什么是大语言模型?
大语言模型是一种人工智能模型,通常使用深度学习技术(如神经网络)来理解和生成人类语言。这些模型拥有非常多的参数,可以达到数十亿甚至更多,使得它们能够处理高度复杂的语言模式。
我们可以将大语言模型视为一个巨大的预测机器,其训练过程基于“猜词”任务:给定一段文本的开头,模型需要预测下一个词是什么。通过大量的训练数据(如互联网上的文本),模型试图理解词语和词组的用法和含义,以及它们如何组合形成意义。通过不断学习和调整参数,模型的预测能力变得越来越准确。
发展历程
image.png
LLM 生态
image.png
基座大模型
image.png
参考:大模型综合能力评测对比表[1]
热门开发框架/平台
Langchain :是一个基于语言模型开发应用程序的框架 https://github.com/langchain-ai/langchain
LlamaIndex:是一个旨在促进私有或领域特定数据与大语言模型集成的数据框架。https://github.com/run-llama/llama_index
Dify:是一款开源的大语言模型(LLM) 应用开发平台。https://github.com/langgenius/dify
AutoGen:提供了一个作为高级抽象的多智能体对话框架。https://github.com/microsoft/autogen
LangChain导言
LangChain是一个用于开发由大型语言模型(LLM)提供支持的应用程序的框架。
LangChain 是一个开源框架,旨在帮助开发人员构建端到端的应用程序,利用大型语言模型作为核心驱动力。它提供了一系列工具、组件和接口,简化了使用语言模型和聊天模型构建支持应用程序的过程。
LangChain 简化了 LLM 应用程序生命周期的每个阶段:
- • 开发:使用LangChain的开源构建块[2]和组件[3]构建您的应用程序。使用第三方集成[4]和模板[5]开始运行。
- • 产品化:使用LangSmith[6]检查、监控和评估您的链,以便您可以放心地持续优化和部署。
- • 部署:使用LangServe[7]将任何链转换为API。
整体架构图
image.png
具体来说,该框架由以下开源库组成:
-
• langchain-core:基础抽象和LangChain表达式语言。
-
• langchain-community:第三方集成。
-
- • 合作伙伴包(例如 langchain-openai、langchain-anthropic *等等):一些集成已进一步拆分为它们自己的轻量级包,这些包仅仅依赖于* langchain-core。
-
• langchain:构成应用程序认知架构的链、代理和检索策略。
-
• langgraph[8]:通过将步骤建模为图中的边和节点,使用LLM构建健壮且有状态的多参与者应用程序(agent)。
-
• langserver[9]:将LangChain链部署为REST API。
-
• LangSmith[10]:一个开发人员平台,可让我们调试、测试、评估和监控LLM应用程序。
创始人
LangChain 是由 Harrison Chase 和 Ankush Gola 在 2023 年在美国加利福尼亚州创建的人工智能公司。Harrison Chase 担任首席执行官。
LangChain 框架 是由 Harrison Chase 在 2022 年 10 月作为开源软件项目推出的,旨在将大型语言模型(比如 GPT-4)与外部计算和数据源结合起来。
解决的问题
LangChain 主要解决以下问题:
- • 数据感知:将语言模型与其他数据源相连接,使其具备对数据的感知能力。
- • 主动性:允许语言模型与其环境进行交互,具备主动响应和推理的能力。
LangChain 旨在提供上下文感知和推理能力,使应用程序更智能和灵活。
生态系统
🦜🛠️ LangSmith[11]
跟踪和评估您的语言模型应用程序和智能代理,以帮助您从原型转向生产。
🦜🕸️ LangGraph[12]
使用LLM构建有状态的多参与者应用程序,构建在(并打算与)LangChain原语一起使用。
🦜🏓 LangServe[13]
将LangChain可运行文件和链部署为REST API。
安装LangChain
LangChain 支持 Python 和 JavaScript 两个开发版本,我们这个分享使用 python3.11 版本进行讲解。
\1. 安装 Python 参考文档:python安装[14]
\2. 安装 langchain (版本 v0.2):
pip install langchain
更多详情信息参考文档:langchain安装[15]
小结
本文介绍了什么是大语言模型,LangChain 基本信息、LangChain 生态系统以及 LangChain 安装。
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
】
![](https://img-blog.csdnimg.cn/img_convert/c1794a9e3f04767a82a317b0aff09d1c.png)