AI 大模型实践与实用技巧

大模型不是万能的，我们不应该“为了使用 AI 而使用 AI”。就像汽车虽然方便快捷，但不是在所有情况下都是最佳选择。在实践过程中，我们发现某些任务通过工程化方式解决效果更佳且成本更低。因此，在接入大模型时，我们需要权衡哪些任务适合工程化解决，哪些任务更适合用大模型来解决。

在正式接入模型之前，需要确定模型的效果评估标准，这样才可以发现模型的不足，针对性优化。我们还需要确定可进行工程化开发的前提，比如生成的代码采纳率在 50%，生成的段落达到 80 分以上等。如果我们过早进入工程化开发，产品可能上线后长时间达不到预期标准，甚至可能永远无法达成，从而导致产品可用性较差，并浪费大量资源。

有些复杂任务需要对模型进行微调，需要大量的人工标注，以及评估模型效果工作。为了提高效率，建议大家可以自己编写脚本，或借助 AI 模型进行辅助，实现自动化或半自动化的流程。

在将 AI 模型落地到业务的过程中，开发人员虽然熟悉业务，但可能不了解模型优化的方法；算法人员虽然更专业，却可能对业务不够了解。因此，想要不断优化大模型的效果，就需要开发同学和算法同学通力合作。而且由于有些公司大模型团队的算法人员紧缺，很多业务又想尽早上线，有些开发人员也开始亲自训练大模型。但缺乏专业指导可能会导致许多优化思路不科学，从而会走许多弯路。因此，建议大家在考虑将业务加入 AI 能力，让 AI 为业务提效时，增加算法同学的投入，让算法和开发同学通力合作，更好地解决问题。

02 总结

或许，提示词只是大语言模型发展早期阶段的一种折中方案。可以类比为汽车的发展，从手动挡逐渐演化到辅助驾驶和自动驾驶，未来我们和大模型的交互可能也会采用更先进的方式，如脑电波、意念等。

虽然 ChatGPT 的出现让人眼前一亮，但是大语言模型还存在很多其他待解决的问题，现在还需要我们去迁就它。

不过，在我看来，这却是一件值得庆幸的事情。正是因为 AI 的不完美，我们才没那么容易失业。

在 AI 发展的当前阶段，我认为最重要的是学好提示词，掌握 AI 工具的最佳实践，才能成为最早一批灵活驾驭大模型来更好解决你生活和工作问题的人，才能在 AI 时代的早期取得一些竞争优势。希望本文提供的一些经验能够让大家少走一些弯路。

你在 AI 工具使用中还有哪些经验？你对当前大语言模型的发展有啥看法？欢迎大家在评论区进行评论补充和讨论。

相关阅读：

AIGC产品付费的核心逻辑

AIGC重燃元宇宙

AIGC应用付费模式爆火？

AIGC技术深度剖析

运营策划的AI提问技巧

作者：明明如月

来源公众号：CSDN（ID:CSDNnews）

原标题：AI 大模型实践与实用技巧

关键词：