学习路线
按顺序推进，每一阶段都能独立上手实践。
- 基础概念 理解 Transformer、Token、上下文窗口、训练与推理这些绕不开的核心概念。
- 提示词与模型调用 学会组织提示词，通过 API 调用主流大模型，把输入输出接到自己的程序里。
- 检索与工具 用检索增强（RAG）和函数调用，让模型接入自己的数据与外部工具。
- 微调与部署 了解微调、量化与本地部署的基本方法，按需要把模型放到自己的环境里。
基础概念
先把这几个词弄清楚，后面的内容会顺很多。
模型与参数
参数规模决定了模型的容量与成本，不同规模的模型适合不同的任务和硬件条件。
上下文与 Token
上下文窗口决定一次能读入多少内容，Token 是计费和长度限制的基本单位。
训练与推理
预训练、微调属于训练阶段；日常调用模型、生成回答属于推理阶段，两者的资源需求不同。
关于本站
本站由相城区元和白筑软件工作室维护，用于整理大模型学习相关的公开资料与笔记， 内容会围绕学习路线持续补充。
如果发现内容有误，欢迎通过页面底部的备案信息找到我们。