从入门到放弃，再到新希望：探索魔法咒语的奇妙世界

在人们的生活中，总会有一些奇妙的东西吸引着他们的注意，其中魔法咒语就是一种让人着迷的现象。从最初对魔法的好奇，到面对困难时的放弃，再到重启信心寻找新的希望，探索魔法咒语的奇妙世界成为了人们心中永恒的追求。在这个世界上，魔法不仅仅是一门技能，更承载着人们思想和情感的深层表达。让我们一起踏上探索魔法咒语的旅程，去发现其中的无限可能性。

作者：倒掉鞋里的沙子

时间：2024.06.21

主题：卷起来，Prompt已成过往，Agent崭露头角，AIGC开启无限未来！

本文思维导图

入门：大模型对话

特点 ：大模型对话，一轮又一轮，轮轮不休。
关键点：需要给你的Question一个明确的角色定位，清晰的任务要求，显示的限制约束，具体的输入输出。
瓶颈：数据滞后的幻觉、对话的时间成本

进阶：案例学习和特征迁移

特点 ：喂一个/多个案例标杆，大模型学习后分析出特点，然后再进行模仿对标（或称之为迁移学习）。
关键点：标杆案例足够优秀，给与大模型输出内容的情绪标签的反馈（比如输出很糟糕或是很优秀），让他有情绪倾向。
瓶颈：优秀案例难寻觅或是和自己的原始需求偏差太大。

高阶：开外挂，搭建RAG私有数据库(私有/定制)

特点 ：优化prompt，通过RAG循环系统，检索出更精准的魔法咒语，提高prompt的质量，在供给大模型去分析。
关键点：RAG私有数据库的质量/成本，直接决定了检索结果，影响后续的大模型输出效果。中小微/个人私有化定制的优选路径。
瓶颈：数据质量参差不齐，知识库创建/维护的成本开销。

终阶：Fine-tunning微调大模型

特点 ：使用增量数据（新的数据update）来训练大模型，调整大模型参数，本质是训练大模型。
关键点：新的更新数据，GPU集群机器哐哐往上怼，风扇呼呼的转几天，微调参数和模型就出来了。
瓶颈：电费哗哗的，不多说了

放弃：Re-training再训练大模型

特点 ：使用全量数据（新旧数据update）来训练大模型，火力全开调整大模型参数，本质仍然是训练大模型。
关键点：风扇呼呼声音更大了，转个十天半月，保佑着不动用或是少动用checkpoint，大参数和模型也出来了。
瓶颈：放弃吧，算力开销(软硬件)这关一般很难应对

新希望：Agent自组织，全流程SOP

特点 ：上帝视角，仅需发号施令，获得中间产物和最终方案。Agent吃的是草，挤的是奶。当然，这个草也要是优质的草（优质的基模、数据和SOP流程），才能挤出新鲜健康的奶。
关键点：SOP流程质量、优质数据(如有最佳)、大模型(泛化能力)。
瓶颈：SOP输出不稳定

Agent基本原理图示

END：致谢

作者：倒掉鞋里的沙子

亲爱的友友们！如果您认为这篇文章有所帮助或有兴趣，请不吝点击关注，加入到我们的大家庭中来。我们会不断推出更加精彩、实用的文章，满足大家的阅读需求。

您的每一条评论、每一个点赞都是我们前进的动力，让我们更有信心为您带来高质量的内容。再次感谢您的支持和关注，欢迎多多交流，让我们一起共同成长！Fighting!Fighting!

Agent头像