过去半年,我深耕AI辅助编程领域,从工具开发到系统搭建积累了不少实战经验。后台经常收到私信,其中最高频的问题直击痛点:“用AI写个小工具顺风顺水,但碰到动辄上万行代码的大项目,彻底不知道从哪儿下手了”。
这个问题恰恰是区分“AI工具使用者”和“AI开发掌控者”的关键——AI是锋利的剑,但挥剑前得先看清战场。今天就把我操盘多个AI开发大项目的核心方法论拆解清楚,尤其适合刚入门的小白和想提升AI协作效率的程序员。
第一步:先搞懂“大项目”的定义,别被规模吓住
首先先定义一下我这里所说的大项目,是指包含前后端在内,代码文件有很多个,涉及多种语言,累计代码量超过1W行的项目。
大家不要觉得1W行很少,实际上1W行可以写很多功能了。我的EasyTshark代码量也就差不多这个级别。
在开发小工具的时候,因为功能简单,我们可以直接一段提示词就把所有的需求描述清楚。
当然,为了让AI更方便理解,我建议大家用1、2、3这样的小点把每个具体的功能要求描述清楚,效果会更好。
但是在开发大型系统的时候,功能繁多,我们不要指望一段话就让AI给你直接搞定,多半是要翻车的。
这个时候非常重要的就是要对项目进行拆解。
抛开AI编程不谈,对项目进行拆解也是一个软件架构师所需要具备的基本功底。
之前也有很多小伙伴问我,我是如何知道一个功能该这样实现的,这种能力是怎么来的?
老实说,这个能力是在工作中慢慢磨练出来的。
刚刚毕业的学生,可能会C语言,也会操作系统、算法八股文那些知识。
但是没有正儿八经的做过项目,这个时候给他一个项目,很多人可能是懵逼的。
所以对于很多人来说,刚刚工作那几年,就是要积累这方面的能力,你看看你的组长他是如何在消化一个项目的。
具体来说,项目来了,如何技术选型,后端选择什么框架,用Python的Flask还是Java的Springboot,决策依据是什么?
数据库选什么,选关系型数据库还是非关系型数据库?消息队列选什么等等?
等做过几个项目,和各个框架,各个数据库、中间件都打过交道,把它们的秉性都知道个大概之后,下次遇到新的业务需求,你就知道该怎么弄了。
好了,言归正传,说回我们的AI编程。
在遇到大一点的项目的时候,首先要规划好项目的架构,一般来说可以按层级来规划,最简单的模型可以分为三层:
1、数据存储层。你的项目需要处理哪些数据,分别用什么框架和中间件来存储这些数据。
2、业务逻辑层。你的项目核心的业务逻辑是什么,大致流程是怎么样的,需不需要拆分成多个业务子系统
3、用户交互层。你的项目如何与用户交互,是个客户端软件,还是Web,还是APP,有哪些功能页面。
再细一点的话,涉及到下面这些问题:
1、整个网站有哪些功能单元,这些单元之间的数据流转是怎么进行的?
2、后端选择什么语言,Java还是Python,还是Node.js?
3、数据库如何设计?有哪些表,表结构是怎么样的,有哪些业务字段?
4、核心功能模块它的工作流程大致是怎么样的?
5、账户系统是什么,要自己独立建,还是接入第三方登录(比如微信登录)
6、文件怎么存储,是直接存本地,还是用OSS?
7、对性能要求高不高,数据库表的设计要不要考虑索引的问题。
···
在正式动工之前,你最好把这些问题都提前规划设计好,接下来再来驾驭AI编程工具来把你的设计蓝图实现。
最好不要想到哪儿就让AI加哪儿,这样代码量大了绝对是灾难。
有人可能会问:为什么这些技术问题还要我来想啊,AI自己不能帮我想吗?
我的回答是这样的:
AI确实也可以帮你想,但就当前AI编程发展的阶段来说,它给你的方案大概率可能和你想要的差别很远。
或者你的很多潜在想法一开始没有表达出来,AI没有get到,后面想加的时候,发现AI给的方案完全不行。
极端情况要大改甚至推倒重来,那就是噩梦了。
所以,你如果完全只给业务需求,而不关心技术内容,搞到最后很可能搞成屎山代码,而你却束手无策。
将来或许AI能发展到那一天,你只提业务需求,剩下的它全部搞定,但不是现在。
相反,如果整体的技术方案是你自己操刀设计的,那AI就是在你圈定的架子上搬砖建设,什么时候不对劲你可以快速介入,你和AI协作一起来完成项目的开发。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型?
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年,人才缺口已超百万,凸显培养不足。随着AI技术飞速发展,预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。
3、AI大模型最新行业报告
2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。
4、大模型项目实战&配套源码
学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。
适用人群
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。