使用這些基本 REST API 最佳實踐構建出色的 API
什么是Prompt Engineering？
Prompt Engineering，即提示工程，是指設計和優化輸入給大型語言模型（LLM）的文本提示（Prompt）的過程。這些提示旨在引導LLM生成符合期望的、高質量的輸出。
Prompt Engineering的核心要素在于通過明確的指示、相關的上下文、具體的例子以及準確的輸入來精心設計提示，從而引導大語言模型生成符合預期的高質量輸出。
Prompt Engineering為什么需要Prompt Engineering？
通過不斷優化prompt，我們可以建立更加清晰、有效的溝通渠道，充分發揮LLM在語言理解和生成方面的優勢。提升溝通技巧，挖掘LLM潛力。大語言模型（LLM）本身已具備極高的性能與復雜性，但還有很大潛力需要挖掘。Prompt如同鑰匙一般，能夠精確引導模型生成特定需求的輸出。
什么是AI Agent？
大模型Agent是一種構建于大型語言模型（LLM）之上的智能體，它具備環境感知能力、自主理解、決策制定及執行行動的能力。
Agent是能夠模擬獨立思考過程，靈活調用各類工具，逐步達成預設目標。在技術架構上，Agent從面向過程的架構轉變為面向目標的架構，旨在通過感知、思考與行動的緊密結合，完成復雜任務。
Agent關鍵技術-LLM：在Agent技術中，大語言模型（LLM）作為核心計算引擎，不僅限于文本生成，還能夠進行對話、完成任務、推理，并展示一定程度的自主行為。
Agent關鍵技術-Function Calling：Function Calling在智能助手和自動化流程中的應用場景中，LLM通過調用外部API或預設函數來集成多樣化服務與復雜操作，以滿足用戶請求并自動化執行流程。
Function CallingAgent關鍵技術-RAG：通過引入RAG，LLM Agent能夠在需要時查詢外部知識庫，如專業數據庫、學術論文、行業報告等，從而增強其知識廣度和深度。
RAG為什么需要AI Agent？
AI Agent作為LLM能力的整合者與定制化服務提供者，通過NLP和HCI技術增強交互體驗，使用戶能夠輕松享受LLM帶來的智能服務。
什么是Fine-tuning？
Fine-Tuning是指使用特定領域的數據集對預訓練的大型語言模型進行進一步訓練的過程。通過微調，模型可以學習到特定領域的知識和模式，從而在相關任務上表現更好。
在預訓練模型的基礎上，針對特定任務或數據領域，通過在新任務的小規模標注數據集上進一步訓練和調整模型的部分或全部參數，使模型能夠更好地適應新任務，提高在新任務上的性能。
為什么需要Fine-tuning？
盡管預訓練模型已經在大規模數據集上學到了豐富的通用特征和先驗知識，但這些特征和知識可能并不完全適用于特定的目標任務。
微調通過在新任務的少量標注數據上進一步訓練預訓練模型，使模型能夠學習到與目標任務相關的特定特征和規律，從而更好地適應新任務。
什么是Pre-training？
預訓練是語言模型學習的初始階段。在預訓練期間，模型會接觸大量未標記的文本數據，例如書籍、文章和網站。目標是捕獲文本語料庫中存在的底層模式、結構和語義知識。
預訓練利用大量無標簽或弱標簽的數據，通過某種算法模型進行訓練，得到一個初步具備通用知識或能力的模型。
為什么需要Pre-training ？
預訓練是為了讓模型在見到特定任務數據之前，先通過學習大量通用數據來捕獲廣泛有用的特征，從而提升模型在目標任務上的表現和泛化能力。
Pre-training預訓練技術通過從大規模未標記數據中學習通用特征和先驗知識，減少對標記數據的依賴，加速并優化在有限數據集上的模型訓練。
文章轉自微信公眾號@架構師帶你玩轉AI