API
IDEA里新建SpringBoot项目,pom.xml里加入dashscope-sdk-java依赖
<dependency> <groupId>com.alibaba</groupId> <artifactId>dashscope-sdk-java</artifactId> <version>2.15.2</version> </dependency>
新建ApiController.java,调用阿里云百炼平台AI接口,应用项目映射路径/bailian/api
package com.java1234.bailian_api.controller; import com.alibaba.dashscope.aigc.generation.Generation; import com.alibaba.dashscope.aigc.generation.GenerationParam; import com.alibaba.dashscope.aigc.generation.GenerationResult; import com.alibaba.dashscope.common.Message; import com.alibaba.dashscope.common.Role; import com.alibaba.dashscope.exception.ApiException; import com.alibaba.dashscope.exception.InputRequiredException; import com.alibaba.dashscope.exception.NoApiKeyException; import com.alibaba.dashscope.utils.JsonUtils; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; import java.util.ArrayList; import java.util.List; @RestController @RequestMapping(“/bailian”) public class ApiController { public String callWithMessage(String city) throws NoApiKeyException, ApiException, InputRequiredException { Generation gen = new Generation(); List messages = new ArrayList<>(); Message systemMsg = Message.builder().role(Role.SYSTEM.getValue()).content(“You are a helpful assistant.”).build(); Message userMsg = Message.builder().role(Role.USER.getValue()).content(“请根据以下指定城市,给我推荐十道地方美食,仅输出美食名称即可,格式形如{“北京烤鸭”,“西湖牛肉羹”,“脆皮鸡”},美食字段为foodName,城市为:”+city).build(); messages.add(systemMsg); messages.add(userMsg); GenerationParam param = GenerationParam.builder().model(Generation.Models.QWEN_TURBO).messages(messages) .resultFormat(GenerationParam.ResultFormat.MESSAGE) .build(); param.setApiKey(“换成你的API-KEY”); GenerationResult result = gen.call(param); return JsonUtils.toJson(result); } @RequestMapping(“/api”) public String gen(String city){ try { return callWithMessage(city); } catch (ApiException | NoApiKeyException | InputRequiredException e) { return e.getMessage(); } } }
新建前端应用页面app.html,调用SpringBoot后端接口,来实现用户AI应用交互界面。
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <link rel="stylesheet" href="dist/css/bootstrap.css"> <script type="text/javascript" src="jquery.min.js"></script> </head> <body style="padding: 30px"> <div align="center"> <h3>旅游城市美食推荐系统</h3> <div><span class="badge text-bg-warning">基于阿里云百炼大模型平台</span></div> <form class="row g-2" style="padding-top: 10px;text-align: center"> <div class="col-auto"> <input type="type" class="form-control" id="city" placeholder="请输入您要旅游的城市" style="width: 220px"> </div> <div class="col-auto"> <button id="btn" type="button" class="btn btn-primary mb-3" >提交</button> </div> </form> <div id="result" style="text-align: left;"></div> </div> <script type="text/javascript"> $(function(){ $("#btn").on('click',function (){ var city=$("#city").val(); console.log($("#city").val()) $.post("bailian/api",{city:city},function(result){ result=eval("("+result+")"); var content=city+"的特色美食有:<br/>"+result.output.choices[0].message.content $("#result").html(content); }); }) })</script> </body> </html
步骤七,启动项目,测试应用
我们启动SpringBoot项目,浏览器地址栏输入:http://localhost:8080/app.html,我们先后输入北京和杭州,AI应用很快就会给我们推荐当前城市的10道美食,真实太棒了!
END
作为程序员的我们,要紧跟时代,抓住机遇,阿里云百炼作为走在时代前言的国内AI大模型技术平台产品,值得我们好好学习下。因为即将诞生一大批高薪的AI大模型工程师岗位。
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。