aigc

aigc

大语言模型的实际应用与架构设计解析

本文探讨了大语言模型(LLM)在软件开发中的多种应用,包括Prompt编写与管理、架构设计等。介绍了利用Chat模式实现交互设计,基于AI 2.0优化开发流程,以及LLM应用架构的设计与实施。此外,还涉及特定场景下的模型微调和上下文工程,展示了如Prompt Engineering和Unit Mesh等开源项目,以提升研发效能。

LLM软件开发架构设计开源项目AI 2.0Github

项目背景

在 2023 年上半年,Phodal 和 Thoughtworks 的同事们以及开源社区的朋友们共同创建了一系列关于大型语言模型 (LLM) 的开源项目。这些项目既有流行的,也有不那么流行的,涵盖了从 LLM 能力的充分利用,到软件开发工序的设计与应用架构的落地,再到特定场景下的 LLM 应用。

LLM 能力的充分运用

Prompt 编写与管理

在项目中,团队深入研究了如何编写 Prompt 以及如何将其管理为代码,包括:

  • Prompt 编写:通过学习与编写模式,提升 Prompt 的有效性和效率。
  • Prompt 管理:将 Prompt 作为代码进行管理,以提高其可操作性与便捷性。

LLM 下的软件开发工序及应用架构设计

新的交互设计

通过引入 Chat 模式,团队探索了如何创建与大语言模型友好的交互方式,从而提升用户体验。

AI 2.0 驱动的软件开发

基于 ChatGPT 和 Copilot,团队提出了软件开发的新流程,旨在帮助开发者更好地设计和实施软件项目。

LLM 应用架构

团队提出了 "Unit Mesh" 的概念,构建了一套大语言模型应用架构,以帮助软件开发者更好地实施 LLM 应用。

面向特定场景的 LLM 应用

开源模型与微调

对于某些特定应用场景,团队探索了如何基于开源模型进行调整和微调,以便更符合特定场景的需求。

上下文工程

团队认为,上下文工程(或 Prompt 工程)是 LLM 应用的核心,通过构建更强的上下文支持,提升 LLM 的应用效率。

项目及应用示例

项目团队发起了一系列开源项目,包括但不限于:

  • 理解 Prompt:探索 AI 在编程、绘画、写作等领域的能力。
  • Prompt 编写模式:通过设计模式的思维来撰写 prompt。
  • ClickPrompt:一键查看、分享和执行 Prompt 的工具。
  • ChatVisualNovel:基于 ChatGPT 的视觉小说引擎。
  • ChatFlow:个性化的 ChatGPT 流程自动化工具。
  • Unit Mesh:基于 AI 为核心的软件架构。
  • DevTi:一个基于 LLM 微调的智能化开发解决方案。

未来展望

由大型语言模型(如 ChatGPT 和 GitHub Copilot)驱动的新软件开发流程,带来了全新的机遇。这些工具组合能在需求、架构、编码、测试等各个环节大大提升效率和质量,实现端到端的流程优化。团队通过这些探索,希望能够帮助开发者和组织更好地利用 LLM 技术,为未来的软件开发带来更多可能性。

参与与学习

团队欢迎更多开发者和爱好者参与到开源项目中,共同探索大语言模型与软件开发的未来。同时,他们在 QCon 等会议和 Bilibili 上分享了大量学习资源和实践案例,希望能够帮助大家快速入门和深入了解相关技术。

无论你是技术开发者、产品经理,还是人工智能爱好者,都可以通过这些项目和资源,深入理解大型语言模型的应用潜力,为自己的项目和产品打开新的思路。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多