设想一下，你现在可以使用Kimi、智谱清言、Stable Diffusion、ChatGPT等大模型或者AI工具，甚至将大模型的API嵌入到你的项目中。

然而，预训练的大模型虽然强大，但不是万能的。

比如你问大模型你写的文章信息，因没有文章语料，它就无法回答。你想让大模型回答医学问题，它可能泛泛而谈。

大模型依赖于大量互联网数据进行训练，虽然覆盖面广，但在特定情境下往往无法提供精准的答案。

为此，你需要对大模型进行改造，让它更好地满足你的需求。

用于优化和增强大模型能力的方法有：提示工程、RAG、微调、更换大模型、使用多模态大模型。

简单来说，一种方法是不改变模型本身，那就优化提示词，使用外部知识库（技术是：RAG）。一种方法是改变大模型参数（技术是：微调）。

另一种方法是，换一个大模型，或者使用多模态大模型。

下面我们一一讲解。如果你想学习如何用搭建个人知识库，微调大模型，自动化工作流程等技能，可以关注我们的AI线下工作坊，扫描文末二维码，加入福利群，月中会在群里发福利券。

1. 优化提示词

当大模型的输出内容不满足你的期望时，你可以选择优化提示词，直到优化到不能优化。

使用提示词生成答案（图来源：myscale）

依据大模型的能力、特点和局限，选择合适的提示词，能够让大模型生成更符合你特定要求的输出。

例如，你想用AI批量生成小红书文案，你可以在提示词中，详细说明目标受众、语气、文章结构，引导大模型生成小红书风格的文案。

你可以设计一系列提示词模版，这样每次都可以调用。

2. 使用外部知识库

通过检索增强生成（RAG），大模型会首先从外部知识库(比如你写的文章）中查找并收集相关信息，然后使用检索到的信息和预先存在的知识，更准确的回答问题。

RAG工作流程（图来源：Monigatti）

RAG让模型具备特定领域的知识，从而表现得更好。

外部知识库可以是公司产品说明、教程或用户指南；客服回答的问题、聊天记录；公司政策文件、标准操作程序；你写过的文章等等。

使用何种外部知识库，取决于你的目标。

使用外部知识库，最直接的方式是在AI机器人聊天页面上传文档，开启对话。比如下图是我使用kimi解读一篇论文。（官网：kimi.moonshot.cn）。你也可以尝试扣子（官网：coze.cn）

上传某本书/文章 让kimi解读

但是这种做法也有局限。如果你不想文档泄漏，或者公司里面有成千上万个文档，你就需要借助新的工具或者运用，甚至开发专用的运用。

下图是一些常用的RAG工具，这些工具在Github上Star较多。

常见RAG工具/运用（整理：mscreate)

案例：某科技公司将RAG应用于其客户支持系统，大模型通过检索公司内部的技术文档和历史支持记录，能够在几秒钟内为客户提供精准的解决方案，大大提高了客户满意度和支持效率。

3. 微调大模型

微调是指在预训练大模型的基础上，进一步在较小的、特定领域的数据集上进行训练。

微调示意（图来源：myscale）

微调有助于让大模型更满足特定需求。

例如，你想让大模型翻译地方方言更准确，那可以使用地方方言数据集微调大模型。

与RAG不同，RAG是使用外部信息增强模型的知识，而微调则是更新模型的参数，使其更好地适应你的领域或任务。

当你拥有某个领域特定的数据时，微调特别有用。

案例：如果你想构建一个法律大模型，可以用法律文件、法律案例和合同等数据微调模型。使其在法律文件分析和合同审查中表现出色，能够快速识别潜在风险和异常条款，帮助律师更高效地完成工作。

4. 换一个大模型

除了上面的方法外，你还可以换一个模型，并非一定要拘泥于使用一个模型。

模型和模型之间能力有所差别。有些模型更擅长写出流畅的中文，有的则更擅长数据分析或者长文本处理、写代码。

不同大模型公司对大模型能力的描述

成本也有所差别。当然还有其他差别。

5. 使用多模态大模型

模型不仅仅只能处理文本，还可以处理图像、音频、视频等。多模态大模型可以同时处理文本、图像等。

很多应用场景需要多模态技术支持才能实现。比如，借助多模态技术，让视力受损的人能轻松浏览网络，甚至在真实世界中充当导航。

GPT-4V展示的多模态使用例子

假设你在开发一个内容创作平台，帮助博主和营销人员制作引人入胜的文章。有了多模态大模型，用户输入提示词，AI会生成一篇精美、用吸引力的文章，还会附带相关的图片。

目前多模态大模型正在快速发展中。

大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓