“ 做技術很多時候想不明白，這時多做做可能就明白了。”

現在基于大模型的人工智能技術發展的如火如荼，而且隨著今年人工智能進入應用元年，人工智能開始進入各行各業；但由于技術本身的限制，因此很多應用場景大都處于模式階段。

所以，到底應該怎么學習和使用大模型，特別是隨著一些新技術的出現，大家都在摸著石頭過河。

但不管怎么說，作為一門新技術其和其它技術沒有本質上的區別，都是更加注重實操，理論作為輔助。

大模型技術的實踐性

從作者最近一段時間從事大模型應用技術開發以來，最大的感受就是與大模型相關的技術理論真的很有限；但其實際操作又真的很復雜。

我們在學習一門大模型技術的時候，你會發現很多理論都是我們生活中經常用到的，有些即使沒遇到過但也都見過；特別是RAG檢索增強生成——一直說是一個入門五分鐘的技術。

而我們在剛開始學習RAG技術的時候，確實發現其入門特別快，不論是理論和實操都很簡單；但等到我們真正深入理解RAG技術時，并真正使用RAG技術打造一個真實可靠的業務場景時才發現，是我們想的太簡單了。

作者在之前的文章中曾不止一次的強調過，從應用的角度來看大模型的本質就是一個無所不能的“人”；它會寫會畫懂設計，又會寫代碼做產品。但是這個“人”也不是神仙，它也會犯錯，也會抽風。

而且為了更好的利用模型的能力，因此提出了Agent智能體的概念，簡單來說就是讓大模型這個“人”具備了使用工具的能力。而這和我們哲學上所說的人和動物的根本區別是能夠制造和使用工具，這兩者是多么的類似。

但是讓大模型具備使用工具的能力說起來很簡單，但做起來就不是那么簡單了；比如說怎么讓模型使用工具？工具的存在形式是什么樣的？如果出現問題了怎么辦？等等一系列問題。

然后工具雖然能夠幫我們解決問題，但在不同的場景下我們需要使用不同的工具；而這就需要大模型具備任務拆解和規劃的能力，把一個復雜的問題拆分成多個具有可行性的子問題，然后再使用工具一個一個解決。

但我們都知道，在真實的環境中，哪怕你做了萬全的準備，也很難保證意外的發生；原因可能是當時對問題認識不夠深刻導致沒有規劃好，也可能是因為一些外部原因導致出現問題。

對智能體來說也是一樣，模型在對問題進行拆解規劃之后，在執行的過程中如果出現問題或者說沒有出現問題但結果和預期不同；這時大模型能否根據問題和錯誤的結果進行動態調整，并重新制定任務，并最終完成任務。

所以說，從根本上來說，大模型應用技術還是從人類的哲學角度出發；把人類解決問題的能力交付給模型，讓模型具備人類處理復雜問題的能力。

但這些處理問題的經驗，我們很多人在很小的時候就知道了；但可能用了一輩子的時間都沒做到。

紙上得來終覺淺，覺知此事要躬行；學習和使用大模型技術要記住一個原則：多實踐，少思考；很多想明白的問題可能很難做明白。

本文轉載自??AI探索時代?? 作者：DFires