知识体系

AI 能力定律

$$能力落地 = min(AI 能力, 使用者判断力)$$

AI 提效定律

$$生产效率提升幅度 = \frac{使用者判断力}{使用者生产力}$$

下面的表格是由 孙志刚 老师总结的的大模型应用开发知识体系。当下可以用来实现的热门领域有：

智能客服
智能知识库
智能数据分析
智能情报分析
智能写作助手
...

- 原理 实战 认知
交付
GPU/云厂商选型
向量数据库选型
私有化部署
高可用架构
内容安全
算法备案
产品
商业逻辑
用户体验
需求分析
UI 设计
原型迭代
过程管理
Figma & draw.io
沟通技巧
Copilot 和 Agent 两种形态的未来
Fine-tuning
机器学习
Transformer
大模型训练
微调原理
求解器
损失函数
超参
过拟合/欠拟合
学习率
Attention
Transformer 架构
开源大模型
Prompt-Tuning
P-Tuning
Prefix-Tuning
LoRA
微调仍是炼丹
框架
Agent

LangChain & LangChain.js
LLM
ChatModel
PromptTemplate
OutParser
Document Loaders
Text Embedidngs
Vector Stores
Retrievers
Memory
Chain
Agent
Callbacks
LangSmith
LangFlow


Semantic Kernel
Connectors
Plugins
Planners
Text chunkers
Native Functions
Pipelines
ChatCompletion
TextGeneration
TextEmbeddings
   
Core plugins
Memory
   
Web search plugins
Semantic Functions
Semantic Kernel Tools
LangChain 和 SK 的选型
Prompt 和 代码分离
微软的 Semantic Plugins 战略
Embeddings
向量化
词向量
句子向量
篇章向量
相似度计算
基于相似度聚类
向量数据库
从关键词搜索到向量搜索
API
用微调提升 prompt 稳定性
生成 API
对话 API
Function Calling
Plugins
Embeddings
Fine-Tuning
自然语言连接一切
AI 编程
ChatGPT
Bing Chat
Github Copilot
CodeGeex
MetaGPT
ChatALL
AI 能力天花板和落地场景
Prompt
LLM 生成原理
高质量 prompt 原理
基本要素
格式约束
思维链
思维树
指令调优
Prompt 攻击和防范
思考方式从程序逻辑变为语言逻辑