年初的时候，我第一次接触了ChatGPT，在被深深震撼之后，我意识到一个新的时代正在来临，作为程序员的我有了从未有过的危机感，在海量的信息里浸泡了几周后，我写下了自己的思考：《AI时代，程序员该何去何从》，文中提到，作为程序员的我们需要大幅更新自己的技能栈，之后我便开始了更新技能栈的践行。

经过过去几个月的学习，我逐渐度过了不知所措的阶段，慢慢地对以ChatGPT为代表的LLM有了一些感觉，这篇文章就把过去这段时间的学习整理成一个学习路线图，希望能对有志于入门AI的同学有点帮助。

小白应该从哪里开始

假设您和我一样是从小白开始，我建议首先能有一个快速启动，迅速地把ChatGPT用起来，同时也为进一步的学习做好准备，具体我建议：

1. 有一个自己的ChatGPT账号，有自己OpenAI的API Key，这是一切的起点
   
2. 尝试着和ChatGPT聊聊天，试试不同的话题(如写作、摘要、写码、翻译...)，对ChatGPT不同方面的能力有所了解
   
3. 试着在工作、生活中可能的地方都用ChatGPT试试(比如写周报)，开始让ChatGPT为我们实际创造价值
   
4. 如果你还没有GitHub账号或Hugging Face账号，那么尽快注册账号，这是未来学习离不开的两个社区，同时学会使用Google的Colab，这里提供一定量免费的GPU使用
   
5. 如果你还不熟悉Python，可以快速学习了解下，LLM社区大量的项目都是基于Python的，我们不用追求马上精通Python，了解基本语法，能看懂别人的代码就可以了，几天时间应该就可以入门

从Prompt入手玩转ChatGPT

使用一段ChatGPT后，你很快会发现很多时候要让ChatGPT按自己的期望工作，Prompt是关键，在这个阶段，我建议：

1. 学习写好Prompt的通用原则
2. 掌握常见的Prompt技巧(如Few-Shot, Instruction, CoT...)，可以参考我的文章《释放ChatGPT的真正潜力：Prompt技巧完整指南》
3. 如果有时间，还可以学习一些高阶的Prompt技巧，这些技巧在处理一些复杂的问题时会有帮助，可以参考《释放ChatGPT的真正潜力：Prompt技巧进阶指南》
4. 学会使用OpenAI Playground，在学习LLM的过程中，你会花大量的时间写Prompt，Playground能帮你节省大量的时间
   
5. Prompt是LLM领域讨论最热烈的话题，多看、多搜、多想、多练，很快你就会成为Prompt高手

学习Prompt专业玩法，解决实际问题如果你只是作为使用者玩玩ChatGPT，上面的学习应该已经足够了，如果你作为程序员，想用ChatGPT解决一些实际的业务问题，很多时候光靠手写Prompt是不够的，此时就需要一些专业的玩法了，我建议：

1. 读一读Prefix-Tuning, P-Tuning, Prompt Tuning, Y-Tuning的相关论文，大家不用对读论文感到恐惧，现在的论文里数学公式越来越少了，更多都是工程实践，只要你能完成一篇论文，读论文这个技能树你就点亮了
2. 至少动手写码实践上述技巧中的一种，我自己是试着实现了Prompt Tuning，可以参考《当Prompt技巧用尽，Prompt Tuning成就无限：如何找到最优Prompt？》
   
3. 多搜、多看，这个领域总是不断有新的玩法涌现出来
   

学会使用必要开发框架和工具

从上一阶段开始，作为程序员的我们已经开始逐步动手实践了，掌握一些开发框架、第三方库能极大地加速我们的开发效率，我建议：

1. 一定要学习LangChain，虽然LangChain本身只是对LLM调用的一个包装，但是其Agent，Memory，Chain，Prompt的封装能大幅简化开发
   
2. 学习如何使用Hugging Face，学习Hugging Face出品的Transformer, Peft这两个绕不开的库
   
3. 学习ChatGPT plugin，没准下一个Killer Plugin就是你开发的
4. 学习至少一种Embedding数据库的基本用法
5. 如果有时间，多了解PyTorch、NumPy等几乎必然会使用的开发库
   

开始大量动手实践ChatGPT是LLM工程实践的胜利，同样，学习LLM也需要大量的动手实践，只有在实践中我们才能碰到真正的问题，只有解决真正的问题，我们才能对LLM有深入的理解，我建议：

1. 首先学会如何通过API调用ChatGPT
2. 试着在代码里使用之前学习的各种Prompt技巧，通过对用户隐藏一些你对ChatGPT的调用，你能写出一些用户看起来很神奇的应用(比如最近大火的AutoGPT)
3. 因为每次调用的每个token都有费用，有意学习一些上下文压缩技巧，有意学习一些上下文保持技巧
4. 实现一个类似于ChatPDF这样的简单应用，学会如何给ChatGPT灌输外部知识，可以参考《我的第一个聊天机器人：从零开始DIY》
5. 有人认为有了ChatGPT，未来的人机交互会像钢铁侠和他的Jarvis一样，所以试着实现一个以对话为交互界面的私人助手，可以参考《让ChatGPT能说更能做：DIY属于自己的个人助理》，如果你有兴趣，还可以通过引入语音转文字，文字转语音，让你的助理更像Jarvis一些，有时间还可以翻一翻AutoGPT的源码，你会发现看起来很炫其实实现很简单
   
6. 在实际业务场景，数据隐私很多时候是个顾虑，所以试着找一个ChatGPT的开源平替，看看能不能在自己的机器上跑起来，可以参考《以小博大：Alpaca，您个人电脑上的ChatGPT》
   
7. 结合自己兴趣，或者实际业务场景，动手做更多实践
   

进入动手实践的深水区随着实践的不断增加，你会发现无论你怎么使用Prompt技巧，模型都不能按期望工作，此时你将不得不对模型进行训练，也许我们没机会对一个大模型进行全参数的训练，但我们可以进行很多低成本的模型精调，我建议：

1. 了解一些模型精调方法如Adapter，LoRA，MPOP，Sparse Fine Tuning等，这个环节，最好还是读一下相关的论文，这些论文里会有些数学，但内容不多，即使跳过也不影响对论文的理解
   
2. 了解Self-Instruct这个最重要的创建数据(科学薅羊毛)的方法，论文的作者很实在，把自己使用的具体Prompt都在论文中详细列了出来，建议自己动手实现一遍Self-Instruct，可以参考《玩转 ChatGPT 和 Self-Instruct：驯化你的个性化聊天机器人 Alpaca》
   
3. 精调模型离不开好的训练数据，了解开源社区有哪些好的训练数据源
4. 真正动手做一次模型精调，如果你有自己的业务场景和业务数据，那这是最理想的模型精调，如果没有也可以用一些开源数据集做练习，可以参考《一杯奶茶让你拥有私人订制ChatGPT，我是如何一步步教会Alpaca中文的》
   
5. ChatGPT的惊艳离不开RLHF这个强大的模型训练方法，虽然因为其成本我们没太多机会直接实践RLHF，但一定要了解其工作原理，可以参考《ChatGPT的RLHF：AI时代的“调速器”，让AI真正可用的关键》，如果你有时间，还可以了解一下其背后关键的PPO算法：《大白话说AI：探秘ChatGPT用到的PPO算法》

更进一步，知其然更知其所以然

如果一步步走到这里，相信你对LLM应该已经有了自己的理解，如果你想进一步深入学习，为未来真正成为LLM的大拿做好准备，那么就需要了解LLM背后的Why，我建议：

1. 了解ChatGPT的整体架构和详细的工作流程
   
2. 了解Transformer架构，了解它和之前的RNN，CNN的区别和联系
   
3. 了解Embedding
4. 了解注意力机制的详细工作原理
5. 了解机器学习的基础知识
   
6. 了解深度学习的基础知识
7. 了解相关的代数和概率知识

埋头赶路，更要抬头看天AI这个领域，几乎每天都有新的变化和进展，同时我们的学习也是为了创造价值，因此，除了学习各种技巧和技术，我们也需要了解行业里到底在发生什么，我建议：

1. 多看看大公司的动向，行业的发展往往由他们引领
2. 多看看投融资领域的大事件，VC的嗅觉是最敏锐的
3. 多看看产品、技术方面的突破，多从长期视角看本质突破，注意屏蔽那种一惊一乍吸引眼球的噱头，争取让自己起码每个月能看一篇精选的论文
4. 多关注行业的竞争，多看看开源社区的进展，多看看ChatGPT竞争对手的进展
5. 更具体地，多关注多模态的方面的进展，多关注降低模型训练、推理成本方面的进展，多关注数据隐私和私有化部署方面的进展