如果老板让你基于大模型搭建一个系统,怎么选择一个适合自己任务的大模型?选择大模型需要考虑哪些问题?

【大模型】搭建本地私有AI大模型智能体 Ollama是一个开源的AI模型部署工具,可以帮助用户在本地环境或云端部署和管理大型语言模型。它的主要功能包括模型加载、推理服务和与用户接口的集成。 阅读详情

“ 怎么选择和测试一款大模型,是一个需要思考的问题”

到今天为止,市面上的大模型没有一万也有三千;如果算上那些学习使用的大模型,可能几十万都不止。

但对企业来说,要想构建一个企业级的AI应用,最好的选择就是使用第三方大模型或者使用开源大模型,那么在如此多的模型中,怎么选择一个适合自己任务的大模型呢?

个人开发的人工智能聊天小程序,感兴趣的可以点击查看:

E个助手

人工智能机器人,你想了解的它都知道

img

小程序

01

—

为什么要选择模型?

这两年市面上的模型如雨后春笋般不断涌现,而且模型的能力也在不断加强。但不论是对个人还是企业来说,东西多了反而不知道该怎么选了。

有句老话叫:“没有最好的,只有最合适的”;这句话放到大模型上也是一样,不论是对个人还是对企业,怎么选择一个好的模型,是一个值得思考的问题。

图片

对个人来说,如果学的是自然语言处理,那么选择一个图片处理的模型就走偏了。

而对一家企业来说,选择模型需要考虑的问题就更多了,比如模型的功能是否满足需求,模型的响应速度,数据安全问题,更新频率以及是否有完善的文档,更重要的是使用模型的成本问题。

图片

而目前由于大模型的应用还处于初级阶段,虽然搞了一年多的千模大战,但真正能把大模型贴合到具体的应用场景中,还处于探索的阶段。

因此,市面上也很难见到完整的大模型企业级解决方案;而今天就来简单讨论一下怎么选择一个适合的大模型;也可以说是选择模型的一个简单方法论。

02

—

怎么选择模型?

无论做任何事,都会有固定的几个步骤,选择模型也不例外;而怎么选择模型,总结了以下几个步骤:

明确任务需求

选择大模型之前,第一步就是要确定任务需求,也就是说你想用大模型干什么?只有明确了任务需求,才能知道应该选择什么样的大模型。

举例来说,你想利用大模型做一个具有图像处理功能的大模型,那么你选择自然语言处理的模型就肯定不合适。

图片

在明白需求的情况下,你才知道怎么想干嘛,以及能干嘛。

确定模型类型和架构

根据任务需求,筛选符合任务功能的模型;比如说,同样都能进行图片处理的大模型,是选择开源的,还是商业闭源;是选择AGI(通用人工智能)这种能够进行多模态处理的大模型,还是选择垂直领域内的模型。

评估大模型和基础能力

在确定大模型的类型之后,就可以对模型进行简单的评估;不论是使用官方给出的评测结果,还是自身的评测手段,比如自己整理一部分业务数据做成测试集,然后丢到模型中进行交叉测试。

图片

评估大模型不但要评估大模型的基础能力,同时还要看大模型的响应速度,是否支持大数据量处理,大模型是否会经常更新等。

选择模型

在确定了前面几个步骤之后,可能会有几个模型供我们选择;这时我们就需要对它们进行筛选了,如果说前面的步骤是硬性条件,那么现在就需要筛选一些软性条件。

比如说,这款大模型的文档是否完善,文档更新是否及时;以及,如果是第三方大模型,那么使用大模型的成本是否合适。

还有就是,大模型是否能本地部署,本地部署需要的成本有多少,需要多少硬件设备,以及需要多少人力进行维护。还有就是数据安全问题,是否能够得到保障等。

图片

总之,选择大模型是一个复杂的过程,特别是不使用第三方模型的情况,自己部署大模型的情况下。

使用第三方模型,如果觉得效果不好换一家就行了;但如果本地部署大模型,如果表现不好那么前期的人力和硬件资源的投入就无法收回了。

当然,这里只是记录一下自己认为的大模型选择方案,可能还有很多问题有待完善,对企业级大模型有了解或感兴趣的朋友可以来参与讨论。

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。

在这里插入图片描述

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】
高通SDX35:SGMII接口PHY RTL8211FSI-CG驱动适配 高通SDX35 RTL8211F SGMII 阅读详情

相关推荐

字符串替换—牛客网(C++实现)

一.题目描述 请你实现一个简单的字符串替换函数。原串中需要替换的占位符为"%s",请按照参数列表的顺序一一替换占位符。若参数列表的字符数大于占位符个数。则将剩下的参数字符添加到字符串的结尾。 给定一个字符串A,同时给定它的长度n及参数字符数组arg,请返回替换后的字符串。保证参数个数大于等于占位符个数。保证原串由大小写英文字母组成,同时长度小于等于500。 测试样例: “A%sC%sE”,7,[‘...

qq_38358582的博客 1523

大模型选型的一点思考

现在是2023年5月,截止目前,网络上已经开源了众多的LLM,如何用较低的成本,判断LLM的基础性能,选到适合自己任务的LLM,成为一个关键。深度学习自然语言处理 分享来自:JOYWIN进NLP群—>加入NLP交流群本文会涉及以下几个问题:影响LLM性能的主要因素目前主要的模型的参数LLaMA系列是否需要扩中文词表不同任务的模型选择影响LLM性能的主要因素Scaling Laws for N...

zenRRan的博客 1647

Discrete Optimization (Coursera) 学习笔记 Week 1 introduction (开个帖子)

Week 1 Introduction 这位教授Pascal Van Hentenryck 真的算是优化领域神级别的人物了吧?截一张Google scholar的图大家感受一下… 居然在Coursera上看到了他开的课:Discrete Optimization。试听了几节后,发现讲得很有激情,而且深入浅出。遂决定花暑假跟完这一门课。 这门课每周花两三个小时介绍基础概念,然后得花十几个小时写作业(coding)… 一开始以为Coursera上的课的作业应该不会太难,然后第一次作业(knapsack)我就被

ZJ_11701的博客 658

2025 年国内外主流大模型选型指南

企业级大模型应用面临三大核心痛点:模型性能与业务需求不匹配、数据安全与合规隐患、成本效益难以平衡。2023年至2025年,大模型技术迭代加速,多模态融合成为趋势,行业应用不断深化。选型评估框架包括技术先进性、商业成熟度、合规安全性和生态支持四个维度。国内主流模型如百度文心4.0、阿里通义千问2.5、智谱AI GLM-4和月之暗面Kimi在各自优势场景中表现突出,典型客户案例展示了其实际应用效果,成本测算模型为企业提供了灵活的成本控制方案。

charles666666的博客 4231

MediaCodec视频解码流程详解及参考demo

本文主要讲解mediacodec的视频解码流程,及demo参考例子。

分享音视频技术 7877

虚拟电厂功率预测最佳实践白皮书

虚拟电厂(VPP)通过聚合分散的可再生能源资源,为电网提供可观测、可调度和可交易的解决方案。本文提出了一套功率预测方法论,并给出LSTM实现脚本,涵盖资源接入、数据治理、预测模型设计及市场交易闭环。针对风-光-储-负荷混合场景,该方法论强调轻量化部署和滚动优化,可有效提升预测精度和调度收益。未来研究将融合深度气象预报和强化学习,进一步优化VPP的协同调度能力。

专注AI大模型,软件混淆,授权 377

大模型项目整体规划、技术选型和案例分析经验分享

大模型项目整体规划、技术选型和案例分析经验分享

安静的软件工程师 2896

Orin 调试GMSL camera 96712手册重点

96712基础理解

乐于分享 9203

大模型选型全攻略:从参数到安全的实战指南,大模型入门到精通,收藏这篇就足够了!

本文结合最新技术动态与落地案例,拆解大模型选型的六大核心维度,帮你找到真正适配业务的"AI引擎"。

pythonhy的博客 1925

ican项目四汽车零件智能测量

ican项目四汽车零件智能测量

weixin_72050316的博客 562

【全志V821_FoxPi】8-1 Linux驱动WS2812 RGB LED(SPI)

本文介绍了在全志V821开发板上通过Linux SPI驱动控制WS2812 RGB LED的方法。作者首先对比了传统多GPIO控制与单总线控制的差异,详细解析了WS2812的数据传输机制和关键时序参数。在驱动移植过程中,尝试了三种方案:1)使用芯片内置LEDC驱动失败;2)软件模拟SPI因时钟不稳定放弃;3)最终采用硬件SPI方案成功驱动。通过spidev_test工具发送特定数据包,实现了对LED灯的颜色控制,并附示波器截图验证了正确的SPI时序波形(8MHz速率)。该方案为嵌入式系统中控制WS2812灯

第四维度的博客 1394

大模型学习笔记一:大模型应开发基础(模型归类选型、安全因素选型、)

1)产品和大模型的区别(产品通过调用大模型来具备的能力)2)AGI定义概念:一切问题可以用AI解决3)大模型通俗原理根据上文,猜测下一个词4)大模型测试代码prompt = "今天我很"# prompt = "下班了,今天我很"# prompt = "放学了,今天我很"# prompt = "AGI 实现了,今天我很"

谢白羽 1426

OpenClaw 技术架构解析-网关层(上)

OpenClaw 网关层是架构核心中枢,承接Channel层消息,串联消息路由器、会话状态管理器等五大组件,负责消息分发、会话管理、状态统筹、上下文维护等关键职责,是连接Channel层与AI执行引擎的核心桥梁,保障多渠道交互稳定、有序运行。

wend的博客 715

【大模型实战篇】大模型显存资源计算以及GPU如何选择

大模型、GPU、大模型显存资源计算、LLM、模型资源估算、计算公式、大模型资源因素、显存计算器、数值精度、GPU选型、大模型部署

源泉的小广场 8727

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

【AI大模型】什么时候需要训练和微调属于自己的大模型——小微企业必须要明白的问题

就拿大模型训练与微调来说,很多技术人员都想亲自参与或体验一下一个模型从无到有的诞生过程;但受限于各种原因,有机会参与这样工程的人还是比较少的;因此很多人都退而求其次,想做一下模型的训练与微调。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

嘴巴吃糖了 1191

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

老板要求All in大模型,员工却很无奈且迷茫,如何破局?

从上周五晚到昨晚,见了一些新老朋友,交谈中,大家都在谈大模型。

Python_cocola的博客 1089

【大模型技术】什么时候需要训练和微调属于自己的大模型——小微企业必须要明白的问题

从问题出发,先有需求再有解决方案老板和员工在思维方式上有一个很大的差别就是,作为老板他们喜欢寻找现有的解决方案,如果现有的解决方案无法满足的情况下,才会自己设计一个解决方案。而作为员工来说特别是技术人员,大都有一种技术至上的心态,比如说很多技术人员找工作会特别在乎公司用的技术是否足够牛逼,足够高大上。之所以产生这种现象的原因是因为,技术人员的心态是学会牛逼的技术,走到哪里都不怕。而老板的心态是,能解决问题把业务跑起来最重要,现有的解决方案或许不是最好的,但它却是经过验证的,能够保证业务的稳定性;

python123456_的博客 1058

AI智能体:搭建本地私有AI大模型智能体

搭建本地私有AI大模型智能体工作流涉及使用Ollama和FastGPT这两个工具。

2301_81940605的博客 1765

现在市场上有哪些大模型?什么样的大模型适合国内企业?

从23年ChatGPT爆火以来,国内各大厂商也争先入局,国内大模型发展也经历了“百模大战”,截止最新已经发展到了180多个大模型,在大模型发展上,国内正在奋起直追,国内外第一梯队大模型在中文领域的通用能力差距在持续缩小。

2401_82469710的博客 1594

Ollama+FastGPT:搭建本地私有AI大模型智能体

Ollama是一个开源的AI模型部署工具,可以帮助用户在本地环境或云端部署和管理大型语言模型。它的主要功能包括模型加载、推理服务和与用户接口的集成。

DEVELOPERAA的博客 2073

该微调还是该加知识库?一个让老板少花百万的选择

"我们是不是该训个自己的大模型?"——这是老板最爱问、也最烧钱的问题。不少人一听"私有化""专属模型"就热血上头,砸几十万 GPU 训完发现:效果不如接个知识库,还背上了长期运维的包袱。这篇把"微调"和"RAG(检索增强)"这两张牌讲清楚,让你下次拍板前先算清账。

m0_59163425的博客 367

Ollama+FastGPT,一键搭建部署本地私有大模型!

Ollama是一个开源的AI模型部署工具,可以帮助用户在本地环境或云端部署和管理大型语言模型。它的主要功能包括模型加载、推理服务和与用户接口的集成。

huang9604的博客 2147

一个传统企业老板的自白

我一年开两百多场会,每场会平均一个半小时。七个副总、二十多个部门,关键决策最终还是推到我这里。每天打开微信,未读消息三百多条;打开邮箱,未读邮件一百多封;打开OA,待审批流程几十项。信息从一线到我这里,不知道过了多少手、变了多少味。"我花了两百万上ERP,三百万做数字化改造。系统上了,数据也有了,但数据是数据,决策是决策——中间缺了一个东西。这个老板缺的,不是一套新系统,不是一个新副总,而是一个能替他"干活"的AI——也就是我们今天要说的AI Agent。

UdQy1k7hl的博客 203

AI证书适合中小企业老板考吗,管理者数字化证书选择指南

此类认证由头部科技企业推出,核心价值在于深度适配对应平台的技术体系,含金量集中在专属技术栈的实操应用。该证书最大的特色是摒弃死记硬背的应试模式,不考察繁杂的代码语法,重点考核从业者的数字化逻辑思维与商业落地工程能力,贴合企业真实经营需求。对于中小企业老板和核心管理者而言,真正的焦虑不在于“会不会用工具”,而在于能否具备系统化的业务解构能力——即如何将AI技术真正融入企业的工作流,实现降本增效。在这一背景下,具备高含金量的能力证书认证,正在取代模糊的“经验之谈”,成为评估管理者数字化落地能力的新标准。

2601_96251674的博客 170
上一篇: 2024大学生转行,推荐一个好就业的方向——人工智能大模型
下一篇: 大模型加速微调和训练,不得不掌握的方法,代码解析和应用示例
爱喝白开水a
博客等级 码龄3年 6793粉丝 763原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值