这是 2024 年的第一个工作日在公司进行的有关 LLM 的落地用例解析分享，本文基于培训纪要集结成文。
（本文不涉及大模型底层原理，主要讲解应用案例，适合小白了解 大模型的典型用例如何落地的，也可以让大家知道那些 AI 套壳网站是如何工作的）

近 9 千字，内容干货可重复阅读，大白话讲如何实践应用。
主要讲解：
1、关于公司内部基于 GPT 的落地用例
2、了解大模型的基础常见的应用场景
3、常见场景的大致原理（ langchain 示例）
4、讨论：大模型的落地要点是？
5、关注的大模型相关资源分享？
…

你可以学习到的内容：
• 如何从 0 开始开发一个自定义的聊天机器人？
• 如何开发一个基于 GPT 的智能 BI 系统？
• 如何突破 LLM 上下文的限制？
• 为何向量数据库如此重要？
• 还有哪些落地场景可以去尝试？
• ChatDOC、ChatPDF 的原理是怎样的？
• 怎样写一个简单的AI + 知识库问答？

00 ｜前言，为什么需要了解 LLM

为什么要了解 LLM&ChatGPT？这是一组数据
1、在 2022 年 9 月至 2023 年 8 月期间，排名前 50 的人工智能工具吸引了超过 240 亿次访问。
2、ChatGPT 以 140 亿次的访问量遥遥领先，占分析流量的 60% 以上。
3、过去一年，人工智能行业的月均访问量为 20 亿次，最近 6 个月激增至 33 亿次。
…

AI 当红炸子鸡

分析来源：AI Industry Analysis: 50 Most Visited AI Tools and Their 24B+ Traffic Behavior
过去一年，国内大模型和 GPT 也在不断升级，过了很多哇塞时刻，现在更多的是冷静落地，如果你现在还没有了解相关的发展，是时候了解一下，如果你了解如何使用，是时候更进一步。

01 ｜ GPT 在公司内部的实践

我先来说说在公司内部去实践的一些场景，也是业界落地比较多的场景，后面我会拆解这些场景是如何实现的。

GPT 在公司内部的实践

1、内部 AI 机器人

集成在 IM 上，全公司都可以去使用的一个典型 ChatBot，可以进行任意内容聊天对话，没有做任何微调以及其他处理；可以满足因为网络问题而导致的无法访问问题。

内部 AI 机器人，水印问题，GPT 图代替

2、内部提效工具

基于 GPT 的任务理解能力和提示词/角色/任务预设能力，将场景固化为特定的专家，去解决工作中的零散问题，这也是互联网上最多的用例（自定义角色）。

在线工具提效零散问题

这里面还有一部分是使用外部工具而非自研，比如代码生成插件，经过评测：免费的推荐 Codeium、付费推荐 GitHubCopilt。

3、GPT x BI

对于一些企业中结构化的数据，通过自然语言对话进行数据查询并直接将数据返回，得到分析图表，对数据进行分析建议等等。

示例中查询不同存储方式的商品占比是多少？只需要问出去，其他的都交给大模型。

通过自然语言去查询数据

…剩余内容，请购买后阅读。

想了解大模型（如 ChatGPT）典型用例实践的同学不要错过了，#墨问西东 创始人老池推荐。几块钱买下来，然后拿出十来分钟阅读一下（9 千字），有条件再花点时间实践一遍。
一来节约你搜罗几天相关信息时间。
二来有完整理论指导和实践案例，可以照着做。
三来如果你不理解我可以给你解答。

扫下方二维码或点此链接购买阅读全文

购买二维码

余下内容目录…

4、GPT x 客服

常见落地场景的基本原理

特定场景的内容生成，了解 API 的基本结构

含示例

ChatBots（如 AI 聊天机器人）

含示例

上下文那么多，我要全部记住吗？

GPT x BI ｜ Agent 的最小实践

含示例

AI x 客服｜何为 RAG（检索增强生成）

含示例

向量数据库为啥很重要

总结一下实践要点

大模型资源推荐

…