文章目录
[+]
这里没有冗长的理论堆砌，只有实用的技能传授。我们将覆盖AI大模型的基础概念、核心技术、开发工具，以及实战项目，确保你能从零开始，逐步构建起扎实的AI技能树。无论你的目标是解决具体问题，还是追求技术前沿，这里都有你需要的知识和策略。
跟着本指南，你将学会如何选择合适的模型，如何高效训练，以及如何将AI模型部署到真实环境中。我们相信，掌握AI大模型，你将在技术领域开辟新天地，为职业生涯增添更多可能。完整版大模型学习路线可以撕【AI】获取
第一阶段 ·大模型开发基础第一章：AI新篇章为什么要学习大模型开发？需要准备的工具和环境第二章：大模型的训练与应用大模型发展史从大模型预训练、微调到应用GPT结构剖析大模型家族、类别、应用场景RAG，Agent与小模型第三章：大模型实操与API调用通过API调用大模型单论对话与多轮对话调用开源模型与闭源模型调用ChatGLM，Baichuan，Yi-34B调用GPT，LLaMA模型调用模型的部署、容器化第四章：提示工程技术（1）提示词的常见结构提示词的模板化Zero-shot与Few-shotIn-context learningChain of thought prompting第五章：提示工程技术（2）Tree of thought promptingGraph of thought promtingSelf-consistencyActive-promptPrompt chaining第二阶段 ·RAG基础与架构第六章：RAG基础与架构为什么需要RAG？RAG的经典应用场景RAG的经典结构与模块向量数据库检索与生成第七章：【项目实战】基于RAG的PDF文档助产品介绍与核心功能技术方案与架构设计文档读取和解析文档的切分和文档向量化query搜索与文档排序提示模版与大模型API接入模型部署与Web应用第八章：文档切分常见算法根据每个Sentence切分根据固定字符数切分根据固定sentence数切分根据递归字符来切分根据语义相似度来切分第九章：向量数据库常见算法常用向量数据库以及类别向量数据库与索引算法到排表与搜索优化KNN与近似KNNProduct Quantization第十章：向量数据库算法进阶- HSNWHSNW算法在索引中的重要性NSW算法解读NSW图中的搜索问题Skip List讲解具有层次结构的NSW第十一章：【项目实战】基于RAG的推荐推荐系统原理、应用场景以及架构剖析传统推荐算法与基于LLM推荐算法数据的准备与整理推荐中的召回与精排精排与Prompt构建模型部署与测试第三阶段 ·RAG与LangChain第十二章：LangChain基础应用为什么需要LangChain?通过一个小项目快速理解各个模块LangChain调用模型PromptTemplate的应用输出格式设定Pydantic Object设计第十三章：理解Function Calling什么是 Function Calling自定义输出结构基于OpenAI调用Function CallingFunction Calling的稳定性LangChain与Function Calling第十四章：LangChain与Retrieval组件Document LoadersText SplittersText Embedding模型常用的向量数据库调用常用的Retriever第十五章：LangChain与Chain组件为什么需要Chain？LLMChain, Sequential ChainTransform ChainRouter Chain自定义Chain第十六章：Advanced RAG（1）经典RAG的几个问题Self-querying retrievalMultiQuery retrieverStep-back prompting基于历史对话重新生成Query其他Query优化相关策略第十七章：Advanced RAG（2）Sentence window retrievalParent-child chunks retrievalFusion RetrievalEnsemble RetrievalRPF算法第十八章：基于RAGAS的RAG的评估为什么需要评估RAGRAG中的评估思路评估指标设计套用在项目中进行评估RAGAS评估框架的缺点第十九章：实战基于Advanced RAG的PDF问答需求理解和系统设计经典RAG架构下的问题检索器优化生成器优化系统部署与测试第四阶段 ·模型微调与私有化大模型第二十章：开源模型介绍模型私有化部署的必要性中英开源模型概览与分类ChatGLM, Baichuan，Yi等中文开源模型LLaMA，Mistral系列英文开源模型微调所需要的工具和算力第二十一章：模型微调基础判断是否需要模型微调模型微调对模型的影响和价值选择合适的基座模型数据集的准备微调训练框架的选择第二十二章：GPU与算力GPU与CPUGPU的计算特性微调所需要的算力计算公式常见GPU卡介绍与比较搭建GPU算力环境第二十三章：高效微调技术-LoRA全量微调与少量参数微调理解LoRA训练以及参数PEFT库的使用LoRA训练硬件资源评估认识QLoRA训练第二十四章：【项目实战】基于ChatGLM-6B+LoRA对话微调模型理解ChatGLM模型家族以及特性导入模型以及tokenizer设计模型参数以及LoRA参数训练以及部署微调模型测试微调模型第五阶段 ·Agent开发第二十五章：Agent开发基础什么是Agent什么是Plan, Action, Tools经典的Agent开源项目介绍编写简单的Agent程序Agent目前面临的挑战与机遇第二十六章：自定义Agent工具LangChain所支持的Agent什么需要自定义Agent@tool decorator的使用编写自定义Agent工具编写完整的Agent小项目第二十七章：深入浅出ReAct框架回顾什么是CoTCoT和Action的结合剖析ReAct框架的Prompt结构从零实现ReAct（from Scratch)ReAct框架的优缺点分析第二十八章：【项目实战】开源Agent项目开源Agent项目以及分类AutoGPT项目讲解MetaGPT项目讲解其他开源项目Agent技术目前存在的问题第二十九章：深度剖析Agent核心部件Agent的planningAgent的reasoningAgent的knowledgeAgent的memoryAgent的泛化能力第三十章：【项目实战】基于Agent的AI模拟面试需求设计和系统设计工具的设计AI面试中的深度询问方案设计提示工程设计Memory的设计智能体开发与部署第三十一章：Agent其他案例分享AI旅游规划师AI产品销售AI房租推荐AI图像处理AI网站开发第三十二章：其他Agent前沿应用多个Agent的协同Agent的group行为Agent SocietyAgent的Personality斯坦福小镇案例第六阶段 ·智能设备与“小”模型第三十三章：智能设备上的模型优化基础智能设备特性以及资源限制模型优化的必要性常见的模型压缩技术轻量级模型架构介绍开源小模型第三十四章：模型在智能设备上的部署多大的模型适合部署流程概述模型转换工具模型部署实战性能测试与优化第三十五章：边缘计算中的大模型挑战与机遇边缘计算的概念和重要性模型所要满足的要求与性能上的平衡模型在边缘设备上的应用案例未来“小”模型发展趋势24年“小”模型机会第七阶段 ·多模态大模型开发第三十六章：多模态大模型基础什么是多模态模型多模态的应用场景DALLE-3与MidjourneyStable Diffusion与ControlNet语音合成技术概述主流TTS技术剖析第三十七章：多模态模型项目剖析多模态大模型最新进展Sora对多模态大模型会产生什么影响案例：MiniGPT-4与多模态问答案例：BLIP与文本描述生成案例：Video-LLaVA与多模态图像视频识别第三十八章：大模型的挑战与未来大模型技术局限性大模型的隐私性和准确性大模型和AGI未来GPT商城的机会多模态的机会对于开发工程师未来的启示完整版大模型学习路线可以撕【AI】获取
（图片来自网络侵删）
