Datawhale AI 夏令营2024第四期方向1AIGC Task2粗略描述

Datawhale AI 夏令营2024第四期方向1AIGC Task2粗略描述

前言

再一次的，描述。我并不擅长诸类事物，因此，我仅能凭借自己薄弱所见所闻、所知所想来编写这段笔记。若出现可笑错误，还请各位可以点出，若能消耗些时间的话。

第一部分：Task2的目的

我们不需要重复造轮子，但是需要了解轮子的造法。对于baseline的代码而言，的确是如此，因为此刻，我们也没有必要去自己写一段。当然，由于各位也是在参与Datawhale的该方向的志士，因此仅仅停留在会使用轮子，大抵也是不够的，我们也需要去微微探求其本身——不过这是安全的，并不会导致你出现理智损失的情况（当然，也不排除。比如说，恐惧症什么的）
在Task1里，的确已经使用过了baseline代码，但是或许并不能有效理解。而Datawhale的Task2目的，便是要我们去理解。如何呢？询问他人固然是好办法。但现在，已经不是以前了。我们需要更好的学习。利用AI工具辅助，是好的选择。
乐意的话，也可以将baseline代码安置入Pycharm中，利用自带的AI工具进行分析，也是可以的（不过，目前我看来这几个内置工具更适合进行写，而不是读和补充）。当然，任意一款大语言模型都可以是你的选择，若有能力，也可以去选择GPT-4o或者是Claude3.5一类的国外模型。
学会使用AI工具进行辅助学习，是当下的热点，也是该Task2想要让我们学习到的技能手段。

第二部分：代码阅读

因为主要的步骤均在Datawhale的官方文件中有，我也就不必要进行重复性的工作了。因此，我仅进行部分的简要描述，以及一些个人看法。老样子，对应的网址我会放在“来源”部分。

第一步：拥有一个AI助手

一般来讲，国内知名的这几个对于这种基本的代码解读已经够用了，但是如果是续写代码，或许还是需要投入更多的人力资源，才可以达到预期的效果。
国内的：你可以使用通义千问、文心一言、kimi Ai、GLM、天工等大预言模型，一切看你喜好。
当然，如果有更大的挑战需求，也可以尝试先在本地部署大语言模型（如ChatGLM或Qwen系列的）再继续我们的Task2（不过这不是有些过分强势了吗？），当然，若需要本地部署，将会对电脑的性能有极大的需求（因此，按照目前的形势，我认为在本地部署，无论是对电子设备还是对用户本身，都是不友好的。不过如果你有极好的性能以及自信心，那当然是可敬的选择）。

第二步：让代码被代码阅读

不过，我们需要首先会更好的使用AI助手。虽然它是代码，但是我们依旧最好是给予合适且恰当的提示词（prompt）来进行引导，来让它更好的完成之后的任务。比如说，直接将一整串的代码抛给它，就不如先去让它知道之后要干什么，比如说“现在请你扮演一名程序员，为我解释代码。接下来我会向你提供一段完整的代码，请你进行总体解释；接着，我会将代码分段提供，请详细解释每段代码的作用，以及其中一些函数的原理。”（当然，有更好的提示词工程，但是我不会）
然后现在，你就可以进行一定量的询问了，一般来说，我们为了保证一个对话的完整性（因为不确定它的上下文强度能否包容一些“节外生枝”——比如说一些过于细致的追问以及与原先代码相差较大的拓展），可以选择创建多个对话，在一个中完整进行主干部分的询问，在其他进行拓展和细节提问（不过我认为可能也不需要，因为都是代码，上下文的污染影响基本不大。但如果是问了一篇文学文章，再问一篇，就有可能最后会被混杂在一起。）

第三部分：额外话题

最近看见了一篇关于AI的弊的文章，我会放在结尾供大家阅读思考。
因为最近时间紧迫，由不得我“长篇大论”。

第四部分：来源

Datawhale 2024/4/1/2文档：Datawhale (linklearner.com)
通义千问：https://tongyi.aliyun.com/
Kimi AI：Kimi.ai - 帮你看更大的世界 (moonshot.cn)
注：这里不再继续放置更多的大语言模型，请各位若有需要自己去寻找，上网获取正确的事物，也是一种本领
AI最终会破坏它触及的一切：Kaldi 之父：AI 最终会破坏它触及的一切 | 新程序员-CSDN博客
注：若打不开，可以复制名称，也基本上就搜索到了