从小白到入门，写给程序员的LLM学习指南

年初的时候，我第一次接触了ChatGPT，在被深深震撼之后，我意识到一个新的时代正在来临，作为程序员的我有了从未有过的危机感，经过过去几个月的学习，我逐渐度过了不知所措的阶段，慢慢地对以ChatGPT为代表的LLM有了一些感觉，这篇文章就把过去这段时间的学习整理成一个学习路线图，希望能对有志于入门AI的同学有点帮助。

小白应该从哪里开始

假设您和我一样是从小白开始，我建议首先能有一个快速启动，迅速地把ChatGPT用起来，同时也为进一步的学习做好准备，具体我建议：

1. 有一个自己的ChatGPT账号，有自己OpenAI的API Key，这是一切的起点

2. 尝试着和ChatGPT聊聊天，试试不同的话题(如写作、摘要、写码、翻译…)，对ChatGPT不同方面的能力有所了解

3. 试着在工作、生活中可能的地方都用ChatGPT试试(比如写周报)，开始让ChatGPT为我们实际创造价值

4. 如果你还没有GitHub账号或Hugging Face账号，那么尽快注册账号，这是未来学习离不开的两个社区，同时学会使用Google的Colab，这里提供一定量免费的GPU使用

5. 如果你还不熟悉Python，可以快速学习了解下，LLM社区大量的项目都是基于Python的，我们不用追求马上精通Python，了解基本语法，能看懂别人的代码就可以了，几天时间应该就可以入门

从Prompt入手玩转ChatGPT

使用一段ChatGPT后，你很快会发现很多时候要让ChatGPT按自己的期望工作，Prompt是关键，在这个阶段，我建议：

1. 学习写好Prompt的通用原则

2. 掌握常见的Prompt技巧(如Few-Shot, Instruction, CoT…)

3. 如果有时间，还可以学习一些高阶的Prompt技巧，这些技巧在处理一些复杂的问题时会有帮助

4. 学会使用OpenAI Playground，在学习LLM的过程中，你会花大量的时间写Prompt，Playground能帮你节省大量的时间

5. Prompt是LLM领域讨论最热烈的话题，多看、多搜、多想、多练，很快你就会成为Prompt高手

学习Prompt专业玩法，解决实际问题

如果你只是作为使用者玩玩ChatGPT，上面的学习应该已经足够了，如果你作为程序员，想用ChatGPT解决一些实际的业务问题，很多时候光靠手写Prompt是不够的，此时就需要一些专业的玩法了，我建议：

1. 读一读Prefix-Tuning, P-Tuning, Prompt Tuning, Y-Tuning的相关论文，大家不用对读论文感到恐惧，现在的论文里数学公式越来越少了，更多都是工程实践，只要你能完成一篇论文，读论文这个技能树你就点亮了

2. 至少动手写码实践上述技巧中的一种，我自己是试着实现了Prompt Tuning

3. 多搜、多看，这个领域总是不断有新的玩法涌现出来

学会使用必要开发框架和工具

从上一阶段开始，作为程序员的我们已经开始逐步动手实践了，掌握一些开发框架、第三方库能极大地加速我们的开发效率，我建议：

1. 一定要学习LangChain，虽然LangChain本身只是对LLM调用的一个包装，但是其Agent，Memory，Chain，Prompt的封装能大幅简化开发

2. 学习如何使用Hugging Face，学习Hugging Face出品的Transformer, Peft这两个绕不开的库

3. 学习ChatGPT plugin，没准下一个Killer Plugin就是你开发的

4. 学习至少一种Embedding数据库的基本用法

5. 如果有时间，多了解PyTorch、NumPy等几乎必然会使用的开发库

开始大量动手实践

ChatGPT是LLM工程实践的胜利，同样，学习LLM也需要大量的动手实践，只有在实践中我们才能碰到真正的问题，只有解决真正的问题，我们才能对LLM有深入的理解，我建议：

1. 首先学会如何通过API调用ChatGPT

2. 试着在代码里使用之前学习的各种Prompt技巧，通过对用户隐藏一些你对ChatGPT的调用，你能写出一些用户看起来很神奇的应用(比如最近大火的AutoGPT)

3. 因为每次调用的每个token都有费用，有意学习一些上下文压缩技巧，有意学习一些上下文保持技巧

4. 实现一个类似于ChatPDF这样的简单应用，学会如何给ChatGPT灌输外部知识

5. 有人认为有了ChatGPT，未来的人机交互会像钢铁侠和他的Jarvis一样，所以试着实现一个以对话为交互界面的私人助手，如果你有兴趣，还可以通过引入语音转文字，文字转语音，让你的助理更像Jarvis一些，有时间还可以翻一翻AutoGPT的源码，你会发现看起来很炫其实实现很简单

6. 在实际业务场景，数据隐私很多时候是个顾虑，所以试着找一个ChatGPT的开源平替，看看能不能在自己的机器上跑起来

7. 结合自己兴趣，或者实际业务场景，动手做更多实践

进入动手实践的深水区

随着实践的不断增加，你会发现无论你怎么使用Prompt技巧，模型都不能按期望工作，此时你将不得不对模型进行训练，也许我们没机会对一个大模型进行全参数的训练，但我们可以进行很多低成本的模型精调，我建议：

1. 了解一些模型精调方法如Adapter，LoRA，MPOP，Sparse Fine Tuning等，这个环节，最好还是读一下相关的论文，这些论文里会有些数学，但内容不多，即使跳过也不影响对论文的理解 。

2. 了解Self-Instruct这个最重要的创建数据(科学薅羊毛)的方法，论文的作者很实在，把自己使用的具体Prompt都在论文中详细列了出来，建议自己动手实现一遍Self-Instruct。

3. 精调模型离不开好的训练数据，了解开源社区有哪些好的训练数据源。

4. 真正动手做一次模型精调，如果你有自己的业务场景和业务数据，那这是最理想的模型精调，如果没有也可以用一些开源数据集做练习。

5. ChatGPT的惊艳离不开RLHF这个强大的模型训练方法，虽然因为其成本我们没太多机会直接实践RLHF，但一定要了解其工作原理。

更进一步，知其然更知其所以然

如果一步步走到这里，相信你对LLM应该已经有了自己的理解，如果你想进一步深入学习，为未来真正成为LLM的大拿做好准备，那么就需要了解LLM背后的Why，我建议：

1. 了解ChatGPT的整体架构和详细的工作流程

2. 了解Transformer架构，了解它和之前的RNN，CNN的区别和联系

3. 了解Embedding

4. 了解注意力机制的详细工作原理

5. 了解机器学习的基础知识

6. 了解深度学习的基础知识

7. 了解相关的代数和概率知识

埋头赶路，更要抬头看天

AI这个领域，几乎每天都有新的变化和进展，同时我们的学习也是为了创造价值，因此，除了学习各种技巧和技术，我们也需要了解行业里到底在发生什么，我建议：

1. 多看看大公司的动向，行业的发展往往由他们引领

2. 多看看投融资领域的大事件，VC的嗅觉是最敏锐的

3. 多看看产品、技术方面的突破，多从长期视角看本质突破，注意屏蔽那种一惊一乍吸引眼球的噱头，争取让自己起码每个月能看一篇精选的论文

4. 多关注行业的竞争，多看看开源社区的进展，多看看ChatGPT竞争对手的进展

5. 更具体地，多关注多模态的方面的进展，多关注降低模型训练、推理成本方面的进展，多关注数据隐私和私有化部署方面的进展

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】