AI大模型应用开发实战-AI时代应用开发破局！

后端应用级开发者该如何拥抱 AI GC？就是在这样的一个大的浪潮下，我们的传统的应用级开发者。我们该如何选择职业或者是如何去快速转型，跟上这样的一个行业的一个浪潮?

0 AI金字塔模型

越往上它的整个难度就是职业机会也好，或者说是整个的这个运作也好,它的难度会越大,然后越往下机会就会越多,所以这是一个金字塔型模型。

最顶难度最高的机会最少

1 基座大模型

类似OpenAI的ChatGPT，羊驼，百川智能等，自己拿大量语料去做预训练。

特点：

消耗算力特别巨大
需要大量的资本来支持

OpenAI一次全量训练几千万美金，只有巨头和大资本玩得起，职业机会少。

再往下就是

2 行业垂直大模型

在基座模型基础上灌入一些行业垂直数据，基本上可理解为它是在基座模型的基础上做微调。二次三次训练也好，得到这样的一个结果，它的职业机会稍微多点，但我认为可能对于应用级开发者机会不是那么多。

再往下看

3 AI原生应用

不管是ToB还是ToC，这块儿是大量机会，给到我们这些传统做互联网、科技公司、应用开发公司包括科技创业公司，就有我们应用开发者大量的机会存在。

向上，要了解模型；向下，要对行业要有了解，有场景sense。所以它是一个比较重要的位置，也是未来一个爆发的一个赛道。

看右边，ChatGPT CEO创始人Sam Altman说大模型是AI的iPhone时刻，就是在打造这样一个生态圈，像苹果，我有自己的App Store和开发者工具。然后你只需要借助AI把你的创意变成相应的应用。所以说在这个时候其实是有大量的职业机会或大量应用开发的机会存在，也是说我们传统的应用开发者去快速转型跟上这个赛道的一个绝佳机会。

因为前面可能在搞基座大模型，打地基；或在去微调训练，做一些行业模型，那这上面这些我们都无法参与或参与度低。

但是在这个强应用场景，现在其实还没有出现一些非常强的应用，这时有点像当年这个苹果刚发布的时候App Store刚刚发布的时候那个状态，跑马圈地，大量机会存在。

再往下其实也不是我们的机会，或者也不是应用级开发者应该关注的。因为再往下就是AI的使用可能变成非常普通的一个要求，各种行业都要学会使用去实现你自己或你行业的降本增效。所以它是一个所有企业使用的过程，对我们来说，这个就有点简单，所以它是一个仅仅是一个使用层面，但是这里面也有大量的机会：教别人会使用或开发一些应用，让它能够更好地去使用等。

所以这个模型大概就把我们的一个机会点和难度点说清楚，模型层面竞争日趋激烈的。

但应用市场现在看到还没出现杀手级应用，最大杀手级应用就是ChatGPT，其他的一些杀手级应用还没出现，为啥？因为现在上面两层不够完全成熟，或者说是大家的认知还没跟上，下面的这些各行业的应用，也没有完全用起来，很多人只是拿它聊天解决很基本问题，缺少了一些强应用，去把很多场景给做出来。

当然了，也是因为我们很多应用级开发者，目前对 AI 不是很了解，他可能有很多应用场景，但是对 AI 能做什么，怎么做，不太清楚。所以这块市场非常广阔，可以说，所有应用都值得用 AI 重做。

这个是从一个大的行业趋势，可以看到说应用级开发者，该如何去拥抱我们这个大模型。

具体到开发层面基本上就是是这样一个架构：

底层可能是我们的 GPU 算力，不用去关注，很多的云平台其实已经解决了我们的这个算力问题，包括我们后面案例里面实操的时候，要用到的类似一些像算力云或一些国内一些云平台，他们其实现在都把这个问题给我们解决了。

再往上就是大模型开发。AI GC 赛道里面我们讲的两大部分就是模型的开发部分，那这个部分跟我们应用级开发可能这个关系也不是很大，或者说大家的职业机会不是很多，那反倒是这个所谓的原生应用这一块儿呢，是非常应该关注的一个赛道。包含对大模型的了解，在大模型之上是我们的应用组件，那么应用组件上面是我们的应用框架。应用组件里面就包含了我们的 AI 的能力，我们 AI 的能力，还有我们的云能力，那 AI 能力可能就包括我们的多模态，大模型插件，云能力像什么向量数据库、COS 存储，这些云能力你可理解为是给 AI 开挂的。再往上应用框架有两个大方向：

检索增强生成RAG，最多的应用就是文档问答，拿 PDF 传，然后就可以去和他对话，然后包括提炼一些他这个主要内容等等
agent 智能体，那这里面的话有很多的应用场景就是你可以把它想象成一个机器人的开发，但是这个机器人可能会更专业，而且它可以调度外部的一些软件。

从这个图，我们就可以找到自己的位置，应用级开发可能关注的能力范围右边这一大块儿，但实际 coding 的部分，用的比较多的 coding 的部分可能就是上面这两块（RAG 个 Agent）。其他地方都是我们在用的部分。

4 职业机会

很多同学对 AI 来临之后还是有点慌张的，觉得 AI 自己的工作是不是会被 AI 替代，或者以后这个职业机会是不是越少？应该不是。就是说 AI 淘汰的它不是人，而是不会使用 AI 的人，那么我们从职业机会上来看呢，其实现在 AI 在各个行业，各个细分行业，包括像我右边列到的这些行业，其实都是需要大量的应用级人才，那需要的人才什么？懂 AI，你还要懂场景，然后你知道怎么样用 AI 的能力结合这些场景做出一些应用来让大家使用。所以这个是说我们在很多的场景里面都是会看到的。

为什么会有这个判断？agent 非常重要，能对自然语言做出反应，并基于对用户的了解完成许多不同任务的这样的一个事物，再结合这些场景之后，有非常多场景。目前来看，最常用的如私人助理或工作助理，就是各种各样助理，帮助你完成一些工作，即所谓的副驾驶。很多做程序开发同学使用过类似帮你写代码的一些副驾驶工具，就是你可能写一个提示词，它可以把一段代码给你写出来。

后面可能会每个人都有这样的一个助理，甚至每一个工种都有这样的助理，好比做一个AI+文旅，比如说你计划做一次旅行，旅游机器人会帮你找到适合你预算的酒店。然后智能体呢，还会知道你在一年中，什么时候去旅行，根据他对你总是尝试这个新的目的地的了解。或你喜欢故地重游的这个行为了解，向你建议旅游目的地。所以当他被询问的时候呢，他智能体会根据你的兴趣和冒险的倾向为你推荐做可以做的事情。还能帮你预定你喜欢的餐厅。

如果没有这样的一个 AI 场景的话，你现在做这些事情可能需要旅行社帮你去定制。

医疗场景，选择了一个使用一个心理健康的一个 agent。你只要给他灌输非常多的你的一些数据，就会了解你，你的生活经历和人际关系，在你需要的时候，他就会出现，而且会永远保持耐心，在你允许情况，它可以通过你的智能手表监测你对治疗的身体反应，比如当你和老板谈论问题时，你的心脏是否开始加速跳动，建议你什么时候应该去看人类的治疗师等。

比尔盖茨刚发了一篇文章，题目就是 AI 将彻底改变你如何使用电脑，还将颠覆软件行业，列举了非常非常多的场景，通过 agent 的方式结合各种场景去做出这样的一个 agent 应用，我们可以看到它的应用场景非常只要和人打交道的都是有机会。

传统的应用开发者在转型做 AI GC 有

AI 软件工程师，即做 AI 应用，还不过瘾，还想去深度的话，那可能就是偏向了我们的 AI 本身开发，类似我们的视觉工程开发，然后自然语言开发，机器学习等，这都是我们的一些转型职业机会。

直接去做 AI 应用的话，一个是机会比较多，再一个难度对我们转型的难度来说比较小，那么其他这几个可能就是说你需要学习的新东西会比较多一些。

如何转型呢？我们需要做哪些准备工作呢？或者说如何我们转型到这个 AI 应用开发的这样一个层面上，我们需要

5 需要掌握啥？

学习机器、深度学习的一些基础知识，上面这两层就是这个大模型层面和行业模型层面。这些模型层面，你需要有一些基础的知识的准备，起码得了解它如何运转的，然后一般怎么使用。

掌握一些 AI 开发的工具和框架，如Py，基本上可以说在机器学习领域，它是一个主流语言就是大量的项目，都是用来开发。

实践一些 AI 项目，这个就是说在转的过程中间，我们可能需要找一些场景结合我们的能力去做这样的出来，去把这个实践项目去实践一下。

深入了解特定领领域的 AI 知识，就是要具备一些场景的知识，这边像我右边列的这些场景其实都是有机会去做 AI 应用的，那就看谁一个是对 AI 的了解程度，比较深，比如说我们之前很多课程，就是教大家，比如说用 Open I 的 API 去开发一些加壳儿的应用。那它只是说帮大家去讲这个 API 的使用，但对场景的理解少，所以如果说你想转型成为一个非常成功的 AI 应用开发者的话，那你需要对你去服务，或者说你去做的这个场景，这个行业的场景非常的了解，抓到里面最关键的部分，那你可能成功的几率就会比较高。

6 总结

职业机会可能就是在这个层面会比较多一些，然后它的难度相对也就适中，但需要了解模型，也需要了解行业。而且现在处在一个爆发的前夜，或者说是一个即将爆发的这么一个状态。

从这个技术的角度来看，技术架构的角度来看的话，更应该关注在类似像智能体的开发，类似像RAG 技术。

对于其他的一些部分，我们就要做到了解，那么从职业机会的角度来看的话，就是目前大量的这个行业和场景是需要 AI 应用的。那么，我们要做好一些提前的准备工作，就是在转型的时候，我们要做好准备工作，要做一些前置的知识学习。然后我们要学会使用 AI。

应用级开发者，所谓的学会使用 AI，那和一般用户的使用 AI 还不一样。一般用户可能你拿一个现成的工具，你只要能用就行了，但是我觉得我们应用级开发者不光是拿现成工具应用，你可能还要研究它，你可能要看我如何去结合 AI 的特性把它开发出来。这个可能是我们的职业机会所在。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望