人工智能技術與現有技術(業務)之間的切入思考——論新老技術之間的關系 原創
“ 提示詞工程是大模型應用的核心，大模型的能力是有限的，但提示詞是挖掘大模型能力的鑰匙。”
人工智能技術是目前技術圈中比較火的技術，但很多人對人工智能技術還沒有一個清楚的認識；有些人把人工智能技術想的太復雜，而有些人把人工智能技術想的太簡單。
還有很多人傳統的技術開發者，甚至會認為人工智能技術是一項全新的領域，之前的開發經驗和技術都沒有了用武之地。
但不得不說這是一種錯誤的思想，因此我們今天就來討論一下人工智能技術和現有業務體系之間的關系。
人工智能技術與業務體系之間的切入
人工智能技術作為一項新興的技術領域，就像二十年前的互聯網一樣，各種各樣的新興概念占領了我們的視野，很多時候我們也搞不明白這些技術和概念之間的關系。
特別是對一些具有多年傳統開發經驗的技術人員來說，他們對人工智能技術沒有一個準確的認知；也不知道人工智能技術具體涉及到那些技術點和那些領域。
因此，很多人在現有業務體系和技術體系下，不知道應該怎么和人工智能這項新技術做結合。
其實從技術的角度來說，人工智能主要分為兩大塊；其一是大模型技術，其二是大模型技術的應用。
而大模型技術包含機器學習，神經網絡，強化學習，模型蒸餾等等一系列技術棧；大模型技術的主要目的就是做出一個更好用，更強大的神經網絡模型。
而大模型技術的應用主要包括大模型的使用，大模型的訓練和微調，提示詞工程，內容生成，RAG和Agent技術；以及在其之上構建的行業解決方案。
但大模型畢竟不是神，因此它只能解決它能解決的問題，因此大模型的能力范圍也是有限的；所以，在企業現有的技術和業務體系下，人工智能模塊只是作為業務模塊中的一個功能點。
哪怕是從零開發一個人工智能產品，依然需要很多其它功能體系和業務體系進行配合；舉例來說，用戶體系，管理端，權限體系這些功能模塊是任何系統都不可缺少的。
而從技術開發人員的角度來看，如果是做大模型技術應用，其實沒有大家想象中的那么復雜，真正復雜的是大模型技術的研究，也就是怎么做出一個好的模型。
而從應用的角度來說，大模型應用最復雜的地方可能就是數據處理模塊，不論是你要訓練或微調模型；還是僅僅需要使用這些數據，數據處理都是大模型應用包括研究的一個困難點。
而如果你不需要訓練和微調模型，那么使用大模型就更簡單了；你只需要會調用接口即可，其它大量的開發工作基本都是和大模型無關的，也就是說基本上都是業務功能的開發。
當然，使用大模型還需要一個很重要的能力，那就是提示詞工程；任何模型的使用都離不開提示詞，而提示詞工程不但能夠讓大模型更好的理解你的需求，同時還能約束模型的輸出格式。
可以說提示詞的好壞，能夠直接影響到模型的效果；對模型的使用來說，提示詞才是最需要考慮的東西；畢竟模型從被訓練好之后，它的能力就已經確定了，除非你對模型進行重新訓練或微調；但怎么挖掘它的能力，就是提示詞需要做的事情了。
如果說大模型是一個擁有強大魔法的魔法師，那么提示詞就是魔法師的魔法棒。
本文轉載自公眾號AI探索時代 作者：DFires
