马斯克开源了Grok，说说程序员在大模型时代的机会

前天晚上，Elon Musk又搞事情了，开源了xAI的大模型Grok。开源到什么程度？

Grok的开源协议遵循Apache 2.0，几乎是对使用者最开放的开源协议了：

• 可商用：用户可以自由地将软件用于商业目的，不必支付许可费。

• 可修改和分发：用户可以修改源代码，并且可以在修改后的软件上施加同样的许可证进行再分发。

• 专利授权：该许可证自动授予软件用户任何专利权利，这意味着贡献者不能对软件用户提起专利诉讼。

• 保留版权和许可声明：在分发软件或其修改版本时，必须保留原有的版权声明和许可证声明。

• 不承担责任：提供一定的保障，但软件作者或贡献者不必为软件可能引起的任何损失承担责任。

一句话总结，就是你可以随便打个包做成产品卖，只需要声明一下用了它就可以了。

01

—

如何使用

目前基于Grok的聊天机器人只针对Twitter的 X Premium+会员开放，登录地址：https://grok.x.ai/。不过也不用着急，估计和ChatGPT也差不了多少，早晚会放开的。

ChatGPT也来凑个热闹，但钢铁侠在嘴活上从来就没怕过谁：

02

—

程序员的机会

大模型的高技术门槛，注定了不能像互联网一样，需要那么多开发人员。而且，前两天时间出来的AI程序员，更加增加了部分人的焦虑感。

如果程序员要参与到大模型相关的工作中，都能干什么呢？现在能看到的最好的机会就是AI 大模型应用开发。

应用场景

目前大模型应用还处于探索阶段，还没有成熟的应用。但是已经有公司在探索使用在智能客服等场景，我来看依托大模型的智能客服应用，它们的整体架构是什么样的。

从上就是一个生产可用的智能客服应用的典型架构，这里面主要包含几个点：

1. 大模型的可插拔性，这个架构中大模型提供生成对话的功能，所以系统需要设计成可无感切换不同大模型的能力。

2. 本地知识库接入，通过RAG技术将本地知识库离线加工清洗，在和大模型对话时，通过Prompt提供给大模型。以便生成的答案符合现有的业务。

3. 向量存储，本地知识库需要转换成向量存储在向量数据库中，在用户对话时可实时查询相关知识。

4. 插件支持，部分对话必须依赖数据，比如用户问我的订单发货了没有，这时候离线的知识库无法满足要求，就需要以插件的形式实时查询业务数据，提供给大模型生成回答。

以上，就是基于大模型的智能客服系统架构的关键点。这里面用到的技术，其实跟AI算法没有太大关系，程序员可在其中发挥很大的作用。

技术储备

对于程序员来说，要学习大模型的应用开发，或者入职相关岗位，需要学习如下技术：

1. 大模型API的使用，这个技术门槛很低，唯一要做的就是学习一下Python。大家不要觉得这个东西技术含量不高，当别人都不会的时候你会那机会就是你的。况且能把对话接口和图片生成、插件等接口结合起来，提供针对不同大模型的抽象，还是需要一点架构功底的。

2. 向量数据库知识，目前向量数据的库的选择有开源实现、也有商业化产品，PostgreSQL、ElasticSearch等也通过插件支持向量存储。懂向量数据库的选型、运维，在市面上还属于是稀缺人才。程序员如果对这个感兴趣，还是值得作为职业方向的。

3. 大模型和本地知识库的交互，涉及到数据召回、重排、填充等优化技术。以便提高对话的准确性和速度，如果使用的是商业大模型，顺便还可以节约API费用，目前懂这个全套技术的人还是很少的。

4. 大模型的本地部署，商用大模型虽然足够强大，但是有些项目是无法用的，比如金融项目，这时候私有大模型部署和微调就成为刚需。这个技能足够有想象空间，当然学习门槛也足够高。但是对程序员来说也没到不能学会的程度，毕竟门槛越高你的护城河越深。

03

—

总结一下

大模型出来以后，对程序员是机会也是挑战。现在AI类应用除了客服还没找到强使用场景，这时候提前入局储备技术，就是最大的机会。

当然，随着AI的程序员越来越聪明，它早晚会胜任底层程序员的工作。我们要做的就是打不过就加入，而不是等着被替代。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓