大模型时代，程序员应该钻研算法还是prompt能力?

程序员和算法工程师学习大模型的切入点、路径和侧重点应该是不一样的。

正如一块草莓蛋糕，算法工程师可能从“蛋糕胚”这一层开始深入研究，理解其配方和做法，再逐步向上探索更高层次的奶油（应用）层；而程序员，应该先研究“这块蛋糕该怎么吃”，然后随着吃蛋糕的需要，自然而然地切下去，深入探索奶油层下面藏着的“蛋糕胚”。

因此对程序员来说，一上来就钻研算法，站的层太低了；钻研prompt，又太片面了。程序员的切入点，应该在AI应用层，即“蛋糕的吃法”上。

程序员钻研大模型的“舒适路径”

钻研大模型，对程序员来说比较舒适的路径是：

提示词工程->调用api->AI应用开发框架->RAG技术->Agent->模型微调相关->模型产品部署和交付

Prompt工程

基于提示词对大模型的使用，研究怎样问问题才能激发出大模型的能力。

从会调API开始

选择一个流行的大模型（GPT、chatglm、千问等），学习其官方提供的API文档。通过API进行基础的请求和响应，熟悉大模型的基本功能和限制。

AI应用开发框架

当下大模型应用，从产品形态上正在沿着 AIGC（内容生成）、Insight（知识洞察）、Copilot（智能助手）、Agent（数字代理）四个阶段演进。

而应用开发的技术栈，也在按开源和闭源两条路线不断迭代和发展。

在构建不同应用时，你会接触到各种开发框架和工具，比如LangChain、Semantic Kernel 、Assistant API…这些框架和工具尚处在探索发展过程中，因此需要程序员具备快速学习和适应的能力。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

篇幅有

很多技术人员，会对Langchain之类的框架各种吐槽，甚至对当前大模型的能力嗤之以鼻。但有一个不容忽视的问题是：能力不到位，就不可以进行应用落地吗？

并不是的。一个演进中的框架和工具，并不影响你的学习和思考过程；同样，一个能力有限的模型，在框定场景下照样能够发挥出足够大的价值。

RAG技术

当大模型本身的知识不够专有、不够垂直的情况下，可以通过RAG（Retrieval-Augmented Generation）技术引入外部知识库的方式增强模型的生成能力。

Agent

大模型领域的“自动化”。通过加入“感知”、“记忆”、“规划”等机制，让大模型自主思考、决策、规划、执行，来解决问题。

模型微调相关规划

了解Transformer结构，并且了解微调的基本原理和步骤、数据集的构建技巧，并学会如何选择合适的预训练模型和超参数进行微调。

Prompt Tuning

P-Tuning

Prefix Tuning

LoRA

QLoRA

AdaLoRA

模型产品部署和交付

了解常见的部署平台和工具，了解私有化部署的硬件选型知识，学会如何进行模型的打包、测试和发布。

准备适应开发范式的改变

从小模型时代演进到大模型时代，开发范式发生了深刻的转变。

从面向过程到面向目标的编程方式

在传统的软件开发中，程序员需要清清楚楚地预先设计好每一个逻辑分支，以及catch住所有异常。而大模型却是一个“活的”、“模糊的”、“非结构化的”智能组件，我们与它的交互是面向目标的。

因此，研究如何让这样一个组件融入到结构化的程序中，是个令人兴奋的挑战。足以吸引技术人员去思考和钻研。

软件工程组织方式和分工的改变

第一，大模型的高度智能，拓展了人的能力边界；第二，大模型的Copilot能力，提高了人的工作效率；第三，大模型应用本身的开发范式转变，导致软件工程的组织方式亟待改变。

产品经理需要懂技术，程序员需要懂业务。原先的专人专岗、分工极度细化的分工和组织模式，将不再适合大模型应用时代的软件开发过程。

大模型应用时代需要的，是从业务一眼看透整个技术栈的开发者。

“赋能”而不是“替代”：成为进击的程序员

过去，每个公司都需要组建专门的算法团队，投入大量资源来构建和训练小模型。随着通用大模型的崛起，开发AI应用的方式发生了颠覆性的变化。

如今，开发人员可以更加便捷地利用预训练好的大模型，通过微调或集成的方式快速构建出功能强大的AI应用。这种转变为普通程序员提供了更广阔的机遇，使他们能够更轻松地参与到AI应用的开发中。

因此，面对大模型时代的浪潮，深入了解它的技术原理、优势以及局限性变得尤为关键。这不仅有助于程序员更好地运用它，更能使自己在快速变化的技术领域中保持领先地位。

大模型对于程序员而言，讲赋能比讲替代价值要高得多。作为连接模型能力与应用需求的桥梁，程序员无疑扮演着至关重要的角色。这不应该是一个让程序员疯狂焦虑的时代，对程序员来说，这是最好的时代。

那么，如何系统的去学习大模型LLM？

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。

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。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

篇幅有限，部分资料如下：

👉LLM大模型学习指南+路线汇总👈

💥大模型入门要点，扫盲必看！

💥既然要系统的学习大模型，那么学习路线是必不可少的，这份路线能帮助你快速梳理知识，形成自己的体系。

路线图很大就不一一展示了 （文末领取）

👉大模型入门实战训练👈

💥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。

👉国内企业大模型落地应用案例👈

💥两本《中国大模型落地应用案例集》 收录了近两年151个优秀的大模型落地应用案例，这些案例覆盖了金融、医疗、教育、交通、制造等众多领域，无论是对于大模型技术的研究者，还是对于希望了解大模型技术在实际业务中如何应用的业内人士，都具有很高的参考价值。 （文末领取）

👉GitHub海量高星开源项目👈

💥收集整理了海量的开源项目，地址、代码、文档等等全都下载共享给大家一起学习！

👉LLM大模型学习视频👈

💥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。 （文末领取）

👉640份大模型行业报告（持续更新）👈

💥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。

👉获取方式：

这份完整版的大模型 LLM 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】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓