大模型岗到底有哪些？这六个主要工作让你秒懂！
一、Agent智能体
Agent:能独立采取行动以实现特定目标的AI个体；
Agent的特点：
-
会使用工具，比如查数据库，买车票；
-
拥有记忆，可以记住之前经历；
-
会根据环境、自身记忆、自身能力进行行动决策；
Agent的缺陷：
-
带着大模型本身的幻觉情况；可用RAG降低该情况；
二、RAG知识库
RAG：在设定的知识库中搜索问题的最佳TopK个匹配资料，然后在使用大模型进行润色总结。
RAG的特点：
-
解决了大模型的幻觉问题；
-
解决了数据的实时性问题；
-
文档向量化分块是个难点；
-
私域内文档的向量化精度不够，可训练；
三、复杂任务工作流搭建
工作流：人工制定大模型、agent等的运行规则和顺序，完成更加复杂的任务。
工作流的特点：
-
效果：agent的任务更加单一，所以结果的精度相对会更高；
-
时耗：工作流越复杂，等待结果的时间越长；
四、MCP与Tool自定义
智能体调用的工具可以使用专门的工具编写；
比如可以搭建一个MCP服务，实现天气获取的函数功能，这样在工作流中就可以调用实现的功能函数完成天气的查询服务。也可以通过编写插件的方式，直接将功能打包成插件安装在dify这样的工作流框架中。
五、微调
微调：让大模型了解私域的知识，或者更加专注于特定领域的知识；
微调模型：
-
基础大模型，用来处理企业内专业的问答服务；
-
向量化模型，用来服务于RAG所需要的文档向量化；
-
重排模型，用来服务于RAG所需要的向量重排；
六、数据
服务于：RAG、预训练、自我认知微调、SFT微调、模型评估都需要数据的支持；
RAG：文档结构清晰可以提高召回精度，建议markdwon格式存储，PDF内的数据不要含有复杂的公式符号，目前还无法做到高精度又快速的复杂识别。
预训练：通常将整篇文章存放在json文件中的text字段内；
自我认知微调：这个数据是用来改变大模型对自己的身份认识，比如你是不是openAI创造的。
SFT微调：收集领域内的数据，完成垂直领域的知识问答，回答格式要求；
模型评估：通常有json存储的QA问答式对的数据格式和csv存储的MCQ选择题数据格式；
如何学习AI大模型？
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： 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。
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】
