一、技术突破-就在等这一刻

AI的的历史由来已久，发展的很波折，一直没有大的破局点，这就像解决不了电池的问题，电动车很难真正的普及一样。

YC的资深投资人们将 LLM 技术的出现比作 2004 年浏览器引入 XML HTTP 请求功能，认为这两者都是新的计算范式，为软件开发带来了根本性的变革。XML HTTP 请求功能催生了 Ajax 技术，使开发者能够构建富互联网应用程序，例如 Google Maps 和 Gmail，这些应用的成功推动了 SaaS 行业的蓬勃发展。

XML HTTP 请求功能: 允许网页在不重新加载整个页面的情况下与服务器交换数据，从而实现更流畅的用户体验。

Ajax 技术: 利用 XML HTTP 请求功能，实现网页的异步更新，提升用户体验。

LLM（大型语言模型）技术也为软件开发提供了新的可能性，可以将软件与人工操作结合起来，创造出更强大的垂直领域 AI Agent，取代传统的 SaaS 软件和人工操作。

二、创业机会-每个领域都值得用AI做一遍

从Momentic的AI自动化测试到Powerhelp的智能客服系统，再到Salient的AI语音催收，垂直领域AI Agent正在各个细分市场展现出强大实力。由于每个领域都需要深入的专业知识，大公司难以快速布局，这为创业者提供了难得的机遇。更重要的是，LLM的应用将改变企业用人模式，未来公司可能只需更少的员工就能实现快速增长。

Jared 建议，想要创办 AI Agent 公司的创始人应该寻找那些枯燥、重复性高的行政工作。这些工作通常需要大量的人力，并且容易被 AI 技术取代。

例如，文章中提到的 Sweet spot 公司，就是看到了政府合同竞标过程中存在大量重复性工作，因此开发了 AI 代理来帮助公司自动化完成这些工作。

三、AI Agent是SaaS的升级版

SaaS改变了软件行业，也成就了一批新的SaaS创业者。过去20年，SaaS行业获得了超过40%的风险投资，并诞生了300多家独角兽企业，例如 Salesforce、Workday、Zoom 等。这充分证明了 B2B 软件市场的巨大潜力。

垂直领域 AI Agent 作为一种新兴的 B2B 软件， 不仅可以像 SaaS 一样提供软件服务，还可以通过 AI 技术实现自动化操作，进一步提高效率并降低成本。

四、AI Agent改变企业组织结构

未来公司可能只需要更少的员工就能实现快速增长。过去，初创公司通常会随着业务增长而不断扩大团队规模，但 LLM 可以帮助公司实现自动化，减少对人力的依赖。

例如，Triplebyte 是一家利用 AI 技术进行软件工程师招聘的公司，他们开发的软件可以自动筛选简历、进行技术测试和初步面试，从而大大减少了招聘人员的工作量。

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。

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。

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】