Datawhale发布
开源教程：HuggingLLM，Datawhale团队
随着ChatGPT的爆火，我们相信未来会有越来越多的大模型及类似OpenAI提供的服务出现，AI 正在逐渐平民化，将来每个人都可以利用大模型轻松地做出自己的AI产品。
HuggingLLM是一个面向非算法、有一定编程基础、对AI和ChatGPT（或类似模型）感兴趣的，基于ChatGPT API开发相关应用的开源项目。当然部分内容不需要任何编程经验也可以学习，算法工程师也可能从中受益。项目主要包括ChatGPT基础科普、ChatGPT实现各种NLP常见任务（相似匹配、句词分类、编辑生成、推理等大类）、ChatGPT局限和商业应用等内容。
项目名为 HuggingLLM，因为我们相信正在经历一个伟大的时代，我们相信这是一个值得每个人全身心拥抱的时代，我们更加相信这个世界必将会因此而变得更加美好。
开源地址：
https://github.com/datawhalechina/hugging-llm
开源初心
从去年年底ChatGPT的发布以来，作为NLP（Natural Language Processing）一线从业人员已经感受到了巨大压力，我甚至觉得NLP工程师这个职位以后一定会消亡，至今这个观点依然不变。当时在见识了ChatGPT的各种逆天能力后，很自然地就会瞬间想到以后开发人员只要借助ChatGPT，完全可以做到现在大部分NLP工程师在做的事，比如文本分类、实体抽取、推理等。甚至随着LLM（Large Language Model）能力的不断提升，可能做的比NLP工程是都要好。既然这是迟早会发生的事，干脆我们就再点把火，做一个教程告诉开发人员或有一些编程能力的人去利用LLM做一些NLP任务或服务，让变革来的更猛烈些。当时发起此项目时，颇有一种悲壮感。
NLP工程师未来不一定存在（就像没有公司有Office工程师一样），但如果每个企业，尤其是中小企业都能自由地使用LLM的能力创造AI服务或应用，这不正是自己这些年的理想吗？我曾在几家小公司呆过，深刻知晓和理解小企业对AI的「情」，那种想用但又无力的矛盾。他们大多非常珍惜AI人才，但又不能大量投入。类似ChatGPT这样的LLM让他们异常兴奋。我们就是想要架起这么一座桥梁，让没有任何算法背景的开发人员能够尽量无缝、顺滑地对接起算法工作。
项目发起时，Datawhale内部马上就有小伙伴响应，我们一起讨论这个教程，大家一致觉得可以做。一方面是确实很有意义，另一方面也是市面上的教程太多了，确实有不少精品教程，但更多的是在割韭菜，割的让人有点看不下去。我依然记得玉琳同学义愤填膺，说我们要做一个开源教程，3块钱的。我们听了后大为赞同。
Datawhale的开源学习是3块：1块学习，1块分享，1块成长。
不过，我们的教程设计主要是偏API开发，基础应用那块由其他成员负责。API这块据我们当时所知，国内应该没有类似教程。其实，除了上面说的那些，我在立项时还有个想法，那就是——授人以渔。自从ChatGPT出来后，底层的技术变化不大，但上层的应用却是天翻地覆。我承认自己脑子没那么灵活，市场意识也很一般，在我看来好像很多事情可以做，但好像又没什么真正特别亮眼的。实际证明还是自己狭隘了，既然如此，那我们把方法传播给更多人，也算是对这个行业的一点贡献吧。行业蒸蒸日上，作为其中的从业人员，能得到的肯定比失去的更多，即便是这个职业未来岌岌可危。
项目就这么立起来了，当时的立项理由：
ChatGPT改变了NLP行业，甚至正在改变整个产业。我们想借这个项目将ChatGPT介绍给更多的人，尤其是对此感兴趣、想利用相关技术做一些新产品或应用的学习者，尤其是非本专业人员。希望新的技术突破能够更多地改善我们所处的世界。
教程的结构从一开始定下来基本没有调整，只有章节内部内容有一些微调，但整体最终呈现出来的就是当时设计时构思的。我们相信教程是忠于理由的，我们期望教程能为改善世界贡献一分力量。
教程内容
教程一共有七章内容，分别如下：
学习思路
在实际学习时，上面的内容会重新组合为以下两个部分：
第一部分：基础科普+局限不足+商业应用。作为「基础」的阅读材料，可以先行了解，带着这些内容学习有助于更好地构思自己的应用。
第二部分：根据内容规模和难度，重新排列为：相似匹配、文本推理、生成编辑和句词分类。
当然，学习者也可以根据自己的兴趣，选择任意章节进行学习。本教程有两个基本的理念：
各章节相对独立，彼此没有直接明显的前后依赖关系。这体现在内容上，也体现在设计上。学习者可以灵活选取自己感兴趣的章节学习。
以「任务」为核心。我们始终强调「任务」多于「工具」，ChatGPT是目前最好的工具，但未来一定会有其他LLM出现。但只要我们理解了要做的事情，理解了系统设计，工具就能为我所用。
此外，教程还有比较详细的示例代码，大部分的代码都可以直接用于生产环境。我们也着重强调构建实际应用需要注意的细节。写代码容易，写好代码很不容易；做Demo简单，提供一个稳定可靠的服务很不简单。
所以，学习本教程要有一定编程基础或实际项目（不一定是算法）经历，它不是零基础教程（虽然有部分内容零基础也可以学习）。除此之外，你还应该能够调用OpenAI的API，并有一定的时间保证。具体可以阅读学习指南。
文章最后
洛克菲勒说过：“真正重要的不在于有多少知识，而在于如何使用现有的知识。知识只是潜在的力量，只有将其付诸应用，而且是建设性的应用，才会显示出它的威力”。由于教程围绕着任务展开，很多设计思路和细节其实可以应用在多个领域。我们再次强调，期望学习者能够多多实践，多多应用。
最后，由于创作团队精力有限，教程难免有些疏漏甚至错误，我们期望学习者在学习的同时，也能积极给我们建议，或者直接对项目进行贡献，让我们共同打磨教程，为后面的学习者提供更好的内容。
除此之外，针对本教程还有一些其他补充说明，大家可以阅读学习说明。我们期望所有学习者都能够学有所得，期待大家能做出举世瞩目的产品和应用。
参与教程学习：AIGC 组队学习来了！
一起“分享点赞”就是一种支持↓
