我有一个程序员朋友，从chatgpt刚开始爆火的时候就在这个领域折腾创业项目，一开始卖gpt套壳；随着百模大战的白热化，开始做大模型聚合平台；然后有企业开始带着不同的需求找他，他又开始做知识库、开始做小说、论文等文档生成。
就这样他逐渐从一个小白，成长为了一个在大模型领域有着深厚技术实力的专家。用他自己的话说就是「只要你入了局，只要不下场，就会一直被裹挟着前进。」
程序员和算法工程师学习大模型的 切入点、路径和侧重点 应该是不一样的。
正如一块草莓蛋糕， 算法工程师可能从「蛋糕胚」这一层开始深入研究 ，理解其配方和做法，再逐步向上探索更高层次的奶油（应用）层；而程序员，应该 先研究「这块蛋糕该怎么吃」 ，然后随着吃蛋糕的需要，自然而然地切下去，深入探索奶油层下面藏着的「蛋糕胚」。
因此对程序员来说，一上来就钻研算法，站的层太低了；钻研prompt，又太片面了。 程序员的切入点，应该在AI应用层，即「蛋糕的吃法 」 上。
程序员钻研大模型的「舒适路径」
钻研大模型，对程序员来说比较舒适的路径是：
提示词工程->调用api->AI应用开发框架->RAG技术->Agent->模型微调相关->模型产品部署和交付
Prompt工程
基于提示词对大模型的使用，研究怎样问问题才能激发出大模型的能力。
从会调API开始
选择一个流行的大模型（GPT、chatglm、千问等），学习其官方提供的API文档。通过API进行基础的请求和响应，熟悉大模型的基本功能和限制。
AI应用开发框架
当下大模型应用，从产品形态上正在沿着 AIGC（内容生成）、Insight（知识洞察）、Copilot（智能助手）、Agent（数字代理）四个阶段演进。
而应用开发的技术栈，也在按开源和闭源两条路线不断迭代和发展。
在构建不同应用时，你会接触到各种开发框架和工具，比如LangChain、Semantic Kernel 、Assistant API...这些框架和工具尚处在探索发展过程中，因此需要程序员具备快速学习和适应的能力。
如果你是技术人员，并且也想在大模型应用开发红利中分得一杯羹，强烈建议你听一下 知乎知学堂和AGI课堂 联合推出的 免费公开课——程序员的AI大模型进阶之旅。 课程是由几位业内大佬主讲的，2节直播课，从前沿主流大模型原理到AI应用开发框架，LangChain，AI Agent，模型微调技术，都会做一个全面的系统的介绍和梳理。
现在直播中，还能与大佬对话答疑，免费名额很快就没有了，先占个位置：
很多技术人员，会对Langchain之类的框架各种吐槽，甚至对当前大模型的能力嗤之以鼻。但有一个不容忽视的问题是： 能力不到位，就不可以进行应用落地吗？
并不是的。一个演进中的框架和工具，并不影响你的学习和思考过程；同样，一个能力有限的模型，在框定场景下照样能够发挥出足够大的价值。
RAG技术
当大模型本身的知识不够专有、不够垂直的情况下，可以通过RAG（Retrieval-Augmented Generation）技术引入外部知识库的方式增强模型的生成能力。
Agent
大模型领域的「自动化」。通过加入「感知」、「记忆」、「规划」等机制，让大模型自主思考、决策、规划、执行，来解决问题。
模型微调相关规划
了解Transformer结构，并且了解微调的基本原理和步骤、数据集的构建技巧，并学会如何选择合适的预训练模型和超参数进行微调。
Prompt Tuning
P-Tuning
Prefix Tuning
LoRA
QLoRA
AdaLoRA
模型产品部署和交付
了解常见的部署平台和工具，了解私有化部署的硬件选型知识，学会如何进行模型的打包、测试和发布。
准备适应开发范式的改变
从小模型时代演进到大模型时代，开发范式发生了深刻的转变。
从面向过程到面向目标的编程方式
在传统的软件开发中，程序员需要清清楚楚地预先设计好每一个逻辑分支，以及catch住所有异常。而大模型却是一个「活的」、「模糊的」、「非结构化的」智能组件，我们与它的交互是面向目标的。
因此，研究如何让这样一个组件融入到结构化的程序中，是个令人兴奋的挑战。足以吸引技术人员去思考和钻研。
软件工程组织方式和分工的改变
第一，大模型的高度智能，拓展了人的能力边界；第二，大模型的Copilot能力，提高了人的工作效率；第三，大模型应用本身的开发范式转变，导致软件工程的组织方式亟待改变。
产品经理需要懂技术，程序员需要懂业务。原先的专人专岗、分工极度细化的分工和组织模式，将不再适合大模型应用时代的软件开发过程。
大模型应用时代需要的，是从业务一眼看透整个技术栈的开发者。
「赋能」而不是「替代」：成为进击的程序员
过去，每个公司都需要组建专门的算法团队，投入大量资源来构建和训练小模型。随着通用大模型的崛起，开发AI应用的方式发生了颠覆性的变化。
如今，开发人员可以更加便捷地利用预训练好的大模型，通过微调或集成的方式快速构建出功能强大的AI应用。这种转变为普通程序员提供了更广阔的机遇，使他们能够更轻松地参与到AI应用的开发中。
因此，面对大模型时代的浪潮，深入了解它的技术原理、优势以及局限性变得尤为关键。这不仅有助于程序员更好地运用它，更能使自己在快速变化的技术领域中保持领先地位。
大模型对于程序员而言，讲赋能比讲替代价值要高得多。作为连接模型能力与应用需求的桥梁，程序员无疑扮演着至关重要的角色。这不应该是一个让程序员疯狂焦虑的时代，对程序员来说，这是最好的时代。
