假设有一堆文档，我们想要构建一个问答聊天机器人，它可以接收一个问题并根据文档找到答案。

我们通过一个“嵌入模型(embeddingmodel)”传递文档。使用 OpenAl 的嵌入 API将文档或文档块转换为嵌入是很容易的。这些嵌入可以存储在向量数据库，如 Milvus、Chroma、Faiss 或Lance 中。

用户通过一个“聊天界面(chatinterface)”进行交互并输入问题/查询。这个查询也可以使用嵌入模型转换为嵌入。

接下来，我们可以使用相似性搜索找到最接近的块(类似于查询)，然后将这些最接近的块(称为“上下文”)传递给像 ChatGPT 这样的大型语言模型。

最后，我们检索到答案，这个答案会通过聊天界面传递回给用户。

以下是各个步骤的解释:

私有知识库:包括Notion、PDF和其他文档等各种来源的信息。将这些信息分成较小的文本块。

嵌入模型:文本块通过嵌入模型处理转换为向量。这些向量是文本块在高维空间中的数值表示。

索引:生成的向量被索引化，这一步将向量组织起来，以便于高效的搜索和检索。

向量索引:索引化的向量存储在向量索引中，方便快速访问这些向量。

查询嵌入:当用户通过聊天界面提交查询时，该查询也会通过嵌入模型处理生成查询向量。

近似最近邻(ANN)搜索:使用查询向量在向量数据库中执行ANN搜索。这种搜索会识别出最接近查询向量的向量，即与知识库中最相关的文本块。

检索到的向量:从向量数据库中识别并提取出最接近的向量(检索到的向量)。

构建上下文:使用检索到的向量构建回答查询所需的上下文。

创建提示:使用上下文创建提示。然后将该提示发送给大型语言模型(LLM)以生成最终答案。

答案:LLM处理提示并生成答案，然后通过聊天界面返回给用户。

这种架构确保聊天机器人通过利用私有知识库和高级向量搜索技术提供准确且上下文相关的答案。

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。

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】

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】