AI 相关基础知识

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

一、常见 AI 术语

1. MCP (Model Context Protocol)
   • 含义：一种标准协议，主要用于让不同的大型语言模型（LLM）与外部工具、插件或服务进行互动。
   • 作用：例如，使 ChatGPT 可以通过 MCP 使用浏览器、数据库、代码执行器等工具。
2. Agent (智能体 / AI Agent)
   • 含义：一种基于大型语言模型的“自主程序”，能够接收目标，规划步骤，并调用工具来完成任务。
   • 作用：如 curosr 可以通过输入自然语言自行更改代码。
3. LLM (Large Language Model)
   • 含义：LLM 是一种基于 Transformer 架构的超大规模神经网络，它通过预测下一个词来“掌握”语言，从而具备理解和生成自然语言的能力。
   • 为什么叫“大”？
     • 参数量巨大：通常包含数十亿、数千亿甚至上万亿参数（如 GPT-4、Gemini、Claude 等）。
     • 数据规模庞大：使用互联网上的大量文本（书籍、论文、代码、对话、网页等）进行训练。
     • 计算资源惊人：训练需要数千块 GPU/TPU 并行计算，耗时数周甚至数月。
     • “大” 代表模型的复杂度和能力。
   • LLM 的优缺点
     • 优点：
       • 通用性强（不局限于某个领域）
       • 能进行“零样本/少样本学习”（从未见过的任务也能尝试回答）
       • 表达自然，贴近人类语言
     • 缺点：
       • 幻觉（Hallucination）：可能一本正经地胡说八道
       • 知识过时：模型的知识截止到训练时间
       • 计算成本高：训练和推理都非常耗算力
       • 难以解释：很难完全理解它内部为何如此回答
4. RAG (Retrieval-Augmented Generation)
   • 含义：检索增强生成，先搜索资料，再结合生成回答，常用于知识问答。
   • 背景问题：
     • 传统大型语言模型（LLM）虽然强大，但也有一些痛点：
       • 知识时效性差：训练数据只到某个时间点，之后的新知识不知晓。
       • 记忆有限：模型参数无法包含所有知识。
       • 幻觉问题：模型有时会“编造”答案，看似合理但实际错误。
   • 核心思想：在生成答案之前，先去“查找资料”，然后再结合模型的语言能力生成回答。
   • 一句话理解：RAG = 检索（Retrieval） + 生成（Generation）
   • 工作流程：
     • 用户提问：例如，“请帮我总结一下 OpenAI 的最新研究论文内容。”
     • 检索（Retrieval）：系统先把用户问题转换成向量表示（Embedding），去知识库/数据库/互联网检索最相关的资料片段，返回几个高相关的文档。
     • 增强（Augmentation）：把检索到的文档内容 + 用户问题一起作为 Prompt。

       用户问题：请总结最新论文内容 相关文档片段：……

     • 生成（Generation）：LLM 在有外部资料的前提下生成答案，这样回答既贴近真实资料，又减少幻觉。
   • 典型应用场景：
     • 智能问答：企业知识库问答、法律/医疗问答
     • 搜索引擎增强：像 Perplexity、Kimi 就使用 RAG
     • 文档助手：上传 PDF/Word 后问问题
     • 企业数据分析：在内部数据上进行自然语言交互

二、常用的AI编程大模型

1. OpenAI 系列
   • GPT-4 / GPT-4o / GPT-o1：目前最通用的代码生成模型，能写代码、解释报错、做代码审查。常见应用：ChatGPT、GitHub Copilot X。支持多语言（Python、JS、C++、Java、Go 等）。
2. Anthropic 系列
   • Claude 3.5：在长代码上下文处理上表现良好，适合代码重构、大型项目解释。对安全性和可读性进行了优化。
3. Google 系列
   • Gemini 1.5 / Gemini 2.0：原 Bard，支持多模态（文本、代码、图片），集成到 Google Workspace（Docs、Sheets、Colab）。编程能力正在追赶 GPT 系列。
4. 专门为编程优化的模型
   • GitHub Copilot (基于 OpenAI Codex / GPT-4 Turbo)：最常见的 AI 编程助手，适合边写边补全（IDE 插件）。
   • Code Llama (Meta)：LLaMA 系列的代码专版，开源，支持 Python、C++、Java、JS 等。
   • DeepSeek Coder：多语言代码模型，强调代码补全 + 中英文解释。
   • StarCoder / StarCoder2（HuggingFace + ServiceNow）：专门针对编程任务的开源模型，训练在大规模代码库上。
5. 国内常见编程大模型
   • 通义灵码（阿里）：集成在 IDEA、VS Code 中，中文代码解释能力强。
   • 百度 Comate（基于文心大模型）：更适合中文语境下的开发。
   • 字节豆包 / 火山引擎 CodeGeeX2：清华团队参与，开源可商用。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：基础知识 Augmentation Generation Retrieval WORKSPACE

相关内容：AI知识基础