2024自學AI大模型的 8 個步驟

hello 大家好 我是土妹 今天這期視頻跟大家聊一下大模型入門學習什麼東西 因爲很多朋友在評論區跟我諮詢這個問題 所以就想做一期視頻來系統的跟大家講一下 從一開始如果對大模型瞭解非常少 怎麼樣迅速能夠入門 能夠知道整個體系裏有些什麼東西 然後再去進一步去成爲一個至少你周圍大模型的一個專家 給我總結了八步快速去入門大模型的一些學習步驟 那我們就快開始吧 學大模型的第一步肯定是我們先去學習 使用一下這些最常見的大模型的產品 比如說Chai GPT 比如說Mini Journey 就這些最常見的一些產品 大家去把它用起來 用到生活當中去 尤其是寫文檔 或者說做一些小工具 這些大模型都能給到你很多幫助的 在跟他們交流的過程中 我們不可避免必須要去學這個提示工程 就是怎麼寫Prompt 這是最基礎的 所以第一步我們肯定是要去學提示工程這一部分 真正把這些大模型用起來 我嘗試了國內的一些 比如說豆包 文心藝研 千問 質樸青研 還有Chai GPT Cloud 這些不同的大模型 目前我主要在用豆包和Chai GPT這兩個 有時候會用Gemini 國內的大模型現在能力肯定還是比不上Chai GPT的 Chai GPT 4O肯定是現在比較公認是最強的 所以我主要關鍵的內容都是Chai GPT 4O 會搭配Gemini去做驗證 豆包是我覺得用起來最方便的 所以我平時一些簡單的任務都是用豆包 它的應用做的比較好 所以已經陷入到我的生活裏面了 我經常需要去跟它交流 在這個過程中可以不斷的去學習怎麼跟AI去交流 我覺得這肯定是第一部分的 第二步我們想系統去學習大模型 我看了一堆資料 我覺得最好看的還是李鴻義老師的 是臺灣大學的一個教授 他在B站上面也有一套的視頻是講生成式AI導論的課程 整套課程我覺得是超級棒 而且在B站上我們都可以免費觀看 所以推薦大家先看一下這個 大家在YouTube上也可以看到他的賬號 上面可能有更多其他的一些視頻 我是把他的整套視頻在B站上看完以後 我會再在這個YouTube上看有哪些視頻是我沒有看過的 我會再去把它看一下 因爲我覺得他講的特別好 而且非常專業 而且因爲是一套課程的緣故 所以整個體系還是比較的一個完整 是系統化的一種學習的方式 所以第二點就是 第一下系統化的學習一下大模型相關的比較多的一些知識 後面第三步推薦大家先在實戰中把一些東西跑起來玩一下 第三步也是不需要有任何編程知識的 就是用QOZ平臺 QOZ平臺是自節跳動出的 它有國內版是.cn結尾的 也有國外版的 它可以用到最新的一些國外大模型 像ChadGBT4O這些 但是它可能需要API Key 你可能需要有這些大模型 本身你已經買過這個API有賬號了 如果你沒有 你只想低成本的免費的用一下的話 你可以用國內版 國內版可以用它豆包的一些API是免費額度比較高的 所以可以免費搭一點東西試一試就可以了 平臺的話你可以看到它可以做很多的應用 你想去解決你生活中實際的一些東西 你可以通過這個QOZ平臺去建立起來 這當中也有很多它是公開配置的 公開配置的話 就相當於你可以看到它裏面用了什麼樣的提示詞 就可以給我們一些參考吧 你就知道這個是怎麼配置的 它上面有很多的插件 工作流也是有很多公開的工作流 所以你點開你可以複製 你可以看到具體它的這個工作流是怎麼配置的 所以都可以跟它學習 你可以根據現有的這些已經比較好的一些成品 自己再去做一個自己你想做的一個智能體吧 在實際的應用中是提高最快的 所以第三步就推薦大家去QOZ平臺上先搭一搭試試 當然本期是沒有什麼廣告的費用 只是我覺得QOZ平臺還是比較好用的 雖然有其他的這些工作流平臺 比如說像DeFi啊 Glossy啊這些其他的工作流平臺 但QOZ平臺上面人已經比較多了 有一些現成的模板可以參考 所以我覺得入門的話QOZ還挺好用的 這方面大家可以在B站上再看看有些教學視頻 它會講的比較詳細一些 第四步的話 我覺得現在最新流行的這個Cursor的ID 真的很好用 推薦大家玩一下 現在已經刷屏了 應該很多人都已經看到這個Cursor了 反正它可以免費試用兩週 我們可以先拿過來試一下 不管做些什麼東西可以用 不管你是有沒有編程基礎 這個Cursor都是可以用的 如果你有什麼小想法 有些小程序或者是小遊戲 可以用Cursor先做一下試一試 第五步的話就是可以用OLAMA來拉一個本地的大模型 你可以自己在你電腦本機有一個大模型跑起來 自己玩一下 OLAMA應該是非常簡單比較好用的 第六步如果你是有編程基礎的話 你可以學一下Lanchain Lanchain其實大家肯定都是聽說過 但是你可能有些人也在猶豫說 因爲很多人也在抱怨說Lanchain不好用 我自己調研下來 我是覺得Lanchain還是有它很大的價值的 就算你不用Lanchain也可以學一下Lanchain 瞭解一下它的一些架構 它的原理 它有哪些功能 這可能是我們開發大模型應用所需要的 所以如果你是程序員 你是想做大模型開發的話 那Lanchain還是得學一下的 就哪怕你是不用 學一下它這個知識都是對你會有用的 第七步也是現在非常火的RAG 這個也是如果你有程序員背景的話 RAG也是必學的一個東西 在企業內部要應用的話 基本上現在都是要用RAG技術 RAG技術簡單的來說其實是非常簡單 最基本的功能很容易就做出來 但是RAG難就難在怎麼做評估 然後怎麼去調優上面 這當中有很多的知識點 有很多的方法 RAG是可以好好學慢慢去學的 最後第八步想再回來跟大家去聊 再去學這個Prompt的內容 因爲搞大模型 其實本質上很關鍵的一個環節 就是怎麼跟大模型溝通 因爲大模型就相當於是 真的是一個人工智能的一個人 一個機器人一樣 你怎麼去跟它溝通 其實對最後產生的結果 是可以影響非常大的 所以最後一步 我覺得大家可以在系統裏 學一下這個提示工程 雖然我們第一步就跟大家說 提示工程是必學的 但是一開始你可能掌握了一些基本的技巧 等你整個玩了一圈 已經掌握了一堆的技能 一堆的知識 你在應用當中 你可能會遇到更多的問題 包括你想調優 你想達到更好的一個效果 你到最後你會發現 你還需要再學更多的提示工程的內容 在這裏給大家推薦一個資料 就是這個roadmap.sh 它有推薦這個提示工程 我們需要學習什麼資料 一開始是一些基本的大模型的知識 這個提示需要有哪些關鍵的一些技巧 還有哪些分類 所以最後我們可以有了一些知識以後 再來系統的去學一下這個提示工程 還有哪些東西是我們沒有掌握的 就經常可以回過頭來 再去反思一下 去查漏補缺 看看知識上有哪些盲區還沒有覆蓋到的 所以這個是提示工程的一個路線圖 這個roadmap 我們也可以再看看別的 比如說這個是github上面一個repo 上面有3萬多顆星 這個是講學大模型的話 有哪些的學習路徑的 它這個資料上面分爲三類 就是一些大模型基礎的內容 和一些你要去做大模型的話 這個是lmscientist 但對大部分開發來說 他可能主要需要關注 這個是大模型工程師的這個部分 你可以在後面的圖上面 比如說這邊是一個lm的這個工程師 你需要學習的一些內容 所以這些東西也可以再看一下 他這個路線圖 看看自己有哪部分是缺失的 你可以看到這上面第一步是怎麼運行 這個lm 也就是之前跟他講到 就是用olama怎麼去本地去跑大模型 這個是向量數據庫的一些內容 rug的話 這邊分爲兩個部分 一個是基礎的rug 和這個高級rug 還有一些推理的優化 部署lm的一些知識點 最後是一些安全方面的一些內容 大家可以在這個github上面看一看 而這個就是我給大家推薦的 八步學大模型的一些基礎的知識 這當中沒有講到訓練模型的這個部分 因爲我覺得大部分人其實是 不需要去參與這個訓練大模型這個過程的 所以我沒有講這部分的內容 在實際工作當中做工程師的話 有可能我們還是需要去參與 這個fine tuning 這個微調模型的一個工作 但是大部分情況下 可能是需要建立在我們先做一些rug的應用 先用lantern做一些大模型應用本身 這會是需要最先去考慮的內容 然後微調模型是後期會再去考慮 所以微調模型 我覺得一開始可以先暫時不學 到後面高階的時候 我們再去學這個fine tuning 好的 那這期想跟大家聊的內容基本上就是這些 希望能對你有些幫助 你有什麼想法 歡迎在評論區下方給我留言 我們一起來討論 那我們下期再見 拜拜