前言

你是否因为大语言模型学习曲线陡峭，而迟迟不敢开始？又或者，你尝试过一些课程，却发现内容要么过于浅显，要么太过晦涩难懂，导致中途放弃?别担心，这篇文章将为你扫清障碍，无论你是零基础小白，还是希望更进一步的开发者，这份精心规划的学习指南都能帮你找到适合自己的学习路径。

今天分享的这份学习指南不仅涵盖了从入门到专家的完整学习路线，还为你整理了丰富的资源链接，带你高效开启 AI 世界的大门！

---

1. 开启你的AI学习之旅

在正式学习之前，推荐你先浏览这份开源的大语言模型学习教程：大语言模型学习指南（GitHub 链接：https://github.com/ninehills/blog/issues/97）。

这份教程系统地将学习内容划分为三个部分，非常适合不同阶段的学习者。以下是它的核心框架：

1. 入门篇

• 掌握基础知识，学会调用 OpenAI API，适合非专业人士快速上手。

2. 应用篇

• 重点学习如何搭建推理环境，使用 LangChain、Dify 等框架，以及 Prompt 工程的核心方法，提升实际动手能力。

3. 深入篇

• 深入了解语言模型的技术原理和训练微调方法，掌握如 RAG（检索增强生成）、Agent 技术等前沿进展。

这三部分学习内容层层递进，从基础到前沿都有覆盖，无论你是小白还是开发者，都能找到适合自己的学习方向。接下来，我们将在文章中逐一展开这三部分内容，帮助你更清晰地规划自己的学习路线。

标记为【必看】的是我认为只要你对这个主题感兴趣，必须要看的资料。

---

2. 入门篇：初识AI的殿堂

在开始学习之前，你需要先做好两个准备：

1. 申请 OpenAI API 账号：可通过 OpenAI 官网（https://platform.openai.com/）申请，熟悉语言模型的基本操作。

2. 确保国际互联网的访问条件：为了更方便地接触各种模型，建议注册 openrouter.ai，这是一站式访问多种开源和闭源模型的服务平台。

以下是入门阶段推荐的核心课程和资源：

2.1 ChatGPT Prompt Engineering for Developers

• 推荐理由：这是一门面向开发者的 Prompt 工程课程，主题看似专业，但内容设计得简单易懂，非常适合入门。

• 课程链接：https://learn.deeplearning.ai/courses/chatgpt-prompt-eng/lesson/1/introduction

• 中英文双语字幕：https://github.com/GitHubDaily/ChatGPT-Prompt-Engineering-for-Developers-in-Chinese

2.2 OpenAI Quickstart 【必看】

• 推荐理由：这是 OpenAI 官方的快速入门指南，详细讲解了 API 使用方法和模型操作流程，初学者不可错过。

• 资料链接：https://platform.openai.com/docs/quickstart

• API使用方法链接：https://platform.openai.com/docs/api-reference

2.3 State of GPT 【必看】

• 推荐理由：由 GPT 联合创始人制作，完整总结了 GPT 的训练过程和应用场景。

• 亮点：包含精彩的视频讲解和配套 PPT，让你直观了解 GPT 的核心原理。

• 视频链接：https://www.youtube.com/watch?v=bZQun8Y4L2A

• PPT链接：https://karpathy.ai/stateofgpt.pdf

---

3. 应用篇：动手实践的天地

学习语言模型，不仅是看书、听课，更需要实践！ 在应用阶段，你将学会如何利用大语言模型解决实际问题，并通过工具和框架搭建属于自己的应用。

3.1 推荐课程：

1. Building Systems with the ChatGPT API

• 推荐理由：这是构建 ChatGPT 应用的全套教程，提供完整中文字幕，助你快速搭建自己的语言模型项目。

• 课程链接：https://learn.deeplearning.ai/chatgpt-building-system/lesson/1/introduction

• B站链接（带中文字幕）：https://www.bilibili.com/video/BV1Ku411x78m/

2. LangChain 系列课程

• 推荐理由：LangChain 是目前最受欢迎的大语言模型应用框架，适合希望深入开发的读者。

• 亮点：推荐学习 “LangChain for LLM Application Development” 等课程，提供中文支持，降低理解难度。

• 资料链接：https://python.langchain.com/docs/introduction/

• 课程链接：https://learn.deeplearning.ai/langchain/lesson/1/introduction

• B站链接（带中文字幕）：https://www.bilibili.com/video/BV1Ku411x78m/

3.2 实用工具与指南：

1. dify：优秀的开源应用编排工具，能帮助你快速构建基于 AI 的应用。（https://dify.ai/）

2. GPT Best Practices：OpenAI 官方最佳实践指南，深入了解如何优化语言模型的使用效果。（https://platform.openai.com/docs/guides/gpt-best-practices/gpt-best-practices）

3. OpenAI Cookbook：官方实践手册，包含丰富的代码示例，助你高效上手。（https://github.com/openai/openai-cookbook）

4. Brex’s Prompt Engineering Guide：实用的 Prompt 工程指南，帮助你优化与模型的交互效果。（https://github.com/brexhq/prompt-engineering）

---

4. 深入篇：探索AI技术深度

在掌握基础和应用之后，你可以选择一个或多个方向深入研究。以下是六大专业方向的学习资源推荐：

1. 技术基础方向

1. 《动手学深度学习》 【必看】

• 推荐理由：结合李沐的 B 站视频，这是最好的深度学习入门课程。

• 课程链接：https://zh.d2l.ai/

• B站视频链接：https://courses.d2l.ai/zh-v2/

2. 李宏毅深度学习课程

• 推荐理由：生动有趣的讲解风格，适合加深理解。

• 课程链接：https://www.bilibili.com/video/BV1J94y1f7u5/

3. 3brown1blue 系列视频 【必看】

• 推荐理由：以优质动画讲解复杂数学概念，特别适合理解模型底层原理。

• 视频链接：https://www.youtube.com/watch?v=wjZofJX0v4M

2. 技术原理方向

技术原理方向关注大语言模型的理论基础和发展脉络，是深入理解模型能力和设计逻辑的核心学习领域。以下是推荐的必看资源：

1. 大语言模型综述【必看】

迄今为止最好的学术向中文综述，系统梳理了大语言模型的发展、应用和挑战。

推荐阅读：（https://github.com/RUCAIBox/LLMSurvey）

2. 大语言模型【必看】

迄今为止最好的大语言模型相关书籍，理论和实践并重，非常适合中文读者。

资料链接：https://github.com/LLMBook-zh/LLMBook-zh.github.io

3. 《大规模语言模型：从理论到实践》

一本优秀的中文书籍，对理论与实践结合有较好的阐释。

资料链接：https://intro-llm.github.io/

4. 清华大模型公开课第二季【必看】

系统了解大模型的历史、原理和前沿进展，非常适合对技术历史感兴趣的学习者。

B站链接：https://www.bilibili.com/video/BV1pf421z757

5. GPT 系列论文精读

深入学习 GPT、GPT-2 和 GPT-3 的设计和演化过程，理解语言模型的架构与改进。

视频链接：https://www.bilibili.com/video/BV1AF411b7xQ

6. Llama3.1 论文精读

最好的开源大模型论文精读资源，通过学习其改进策略和设计方法深入了解开源大模型的前沿技术。

B站视频链接：https://www.bilibili.com/video/BV1WM4m1y7Uh

7. 复杂推理：大语言模型的北极星能力

一篇略偏学术的文章，从推理能力的角度解析大语言模型的能力来源。

资料链接：https://yaofu.notion.site/6dafe3f8d11445ca9dcf8a2ca1c5b199

8. ICML 2024 Tutorial: Physics of Language Models by Zeyuan Allen-Zhu【必看】

这是一份非常有参考价值的教程，通过黑盒研究方式探索语言模型的物理学原理。

B站视频链接：https://www.bilibili.com/video/BV1TPpbeVEUi/

3. 训练微调方向

训练微调方向聚焦于从零构建模型及对现有模型的优化。以下是推荐的必看资源：

1. Build a Large Language Model (From Scratch)【必看】

从零开始构建一个完整的大语言模型，包括预训练、微调和部署全流程。

教科书github链接：https://github.com/rasbt/LLMs-from-scratch

2. LLaMA-Factory【必看】

最推荐的微调工具之一，支持高效地调整模型参数，适用于开源模型的优化。

github链接：https://github.com/hiyouga/LLaMA-Factory

3. MAP-NEO

唯一全过程开源的中文大模型项目，覆盖了数据处理工具、预训练数据和微调数据等全流程。

github链接：https://github.com/multimodal-art-projection/MAP-NEO

4. 数据工程方向

数据工程方向的核心是数据的预处理与微调，它直接影响语言模型的性能和适用性。以下是推荐资源：

1. 微调数据合成指南：了解如何构建高质量训练数据。

教你如何合成高质量的微调数据，提升模型效果。

资料链接：https://eugeneyan.com/writing/synthetic/

2. 中文行业预训练语料 IndustryCorpus 2.0

高质量的中文预训练语料库，其数据处理流非常科学，尤其适用于中文场景。

资料链接：https://data.baai.ac.cn/details/BAAI-IndustryCorpus-v2

数据处理工具：推荐使用 FlagData，这是一款优秀的预处理工具。（https://github.com/FlagOpen/FlagData/blob/main/README_zh.md）

5. 推理优化方向

推理优化方向解决的是大语言模型在实际应用中的性能瓶颈问题，重点关注推理速度、计算效率以及模型量化。以下为推荐学习资源：

1. Transformer 部署挑战分析【必看】

深入分析长上下文 Transformer 的推理性能瓶颈及解决方法。

论文链接：https://arxiv.org/abs/2405.08944

2. 量化技术的可视化指南

通过图文并茂的方式解析大模型的量化技术，让复杂的量化理论更容易理解。

文章链接：https://newsletter.maartengrootendorst.com/p/a-visual-guide-to-quantization

6. 应用方向

应用方向聚焦于 Prompt 工程、RAG（检索增强生成）系统及 Agent 技术等前沿应用，是提升生产力和探索新技术的核心方向。以下是推荐资源：

1. Prompt 工程方法综述

Prompt 工程综述，总结了在不同 NLP 任务中 Prompt 工程的最佳实践。

论文链接：https://arxiv.org/abs/2407.12994

2. RAG 系统优化研究

提供了高级 RAG 系统的优化方法，将 RAG 系统模块化，像搭建 LEGO 一样灵活。

论文链接：https://arxiv.org/pdf/2407.21059

3. Lillin Weng写的关于AI Agent的文章 经典 “LLM Powered Autonomous Agents”

介绍早期关于 Agent 技术的优秀文章，适合初学者快速入门。

https://lilianweng.github.io/posts/2023-06-23-agent/

---

5. 学习建议：四步助你高效进步

1. 明确目标：根据自己的需求选择学习深度，初学者可以从入门篇开始，逐步深入。

2. 循序渐进：按照入门、应用、深入的顺序推进，不必贪多求快。

3. 重视实践：多动手操作，搭建实际项目，巩固所学知识。

4. 持续更新：关注 AI 的前沿发展，保持学习的热情与好奇心。

---

总结

这份学习指南的价值在于：系统性、针对性和实用性。无论你是 AI 学习的初学者，还是有一定基础的开发者，都能在这里找到适合自己的学习资源。 记住，最重要的是迈出第一步，然后保持学习的热情与耐心！

互动时间

你目前在学习 AI 的过程中遇到了哪些困难？或者有哪些值得推荐的资源？欢迎在评论区分享，让我们一起进步！如果觉得这篇文章对你有帮助，别忘了收藏并分享给更多需要的朋友吧！ 😊

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​