- 课程目录
- 课程介绍
-
在线阅读：开篇词｜普通开发者遇上AI时代，如何破局？
在AI时代，我们要从翻译业务逻辑的程序员转变为能调教大模型的工程师。
-
01｜ 原理：一个例子讲清楚Transformer原理
我会从一个典型的例子出发，采用抽丝剥茧的方式，分析这个例子在Transformer架构下的具体程序流程以及数据结构。
-
02｜工程：ChatGPT有哪些核心工程创新点？
这些工程创新，才是让ChatGPT成名的关键。
-
03｜初体验：Ollama 本地大模型与多模态大模型
多模态大模型的实现原理和语言模型是一脉相承的，都是基于序列化的Transformer模型架构。
-
04｜ 大模型AI智能体开发的3个层次：应用，微调和专有模型
对于咱们开发者来说，在本地体验大模型，相当于写一个hello world程序，没什么难度。那这节课，我们就讨论讨论大模型AI智能体开发过程里更多的一些挑战。
-
05｜提示词：为什么说提示词工程是一切应用的基础？
我们这节课的介绍会从开发者视角出发，所有的建议都是为了把提示词技术用到现实的应用开发里。我也会给你提供一个提示词调试案例，让提示词的功能真正落地。
-
06｜核心：如何打造C语言自动判题系统里的核心提示词？
这是一个真实的项目，这个项目可能是我去年见过的最落地的AI应用了。整个需求来自一个老师。为什么说它超级落地呢？因为相比于很多创业项目，这个项目真的用AI做到了让原工作有10倍效率提升。
-
07｜应用：为什么说控制逻辑才是C语言自动判题系统的核心
大模型AI应用开发在大多数场景下，程序逻辑控制才是核心，仅仅靠提示词很难产生可靠的应用。
-
08｜起点：如何开发一个微信AI满足客户营销的需求？
从这节课开始，我来分享一个完整的营销AI项目。
-
09｜微调：向量数据库+微调+规则引擎，定制营销文章内容生成
我会在这节课着重分析营销文章的部分，分享向量数据库+微调+大模型三者之间的配合方式。同时，复盘图片视频AIGC产品的踩坑点。
-
10｜转型：如何在Agent平台上构建一个AI营销智能体？
“化零为整”，把更多的功能及合成一个智能体。
-
11｜Agent底层：带你拆解、实现一套Agent底层框架
这节课，我们分析了Agent平台的操作逻辑，设计并实现了一套自有的Agent代理层核心。基于这套核心，我们把原有营销平台的功能全部转化开发了Agent平台的插件能力。
-
12｜Agent架构：创建一个Agent智能体应用架构需要考虑哪些要素？
要提高大模型的“靠谱”程度，需要先理清大模型在智能体的四个基本能力上的“靠谱”程度。
-
13｜回顾：一个营销AI项目里有哪些商业经验和教训
这节课，我会从团队的AI能力认知、项目的商业探索两个部分给出建议，最后用一个很小的商业案例来说明目前AI的价值点在哪，希望给你带来一定的启发。
-
14｜设计：为什么要在电商客服项目开发专有模型及其设计方案
如果一个大模型项目需要用到大模型微调，往往意味着这个项目的复杂度已经比较高了。电商客服项目就这这种高复杂度的典型例子。大模型微调切忌拿着锤子找钉子，实际上，何时选择大模型才是你要考虑的最关键问题。
-
15｜数据：如何基于数字孪生自动生成电商客服的百万语料？
怎么在没有数据或只有少量数据的前提下，生成足够多的客服数据用于模型训练呢？
-
16｜训练：真实的电商客服模型训练过程藏有哪些魔鬼细节？
如果把训练数据看作一个程序里的数据结构，那模型训练则可以看作这个程序的算法部分。通过上一节课，数据已经准备完毕，这节课请你跟着我一起来尝试大模型训练。
-
17｜评估：如何对电商客服模型专有训练进行能力测评？
真实的大模型微调项目中，测评过程和数据工程一样重要，一个大模型不可能一次微调成功，往往要经过数据->训练->评估->修改数据，这样循环往复的过程才能微调完成。
-
18｜实战升级：如何提升电商客服模型理解JSON等数据协议的能力
本节课将进一步探讨整个项目中JSON等数据协议的提升方法，包括基础数据格式化、专有模型构建，以及后续的各类优化。它们的灵魂还是数据工程，这些补充经验对你将来做其他项目也同样适用。
-
19｜奖励模型：为什么要用评估专家及其设计方案
怎么根据场景选择合适的评估模型呢？
-
20｜评估策略：如何解决数字孪生在评估专家场景下的缺陷？
这节课我们就用一个实际的例子来说明如何训练一个评估专家。
-
21｜正反馈和负反馈：如何将评估专家应用到大模型测评中？
我们知道，一个DPO的倾向性评估意味着需要在两个输出之间选择倾向性，那对大模型结果而言，可以用前后两个版本的大模型输出比较，也可以在大模型输出和人类答案之间比较。这个问题的核心还是在测评算法的选择上。
-
22｜从一个建筑行业的AI设计需求看待行业大模型创业的前期分析
当我们懂了很多大模型知识、大模型应用开发相关的技术之后，遇到一个真实的新需求，特别一个创业项目摆在你面前的时候，怎么开始，怎么分析呢？
-
23｜从一个建筑行业的AI分析来看构建行业大模型的挑战和成本
从上一节课对建筑行业CAD设计需求的分析来看，用AI来做建筑行业的设计，显然是一个不小的挑战，如果从0开始，我们应该怎么规划，会有哪些挑战呢？成本会是多少？这些问题都是你在做实际创业项目中会遇到的。
-
24｜跟踪分析了100个AI创业项目，我看到了什么？
2023-2024我观察了很多AI创业项目的业务模式，它们都有哪些普遍规律呢？
-
阶段自测题（一）
阶段测试，快来挑战！
-
阶段自测题（二）
欢迎来挑战！
-
结束语｜融入AI技术革命浪潮，实现人生百倍提升
此时此刻，已经是凌晨3点钟，我正独自在北京郊区的工作室里，苦苦思考着这样一个问题：如果我有机会对因这门课而来的朋友们聊几句技术之外的话，应该聊什么呢？
课程介绍
交流群入口 你将获得 深入理解 AI 大模型核心原理 掌握 AI 大模型微调的架构设计 从 0 到 1 带你落地 4 大 AI 项目 开发者也能拥有的 AI 项目商业化感知力 讲师介绍 2023 年，蓝金伟 All in...交流群入口
你将获得
- 深入理解 AI 大模型核心原理
- 掌握 AI 大模型微调的架构设计
- 从 0 到 1 带你落地 4 大 AI 项目
- 开发者也能拥有的 AI 项目商业化感知力
讲师介绍
2023 年，蓝金伟 All in AI，至今已参与多个行业的大模型应用项目的研发和运营工作。
课程介绍
2023年，GPT大模型的爆发引发了行业的核爆级效应，无数创业者投身其中。大模型技术不仅仅是编程范式的变革，它还预示着全新的商业模式和工作方式。从自然语言处理到多模态应用，大模型正在重塑我们的技术生态。
然而，真正能够实现行业落地的AI应用却寥寥无几。我们面临的问题是：如何在AI时代找到自己的位置，并实现技术的真正落地？
许多开发者逐渐发现，自己难以将大模型技术与实际项目相结合。不了解架构、技术细节，缺乏落地方向。众多理论资源虽好，但缺乏实战经验的积累。在转型过程中，我们步履维艰。
蓝金伟老师将自己的积累，融入到一个个完整的项目中，为你全面讲解大模型AI的基本原理和应用框架。通过系统学习，你将能够独立进行基于大模型的设计和开发。一系列真实项目的实战演练，也能让你获得宝贵的实战开发经验。甚至每一个完整项目中也融入了项目的商业思考，随着课程的展开，你也将形成AI产品的商业感知，判断手头项目的可行性。
课程设计
本专栏一共6个章节。其中包含4大案例，这4个案例囊括了基于大模型开发的三个难度层次，难度逐级提升。
-
第一章，基础原理。本章节会讲解AI智能体开发底层基本原理，从原理到工程实践，介绍大模型的基础知识。
-
第二章，提示词案例。一个极其落地的AI应用项目，通过C语言智能判题系统，可以让第一次做AI应用开发的工程师快速积累AI应用开发的经验和特点。
-
第三章，Agent案例。通过一个开发运行了1年的AI营销项目全过程分析，一站式搞定多模态、Agent智能体、平台开发。不仅可以了解AI项目的开发、选型、测试，运行环节的所有经验，还可以从业务角度汲取经验教训。
-
第四章，专有模型案例。深入电商客服专有模型的开发过程，让你从工程角度理解专有大模型开发过程和要点。
-
第五章，专有模型进阶。在大模型领域，评估专家是一个很有挑战的项目场景。本章节会通过一个完整的评估专家项目开发过程，再次给你展示专有大模型的开发过程。
-
第六章，案例追踪。追踪多个行业落地案例，跟上项目发展脚步，走在行业实践前沿。
课程目录
适合人群
面向技术开发人员，有 3～5 年及以上软件开发工作经验，具备一定的编程技能，对技术发展有一定的判断能力。对人工智能感兴趣，打算转行做人工智能相关的技术研发人员。