认识人工智能与大模型应用开发

认识

Transformer，这是一种由多层感知机组成的神经网络模型，是现如今AI高速发展的最主要原因。
Transformer的一种功能：推理预测。
LLM如何生成大语言模型？
根据前文推测出接下来的一个词语后，把这个词语加入前文，再次交给大模型处理，推测下一个字。

大模型应用开发

模型部署

开放的大模型API

在云平台部署私有大模型

在本地服务器部署私有大模型

调用大模型

接口说明

请求方式，一般是POST
请求路径，url
请求参数：model，message（是一个消息数组，包括role，content）

message

role

system（设定角色和任务背景）

user（用户输入的具体指令)

assistant(大模型生成的消息）

比如上一轮对话生成的结果。
每一次发送请求时，都把历史对话中每一轮的User消息、Assistant消息都封装到Messages数组中，一起发送给大模型，这样大模型就会根据这些历史对话信息进一步回答，就像是拥有了记忆一样。

大模型应用

大模型应用开发

纯Prompt问答

AI应用再在用户的prompt基础上再继续组织优化。

FunctionCalling

传统应用中的部分功能封装成一个个函数（Function），根据prompt自己决定去调用。

RAG(检索增强生成）

• 检索模块（Retrieval）：负责存储和检索拓展的知识库
  • 文本拆分：将文本按照某种规则拆分为很多片段
  • 文本嵌入（Embedding)：根据文本片段内容，将文本片段归类存储
  • 文本检索：根据用户提问的问题，找出最相关的文本片段
• 生成模块（Generation）：
  • 组合提示词：将检索到的片段与用户提问组织成提示词，形成更丰富的上下文信息
  • 生成结果：调用生成式模型（例如DeepSeek）根据提示词，生成更准确的回答

Fine-tuning

模型微调，在预训练大模型（比如DeepSeek、Qwen）的基础上，通过企业自己的数据做进一步的训练，使大模型的回答更符合自己企业的业务需求。