LLM技术全景图：技术人必备的技术指南，一张图带你掌握从基础设施到AI应用的全面梳理
LLM 技术图谱（LLM Tech Map）是将 LLM 相关技术进行系统化和图形化的呈现，此图谱主要特点是“专注于技术人视角”，不求从 LLM 产业角度汇聚信息，而是希望让从事相关工作或是想了解 LLM 的技术人有一个快速感知。
LLM 技术图谱（LLM Tech Map）从基础设施、大模型、Agent、AI 编程、工具和平台，以及算力几个方面，为开发者整理了当前 LLM 中最为热门和硬核的技术领域以及相关的软件产品和开源项目。
核心价值：帮助技术人快速了解 LLM 的核心技术和关键方向。
1.基础设施
LLM 技术图谱（LLM Tech Map）的基础设施部分主要包括以下几个方面：
- 向量数据库：向量数据库是专门用于存储和检索向量数据的数据库，它可以为 LLM 提供高效的存储和检索能力。
- 数据库向量支持：传统数据库通常不支持向量数据的存储和检索，数据库向量支持可以为传统数据库添加向量数据的存储和检索能力。
- 大模型框架、微调 (Fine Tuning)：针对大模型的开发。
1.1向量数据库
1.2数据库向量支持
1.3大模型框架、微调 (Fine Tuning)
1.4大模型训练平台与工具
2.大模型
LLM 技术图谱（LLM Tech Map）的大模型部分主要包括以下几个方面：
- 备案上线的中国大模型：有牌照提供服务的大模型，需要注意的是大模型和相应的产品多半名称不同。
- 知名大模型：在全球范围内，已经发布了多款知名大模型，这些大模型在各个领域都取得了突破性的进展。
- 知名大模型应用：LLM 已经在多种应用场景中得到了应用，包括文本生成、机器翻译、问答、自然语言推理等。
2.1中国大模型
2.2知名大模型
2.3 知名大模型应用
3.AI Agent（LLM Agent）
AI Agent是一种能够自主运作并完成特定任务的计算实体或程序。它能够通过传感器感知周围环境，并根据感知到的信息做出决策，然后通过执行器采取行动。LLM Agent 是指基于 LLM 技术构建的智能代理，它可以用于各种任务，比如让机器与 ChatGPT 交互，一层一层挖掘信息，自动化完成任务；比如由机器人构成的虚拟小镇。
- 自主性：AI Agent具有独立思考和行动的能力，能够在没有人类直接指导的情况下完成任务。
- 交互性：AI Agent能够与环境或其他Agent进行交互，这在游戏、对话系统、推荐系统等场景中尤为重要。
- 目的性：AI Agent设计有明确的目标或意图，其行为是为了实现这些目标。
- 适应性：AI Agent能够根据环境的变化调整自己的行为，以适应新的情境。
- 进化性：随着技术的发展，AI Agent的功能和智能水平也在不断提升。
- AI Agent与大模型的主要区别在于，大模型与人类之间的交互是基于prompt实现的，而AI Agent仅需给定一个目标，它就能够针对目标独立思考并做出行动。
- AI Agent的核心驱动力是大模型，并在此基础上增加了规划（Planning）、记忆（Memory）和工具使用（Tool Use）三个关键组件。
类型从工作模式来看，AI Agent可以分为以下三种类型：
- 单Agent：侧重于执行单一任务或一系列相关任务，且不需要与其他智能体进行交互。
- 多Agent：涉及多个智能体之间的协作和交互，以完成更复杂的任务。
- 混合Agent（人机交互Agent）：结合了人类和智能体的交互，以实现更高效的任务执行。
4.AI 编程
AI编程是指利用计算机编程语言和技术来创建、训练和优化人工智能算法的过程。它涵盖了数据的收集、清洗、转换以及算法的选择和应用。AI编程是构建未来智能系统的关键，通过模拟人类智能的能力，使计算机能够执行类似于人类的决策和任务。编程语言如Python因其强大的数据处理库和简洁的语法，成为AI编程的常用工具。
5.工具和平台
LLM 技术图谱（LLM Tech Map）的工具和平台部分主要包括以下几个方面：
- LLMOps：简单点说（大家当前在说的），就是“快速从大模型到应用”。
5.1 LLMOps
5.2 大模型聚合平台（☆）
5.3 开发工具
6.算力
LLM 模型的训练和部署需要大量的算力，算力是 LLM 技术发展的关键因素。
书籍推荐：
粤ICP备14082021号
免费POC，
零成本试错
