实用技巧 | 如何借助国产免费大模型提升工作效率

作为程序员，我一直在关注大模型的发展，尤其是大模型的代码能力，因为这将直接影响到程序员的日常工作，驾驭一个代码能力强悍的大模型，对工作效率的提升实在太大了。

之前ChatGPT在这一块儿表现不错，国产的大模型差一些，前两天讯飞星火认知大模型发布了V2.0，包含了代码生成能力，多模态能力等重大升级，作为程序员，必须得去看看。

注册、登录后长这样

代码生成能力

就拿我前阵子工作中遇到的问题举例，我想下载一个包含很多part的数据集，命名格式为xxx_01.zip, xxx_02.zip, …, xxx_10.zip

作为程序员，如果一个一个手动下载就太low了，于是我写了如下脚本：

期望输出为：

结果死活跑不出来，实在丢人

同事提醒到，可以问问chat-gpt啊。

结果，很神奇的事情发生了，大模型（具体来说是GPT3.5-turbo）真的能理解，并且在很短的对话过程中，给出了正确的答案！

注意看，GPT用printf实现了格式化输出的功能，它甚至还能跟我讲解该函数的具体语法

不过由于chat-gpt、GPT等模型都由于政策、收费等原因，不对国内用户开放。

这时候就轮到国产大模型出马了！

前两天讯飞星火认知大模型发布了V2.0，包含了代码生成能力，多模态能力等重大升级，下面是实例测试：

可以看到，科大讯飞的星火大模型同样正确实现了期望的功能，并且采用了跟GPT3.5不一样的方式！

注意看，科大讯飞星火大模型用seq实现了格式化输出的功能，非常进阶！

恐怖如斯，当时我就跟同事感慨，咱之后是不是要失业了…

他倒很乐观，目前大模型还做不到100%准确，生成的代码很多都是有bug的，还得靠咱改bug

多模态能力

多模态能力是指处理和理解多种模态信息的能力，包括文本、图像、视频、音频等。

在此之前，我们看到的很多大模型如ChatGPT都是只支持文本，这一次讯飞星火V2.0正式支持多模态了。

就连当前顶流GPT4也只是号称能实现多模态输入输出，但也只提供了极少数的内测名额，没有向消费者开放~

试下效果吧，比如我想生成本文的封面，纯文本的平台只给出了一些设计的创意：

而科大讯飞的星火大模型却能实打实的生成图片：

不得不说，很符合大众对程序员形象的认知~

除了我最关注的代码能力和多模态能力之外，讯飞星火还提供了功能强大的插件和助手，支持文档问答，生成PPT，生成简历，可以极大地提升办公效率。

限于篇幅，我这里就不一一介绍了，小伙们赶紧去尝试一下吧。

**更为重要的是，星火大模型免费使用！**刚好我有朋友在科大讯飞，我还特意找他确认了一下：

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

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。

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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】