【人工智能时代】- 国内外编程助手与编程大模型汇总
发布时间
阅读量：
阅读量
私有知识库 ：用RAG技术给大模型配个“资料袋”—— 大模型外挂向量数据库。
AI Agent： 为使大模型具备独立运作的能力，赋予其"大脑"配备基础硬件配置（如存储单元、执行机构），使其能够作为智能体实现自主决策能力、任务分解与执行流程。
微调大模型： 基于基座大模型的Fine Tuning。
训练大模型： 大模型训练，高端赛道的角逐。
进而建议普通程序员在研究大模型时可以考虑采取自上而下的研究路径：首先可以从套用现有的工具包开始学习并逐步深入掌握模型部署的技术细节；随后可以通过微调现有模型来优化其性能并最终完成模型的全面训练。
前导篇
Python
在人工智能领域中，Python被视为最常用且最重要的编程语言之一。掌握基础语法体系和数据存储方式对于任何开发者来说都是必要的前提条件。学习Python相对而言较为容易，在一般情况下程序员都能快速上手掌握其基本功能。
向量数据库
伴随着AI技术的进步迈入新时代，在当下阶段来看作一种重要的数学工具。作为专门设计的数据库类型，在现代的信息处理中发挥着关键作用。为了使大型语言模型具备"记忆"能力，则必须依赖于这种数据库结构。
常见的向量数据库包括：Chroma、ES、FAISS、Milvus等，需要了解和会用。
实战篇
LangChain
要将大语言模型的能力开发成产品就需要LangChain帮忙了 langchain 是一个 llm 编程框架 它提供了一套工具 组件 和 接口 借助 langchain 我们能够更为便捷地为大语言模型的 大脑 配备内存 以及运动系统
例如带有private知识库的企业级assistant applications等AI agents都可以通过LangChain实现其功能
全部评论 (0)
还没有任何评论哟~