被大模型折腾不行了，奉劝不要轻易入行！！！

科技的进步，生产力就很容易提升，进而就是不需要过多的人。最近在尝试借助一些工具，提升做事的效率，初步试验感觉很不错。网络上所有的东西，确实都可以利用新平台重做一遍。

现在火的东西越来越让人看不懂，一首挖呀挖火遍全网，看完后感触是什么？内容越简单越直白，其实更容易火，越是高深的东西，火的概率越小。你看有深度的电影，票房大概率不高，但爆米花电影就不一样。

别给自己过多的心理负担，什么都要去尝试，说不定有些东西就突然火了。围绕用户需求做事，不要总想着火不火，有些人就是上天赏的饭，也许你做做一辈子也遇不到，有些人一做就能遇到。

多去一线调研用户需求，将全网的需求整理出来，解决用户需求，你觉得会有收益吗？有人看到收益少就主动放弃了，长期来看深耕一个领域，获得的回报率更大。开始收益少是必然的，势能积累够了会怎么样？

短期看没前途，长期看价值不一样。

越是热门的东西，未知的东西越多，大模型现在的招聘待遇很高，物以稀为贵，不能只看喜好，大多数人都是看在钱的份上，早期能赚一笔快钱，长期就不好说了。发展越成熟，待遇就越稳定。

任何工作只要做成熟了都不复杂，真复杂的技能很难流行，你看下这些年的技术演进，是不是越来越方便工作了。任何技术萌芽期，给的钱就多，具体可以投递简历就知道。

新的方向，肯定会有很多问题，钱不是白给的。挑战也是很多的，能解决的问题越多，沉淀的经验越多，在行业发展成熟后，依然会有很多机会。萌芽期会淘汰一些人，技术红利短暂，淘到金最重要。

技术行业，追热点容易赚快钱。

有些工作先别谈未来，也别想太多，先能把钱赚到自己口袋，技术行业越早把钱赚到越好，真等风口过了，待遇可想而知。干1年比自己几年都多，行业真要发展成熟了，才有更多可能。

只要行业一直发展，一切问题都是暂时的，萌芽期介入和成熟期介入，待遇是不同的。以前有个朋友，啥火做啥，火的也很滋润。大多数人都不会专注技术，大多数人只在乎技术能否赚钱。

关于大模型是否值得介入呢？完全是可以的。有些培训机构已经开始做这块培训了，一旦量产，从业者数量起来，待遇就会逐步下滑。移动互联网和大数据区块链等，早期挖人的成本都很高，发展好了求职都难。

人不能次次抓住机遇，只要能抓住一到两次就够了，红利越来越短暂，你看现在市场上的it人才，是不是供过于求，成熟的业务，哪怕再能，待遇和岗位也大不如前。

有些人跳槽做大模型待遇很高，但都在担心能干多久，具体就看钱多少。学技术就是为了赚钱，快钱和慢钱都能赚，哪个适合自己就做哪个。很可能行业发展好了，你的机会就不多了，毕竟人多了，就容易派系林立。

萌芽期适合赚快钱，成熟期适合好的商业模式。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“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，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

本文转自 https://blog.csdn.net/python12222_/article/details/140609158?spm=1001.2014.3001.5501，如有侵权，请联系删除。