未来的道路，笔者一直在看各种文章介绍，大咖解说，就是通俗的讲：AI是未来，所有行业都要重做。
AI是卷王，让竞争更激烈。AI是贩卖焦虑，让你随时面临失业的尴尬。AI是工具，就看你会不会用。
AI还有啥？那就听笔者浅析一下增补知识吧

笔者也被卷了

毫不夸张，笔者近期研究了很长时间，多次都是从入门差点放弃，因为什么？总共分为三层楼：

1. 第一层，大模型训练层。这块笔者会谈及，至少是后面章节，不过提前说明，这层笔者估计最多是概念，还是比较肤浅的，因为不说硬件，就说这知识，等笔者读博吧~~
2. 第二层，模型精调和模型训练。这块笔者在研究，但是乏力，可依旧再坚挺，希望此处有掌声~~。
3. 第三层，Prompt工程和关键词（笔者后续都叫咒语了）带入层。这个笔者喜欢，主要是笔者擅长这个。

好了开头讲了这些，那么笔者也按照这个给分类吧。跳跃式讲解目录如下，章节和目录随时更新，如果有误请见谅：

应用层，你会咒语吗？

1. 来吧，简单对接各大平台API
2. 如何去设计转发层底座
3. 咒语和模型的匹配
4. 如何减少用户操作，增加设计复杂度，提升用户体验
5. 如何去问GPT，如何去协助用户去做的Prompt工程魅力
6. Q&A用户的价值，提升交互体验，记录有价值数据
7. 最佳实践之画图工具：Stable diffusion
8. 最佳实践之GPT对话：通义千问

精调层，如何有自己的私有业务大模型？

1. 模型训练 —— 精调流程（基本同大模型训练流程，区别是侧重不同）
2. 模型训练 —— 领域指令精调

奢侈品，这事硬门槛，没一堆显卡支持，不要考虑

1. 通用层 —— 经典类型介绍InstructGPT
2. 通用层 —— 经典类型介绍Llama2
3. 通用层 —— 模型选择考虑因素
4. 通用层 —— 模型构建的步骤有哪些
5. 模型训练 —— 预训练
6. 模型训练 —— 指令精调
7. 模型训练 —— 人工反馈

以上目录章节你有兴趣，来加入知识星球，一起探讨未来