AI是否真的会取代你的工作，或者是掌握AI技能的人将会取代你？随着2023年AI技术的爆炸式增长，许多人开始质疑，如果不掌握如ChatGPT、Midjourney或Stable Diffusion等AI工具，是否就意味着被时代淘汰？李强总理在访谈中也强调了推动"人工智能+"行动的重要性。他指出，人工智能技术的发展和应用，不仅能够提升工作效率，还能够优化工作流程，提高服务质量，创造新的商业模式和就业机会。而为了不被AI浪潮冲垮，学习AIGC技术，甚至可以自主训练AI大模型、开发自己的AI产品，以适应当今的市场形势，运气好的话，借着如今ChatGPT火爆的东风，一跃而起也绝非不可能。那么，完全没有相应编程技术基础的我们要如何加入这个领域，不让时代的机遇从手中溜走呢？来看看近屿智能的AIGC大模型工程师和产品经理学习路径图吧！ AIGC大模型工程师和产品经理学习路径图介绍 A1阶段： 具备的能力：构建提示词来解决具体应用问题，大模型应用阶段，使用闭源商业大模型例如：文心一言、星火大模型、ChatGPT。 通俗解释：对AIGC大模型最初级的运用阶段，可以使用文心一言、星火大模型、ChatGPT等各种AIGC大模型工具，提升工作效率 适合对象：旨在通过运用各类AIGC工具来提高工作效率，减轻因重复性工作引起的疲劳。 预期职业岗位：适应AI时代的办公室职员、技术人员以及部分技术工人。

A2阶段： 具备的能力：能够对大型模型进行细致调整（Selective Fine-Tuning），使其在特定领域的任务表现达到商业应用标准。 通俗解释：该阶段可以利用封闭源代码的大型模型API，通过精心设计的提示词（Prompt Engineering）创建一个能够广泛对话的聊天机器人。 学习内容： A2.0 Python之提示工程基础 A2.1大模型提示工程 A2.2 大模型编程 A2.3 大模型的API及Plugins调用 A2.4 远程实践项目+爬梯考试 A2.5大模型的发展历程（选修） A2.6 GPT4-Turbo & Gemini最新解读（选修） 适合对象：掌握如何有效地利用API，以及如何设计用户友好的交互体验；希望提高工作效率，通过API构建简单工具。 学成可胜任的岗位：Prompt 工程师 课程安排：AI直播课+AI录播课+AI在线答疑课+更新AI直播课+远程项目实战

A3阶段： 具备的能力：针对大模型在已有提示词上的性能表现不足的问题，构建面向任务的指令训练语料，对大模型进行有监督的指令微调，提升大模型在应用上的性能。 通俗解释：该阶段能够对大模型进行精调（SFT），让大模型在某一个领域的任务表现可以商用 课程内容： A3.0 Python之大模型微调基础 A3.1 大模型基本原理 A3.2 大模型理论基础A A3.3 大模型理论基础B A3.4 大模型开发工具 A3.5 大模型微调技术 A3.6 大模型微调实战 A3.7 大模型思维链 A3.8 远程实践项目+爬梯考试 A3.9 Stable Diffusion（选修） 适合对象：理解特定领域的需求，基于商业需求，能够调整和优化模型以适应特定的应用场景。 学成可胜任的岗位：AI开发（应用）工程师 上课形式：AI录播课+AI在线答疑课+更新AI直播课+远程项目实战+每月前沿技术更新讲座+工作机会信息速递+OJAC标准会员权益 实践项目：聊天机器人，利用闭源大模型API，如ChatGPT、文心一言等，来实现自然语言理解和生成的功能。基于用户输入的Prompt，机器人能够生成合适的回应。

A4阶段： 具备的能力：能够根据应用需求，借助langchian等大模型应用框架，通过集成领域或场景专业知识、调用智能体等，扩展大模型能力，构建专业的智能问答系统、知识检索系统或多智能体集成系统。 通俗解释：该阶段能让大模型根据我们自己专业/行业的私有知识库，有质量的回答专业问题 课程内容： A4.0 Python之大模型应用开发基础 A4.1 大模型RAG A4.2 LangChain & Semantic Kernel原理 A4.3 LangChain & Semantic Kernel实战 A4.4 AutoGen原理 A4.5 AutoGen实战 A4.6 LangChain、SK、AutoGen集中答疑 A4.7 项目分享 A4.8 远程实践项目+爬梯考试 适合对象：可以基于整理和优化的知识库，提高模型在特定领域内的表现 学成可胜任的岗位：AI算法工程师、AI软件架构师 课程安排：AI录播课+AI在线答疑课+更新AI直播课+远程项目实战+星辉职路塑造家+每月前沿技术更新讲座+工作机会信息速递+原力周末（需另外付费）+OJAC高级会员权益 就业退费保障：推荐就业，如果出勤率高于90%，作业完成率高于90%，且作业平均在3.5分以上，一年内没有找到工作退一半 实践项目一：法律文书助手，本项目的目标是通过对大模型进行微调，使其能够有效辅助处理和管理法律文书。这一法律文书助手的主要功能包括对法律文件的分类、回应咨询、提取关键信息，以及自动化生成和编辑法律文档等。其最终目标是创建一个高效、准确且可信赖的法律文书处理助手，能够处理各种法律文书相关任务，极大地提高法律文书处理的效率和质量。该助手的核心价值在于帮助法律专业人员和相关用户更有效地管理法律文书，从而提高工作效率和沟通效果，减少人力资源的投入，并提升法律文书处理的专业性和准确性。 实践项目二：医疗记录助手，本项目致力于通过对大模型进行微调，开发一个医疗记录助手，专门辅助处理和管理医疗文档。这一医疗记录助手的主要功能包括对医疗文件的分类、回应咨询、提取关键信息，以及自动生成和编辑医疗文档等。其最终目标是创建一个高效、准确且可信赖的医疗文档处理助手，能够处理各种医疗文书相关任务，显著提升医疗文档处理的效率和质量。该助手的核心价值在于帮助医疗专业人员和相关用户更有效地管理医疗记录，提高工作效率和沟通效果，减少人力资源投入，并提升医疗文档处理的专业性和准确性。 实践项目三：金融报告助手，该项目旨在通过对大模型的微调，开发一个金融报告助手，专注于处理和管理金融文档。主要功能包括金融文件的分类、回应咨询、关键信息提取，以及自动化生成和编辑金融报告等。其最终目标是打造一个高效、精确、可靠的金融文档处理助手，能够应对各类金融文书任务，极大地提高金融文档处理的效率和质量。该助手的核心价值在于助力金融专业人员和相关用户更高效地管理金融报告，提升工作效率和沟通效果，减少人力资源的投入，并增强金融文档处理的专业性和准确性。

A5阶段： 具备的能力：针对开源大模型原有基座专业能力不足等问题，在已有的预训练框架下，组织领域相关预训练语料、原有或扩展的指令训练语料等，完成对模型底座的增量预训练、指令训练等任务实现对模型底座的能力扩展。 通俗解释：训练入门级大模型的基座， 理解但不用修改代码，根据指定的标准或规范，可以按照指引进行增量预训练或模型底座训练 适合对象：已学习入门级大模型训练技巧，包括数据构造和增量预训练，遵循指导训练垂直领域大模型 学成可胜任的岗位：高级AI算法工程师 课程安排：双周末线下集训营+星辉职路塑造家＋AI大模型探索者计划+每月前沿技术更新讲座+工作机会信息速递+OJAC黄金会员权益 就业退费保障：推荐就业，如果出勤率高于90%，作业完成率高于90%，且作业平均在3.5分以上，一年内没有找到工作退一半 实践项目一： 法律领域常识问答机器人，该项目专注于开发一个专门针对法律领域的常识问答机器人。它旨在通过整合法律法规、案例判决、法律术语和程序等内容，构建一个全面的法律知识库。然后，利用这个知识库对大模型进行精调，以提高其在法律咨询、案例分析等方面的性能。最终目标是为律师、法律专业人士和公众提供准确的法律信息和建议。 实践项目二：医疗领域常识问答机器人，此项目致力于创建一个医疗领域的常识问答机器人。项目的核心是构建一个包含医学术语、治疗方法、疾病知识等内容的医疗知识库。通过将这一知识库与大模型结合，并进行精调，机器人将能够在诸如疾病诊断支持、医疗咨询等领域提供专业的建议和信息。该项目旨在服务于医疗从业者和寻求医疗信息的公众。 实践项目三：金融领域常识问答机器人，这个项目的目标是开发一个专注于金融领域的常识问答机器人。项目的核心工作是建立一个涵盖金融市场、投资策略、经济指标等内容的全面金融知识库。通过结合这一知识库和大模型，并进行精调，机器人将能在金融咨询、市场分析等方面提供高质量的支持。这一项目主要面向金融从业人员和对金融市场有兴趣的公众。

A6阶段： 具备的能力：针对模型底座能力不足等问题，研究引入模型的分布式扩展、全量或增量预训练框架，结合模型训练的加速框架，对不同参数规模的模型底座构建训练或增量预训练策略，实现全流程的大模型能力重构。 通俗解释：训练高级大模型基座，设置大模型的全量微调或增量微调、Lora微调等大模型预训练策略，搭配Deep Speed加速框架，选择和修改预训练模型，增加特定领域的Token做预训练或增量预训练（比如，在Llama2的基础上做增量预训练，得到Chinese-Llama2） 适合对象：已学习高级大模型训练技巧，包括全量微调和策略，以满足不同业务需求，训练大模型以满足特定需求 学成可胜任的岗位：AI应用架构、研发工程师 课程安排：双周末线下集训营+星辉职路塑造家＋AI大模型探索者计划+每月前沿技术更新讲座+工作机会信息速递+OJAC黄金会员权益 就业退费保障：推荐就业，如果出勤率高于90%，作业完成率高于90%，且作业平均在3.5分以上，一年内没有找到工作退一半 实践项目一：法律助手，这个项目旨在创建一个法律助手，使用训练入门级大模型基座来处理法律文档、法规和法律咨询任务。包括数据构造、模型训练和模型应用等步骤。 实践项目二：医疗助手（需学员自备数据集），本项目的目标是开发一个医疗助手，使用训练入门级大模型基座来处理医疗文档、临床指南和医疗咨询任务。包括数据构造、模型训练和模型应用等步骤。 实践项目三：金融助手，该项目旨在创建一个金融助手，利用训练入门级大模型基座来处理金融文档、市场数据和金融咨询任务。包括数据构造、模型训练和模型应用等步骤。

A7阶段 具备的能力：能够针对不同的领域或应用问题，研究优化Transformer结构、预训练大模型架构，开发新的大语言模型或多模态大模型，能够提出或改进大模型预训练、指令训练、强化学习阶段的模型架构，提出新的模型解决方案。 通俗解释：能改Transformer的研究型人才 学成可胜任的岗位：大模型研究员、科学家