大模型学习的思考，零基础入门到精通，收藏这篇就够了

最新推荐文章于 2025-03-27 11:34:03 发布

leah126

最新推荐文章于 2025-03-27 11:34:03 发布

阅读量1k

点赞数 17

分类专栏：大模型编程程序员文章标签：学习大模型网络

本文链接：https://blog.youkuaiyun.com/leah126/article/details/144713816

版权

程序员同时被 3 个专栏收录

1430 篇文章

订阅专栏

编程

775 篇文章

订阅专栏

大模型

385 篇文章

订阅专栏

年底了嘛，杂事情太多，让人感到应接不暇。有来自于工作上的事情，还有自己要做的事情。算是把生活填满了。

一、数据Ai指北知识库

一直在研究大模型的方向。基本来说都是应用层，算是入门了应用层的研究🥰。同时也有很多小伙伴问我大模型怎么去学习。我觉得吧，没必要罗列一堆的路线图，从什么python,机器学习之类的去说，因为每个人的学习模式不一样。我也看了很多的学习路线，聊聊最有价值的逻辑：

1.1 先别管原理。

这玩意就是个工具，你要学会用。对于实际生产你就是要学会写prompt。这个真的是个技术活，很多人把它看简单了。你先去了解一下结构化提示词怎么编写，然后可以利用提示词优化工具去不断优化，看看怎么真的在实际场景里能写出来。

1.2 找个实际的场景

找个实际的场景，用大模型先试试，对于工业场景，先去申请下第三方的api，比如通义千问，也很便宜的。尝试着把业务走通，如果你是学生，也没事，先用开源数据集，走通一些简单的应用场景，想想怎么在推荐搜索做一些数据增强的应用研究。

1.3 当调包侠，先去玩玩RAG

Python版本的可以用Langchain，Java版本的可以用Langchain4j,去试一试RAG知识库场景，利用大模型对问答知识回答。

1.4 玩玩Agent智能体

去了解一下agent，这就是写prompt，只是把一个复杂的任务，拆成一个个子任务，每个子任务都只做一件事，入门我建议你去看看Dify和fastGPT，也是写prompt。

到这个程度我觉得你算是真的入门了。后面的修行就看你的应用场景，是否要微调，主要是你的场景是否需要，如果需要就去认真学习一下，不需要就不用。

先不要去训练，也不用去了解原理，就当开车一样先开起来，你总不会开车前一定要去弄明白三大件怎么造的吧。开明白了，遇到问题多了，你就会修。慢慢你就会成为专家，不要一开始就局限在原理里，然后就入门到放弃了。

总结：

我自己的学习知识库，最近一直在编写，从大模型的提示词开始，一直到大模型的产品。都是从应用逐渐到原理，直接从原理出发真的很枯燥。

大模型的应用理解，我觉得训练大模型的人绝对是少数的，不可能大家都能训练，不会像深度学习那样普遍，计算资源就卡死了一帮人，所以这个时候我们要打开思路，想想自己的业务场景怎么能用大模型做的更好，大模型不是万能的，最后就是一个辅助工具而已。

此时此刻快速的拥抱他，用好他，你就走在了前面。比如kimi，很多人说kimi好的不行，我用过，对比其他类似应用，kimi确实回答的好一些，但是我仔细研究下来，我发现kimi厉害的不是大模型，一个RAG而已，他把query理解做的很好，我感觉kimi对query理解和扩写做了一个大模型训练，检索后应该是把排序也优化了一下，然后做好RAG足矣。这就是应用做的好，你说他的底层模型很牛逼？如果真的牛逼，早就拿出来吹了，你要相信咱们行业的个性，整个行业的大模型论文都说自己超越了chatgpt，但是一用就拉胯。

所以说到最后，我的建议是多做应用，用好，你就是行业领先了。