大语言模型LLM应用篇

大模型席卷全球,彷佛得模型者得天下。对于IT行业来说,以后可能没有各种软件了,只有各种各样的智体(Agent)调用各种各样的API。在这种大势下,笔者也阅读了很多大模型相关的资料,和很多新手一样,开始脑子里都是一团乱麻,随着相关文章越读越多,再进行内容梳理,终于理清了一条清晰的脉络。笔者希望通过三篇文章总结(入门篇、原理篇和应用篇)将思路写下来,以便跟我一样的新手读者快速了解大模型的方方面面。在这里,笔者先强调一下,本系列文章的深度有限,只是个人对大模型知识脉络的梳理,同时也会借鉴一下同行的博客内容充实本文,文末将会注明参考来源。

本文着重介绍大语言模型本身的开发应用,而不是大模型在行业的应用,如果要了解在行业的应用,读者可以直接上字节跳动的Coze平台或者百度的千帆平台,上面已经有很多通过大模型实现的智能体Agent,也许有一款满足你的需求。

笔者认为大语言模型本身的开发应用可以分为三层:

  • 模型基础研发

    从0开始研发大模型或者基于现有开源模型打造自己的大模型,这种方式需要大量人才和资金,成本非常高。

  • 模型定制优化

    基于现有模型进行调整优化,打造满足自身需求的定制化大模型。该方式定制化程度比较高,成本投入相对较多。主要实现方式有三种:

    • 模型训练(Training)
    • 模型微调(FineTune)
    • 提示词工程(Prompt Engneering)
  • 模型应用开发

    针对用户需求,基于大模型开发各种AI应用。该方式投入成本比较少,实现速度快。目前开发AI应用有两个途径:

    • 基于大模型开发框架实现,该方式需要进行编码。常用框架有:LangChain、AutoGPT等;
    • 基于AI开发平台实现,该方式无需编码。国内主要平台有:字节跳动Coze、百度的千帆平台。

笔者针对上述内容绘制了一张开发应用分层图,如下:

上图中每一个开发应用方向都值得我们深入研究,就看读者对哪个方向最感兴趣了。

相关推荐
果冻人工智能1 小时前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工1 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
石小石Orz1 小时前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
孤独且没人爱的纸鹤1 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭1 小时前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~1 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码1 小时前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng11331 小时前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike1 小时前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习
庞传奇1 小时前
TensorFlow 的基本概念和使用场景
人工智能·python·tensorflow