【无标题】

1ChatGLM3介绍

1. ChatGLM3是基于GLM-130B的对话微调版本，继承了GLM-130B的语言理解和生成能力，并针对对话场景进行了专门的优化。

2. ChatGLM3可以生成流畅、有趣、有逻辑的对话，并且不会出现重复、跑题、无关等问题。它可以根据用户的输入和历史记录进行动态调整，保持对话的连贯性和一致性。

3. ChatGLM3具有执行各种工具调用的能力，比如搜索、翻译、计算、绘图等。用户只需要输入简单的指令或问题，就可以得到满意的答案或结果。它还可以根据用户的反馈进行自我纠错和学习，提高工具调用的准确性和效率。

4. ChatGLM3支持多种语言和多种模式，如中文、英文、日文等。用户可以通过设置选择自己喜欢的语言和模式，如平衡模式、创意模式、精确模式等。不同的模式会影响对话的风格和内容，让用户体验更加丰富和多样。

5. 最新版本的ChatGLM-turbo在AgentBench上已稍微超出GPT-3.5。在算力方面，ChatGLM3已支持多种国产硬件生态，如昇腾、海光DCU等。同时，ChatGLM3提供了更丰富的模型尺寸选项，如1.5B、3B等，以满足不同的边缘侧需求，支持在笔记本电脑、手机、汽车等设备上部署。

2ChatGLM3-6B

ChatGLM3-6B 是 ChatGLM3 系列中的开源模型，它具有以下特性：

1. 强大的对话能力：ChatGLM3-6B 模型在保留了前两代模型对话流畅、部署门槛低等特性的基础上，进一步提升了对话生成的质量和效果。

2. 全新的模型架构：ChatGLM3-6B 引入了一些新的技术和架构，如采用了更多的注意力机制、更好的模型结构等，以提高模型的性能和效果。

3. 开源的双语模型：ChatGLM3-6B 是一个开源的双语模型，可以支持中英双语对话，具有广泛的应用场景和适用人群。

4. 灵活的部署方式：ChatGLM3-6B 支持多种部署方式，包括本地部署、云部署等，方便用户根据自己的需求进行选择和使用。

5. 丰富的应用场景：ChatGLM3-6B 可以广泛应用于智能客服、智能助手、在线教育、语音识别等领域，为用户提供智能化、高效化的服务和支持。总之，ChatGLM3-6B 是一款功能强大、效果优良、部署灵活、应用广泛的开源对话模型，为用户提供了智能化、高效化的对话解决方案。

3本地搭建ChatGLM3-6B

Part1获取ChatGLM3源码

git clone https://github.com/THUDM/ChatGLM3   cd ChatGLM3   

Part2conda 创建虚拟环境

conda create -n glm3 python=3.10   

Part3激活环境

conda activate glm3   

Part4退出环境

conda deactivate   

Part5下载依赖包

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn   

Part6模型下载。

在项目目录下可以直接粘贴模型文件，也可以从huggingface下载，下载方式见下面代码。大多数人可能因为网络问题下载速度慢，可以使用我提供的模型分享文件，回复12即可获取下载链接，需要使用天翼云，慢速下载。

模型文件可以直接解压到项目目录下

mkdir model && cd model   git clone https://huggingface.co/THUDM/chatglm3-6b   git clone https://huggingface.co/THUDM/chatglm3-6b-int4   git clone https://huggingface.co/THUDM/chatglm3-6b-32k   git clone https://huggingface.co/THUDM/chatglm3-6b-32k-int4            

Part7使用ChatGLM3

ChatGLM3 提供了三种使用方式：命令行 Demo，网页版 Demo 和 API 部署；在启动模型之前，需要找到对应启动方式的 python 源码文件修改模型位置openai-api.py进行如下修改。

在项目目录下常见启动bat文件：

python.exe D:\BaiduNetdiskDownload\ChatGLM3-6B\ChatGLM3-main\openai_api_demo/openai_api.py   pause   

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】