大模型——大模型应用开发实战

在接触AI应用开发的这段时间，我以为会像以前学.net，学java，学vue一样。先整个hello world，再一步一步学搭功能，学搭框架直到搭一个系统出来。然而，理想总是很丰满，现实很骨感。在实践的过程中各种千奇百怪的问题：

• **概念太多。**你以为就GPT、LLM？太年轻了，huggingface、transformers、torch、tokenizers、langchain、modelscope、fastapi、CUDA、cuDNN、Conda、vLLM、ResNet-50、top_p等等等等…它们有些是工具，有些只是个库，有些甚至就是个参数名以及还有些我到现在都不知道是个啥。
• **运行代码时，经常莫名奇妙地各种报错。**以前学vue的时候，我以为前端的包已经够混乱了，直到开始接触AI，没有最混只有更混。
• **运行时间太长，且结果不确定。**没有云上足够的算力和显卡，一个简单的代码运行少则10分钟，多则几小时，一般人是忍受不了的。就算当你历经千辛万苦程序跑完了，你会发现不太容易验证运行结果的正确性，不知道改了某个参数到底是起没起作用。

看了网上一堆AI开发的文章，得出两个字总结：写的都是垃圾！对，都是

在学的过程中，我就想着。等我做出个东西。一定要把这些个牛鬼蛇神给掰扯清楚。废话不多说，故事就从hello world说起。

工具准备

1. MiniConda 首先装这个，这个玩意有点像docker，可以隔离多个项目的python环境，并且默认带有vc++等库。**为什么我把它放第一？**作为一个程序员，我