20 张手绘图讲透 AI 核心概念从神经网络到 Agent 一次看懂最近 X 上有一组手绘 AI 科普图刷屏了作者 sairahul1 把从神经网络到扩散模型的 20 个核心概念每个都画成一张一目了然的插图配上简洁的英文解释。我把这 20 个概念翻译整理成中文版加上自己的理解方便大家收藏查阅1. 神经网络 Neural Networks大脑有神经元AI 也有。输入层接收数据经过若干隐藏层的运算最终输出结果。学习的过程就是不断调整这些连接的权重整个结构其实很朴素输入进来层层传递输出出去。关键在于中间那些隐藏层每一层都在提取不同层级的特征2. 分词 Tokenization模型不认识文字它只认识数字。所以第一步是把一句话切成小块每块对应一个数字编号“She is playing football” 会被切成 She / is / play / ##ing / foot / ##ball 这样的 token。中文也类似人工智能可能被切成人工和智能两个 token3. 词嵌入 Embeddings把每个 token 映射到一个高维空间里的坐标点。语义相近的词坐标距离就近。Doctor 和 Nurse 挨着King 和 Queen 挨着这也是为什么大模型能理解同义词和类比关系。它不是靠字面匹配是靠空间距离4. 注意力机制 Attention“She bought shares in Apple” 这句话里Apple 是水果还是公司模型通过注意力机制看整句话的上下文来判断。bought 和 shares 这两个词的权重很高所以 Apple 被理解为公司一个词的含义取决于它周围的词。注意力机制让模型能够动态地分配关注度5. Transformer 架构2017 年 Google 提出的架构把上面的分词、嵌入、注意力全串起来而且所有 token 可以并行处理。传统 RNN 一个词一个词地读Transformer 一次读完整句话这个架构是当前所有大模型的基础GPT、Claude、Gemini、Llama 全都基于它Part 2: 大语言模型是怎么工作的6. 大语言模型 LLMs本质上就是一个超大号的 Transformer用海量文本训练出来。它的工作循环很简单预测下一个词检查对不对调整参数重复GPT-4 有超过一万亿参数训练数据覆盖互联网上大部分公开文本。但它的核心动作始终是预测下一个 token7. 上下文窗口 Context Window模型一次能看多少内容是有上限的。这个上限就是上下文窗口。早期的 GPT-3 只有 4K token现在 Claude 3 已经到了 200K tokenGemini 更是做到了百万级别窗口越大模型能处理的信息越多但计算成本也跟着涨。对于长文档分析、代码库理解这类任务大窗口是刚需8. 温度 Temperature温度参数控制模型输出的随机性。Temperature 0 时模型每次都选概率最高的词输出稳定可预测。Temperature 调高到 2输出变得天马行空写代码用低温度写小说用高温度。大多数日常场景 0.7 到 1 之间就够了9. 幻觉 Hallucination模型会一本正经地编造事实。它的自信不等于正确。问它一个不存在的论文标题它可能会编出完整的作者、期刊和摘要这是当前大模型最大的可靠性问题。缓解方法包括 RAG后面会讲、多路验证、让模型说我不确定10. 提示工程 Prompt Engineering同一个模型给它不同的提示词输出质量差异巨大。一个含糊的提示和一个结构清晰、包含示例的提示结果可能天差地别好的提示包含三个要素角色设定、具体任务描述、输出格式要求。这也是为什么提示工程师成了一个新职位Part 3: AI 模型是怎么变强的11. 迁移学习 Transfer Learning从零训练一个模型要花几个月和几百万美元。迁移学习的思路是拿一个已经训练好的基础模型用少量新数据微调一下就能适应新任务训练成本从几百万降到几千块时间从几个月缩短到几天。这也是为什么开源基础模型Llama、Mistral对行业这么重要12. 微调 Fine-Tuning在基础模型上用特定领域的数据继续训练。同一个底座模型微调出来可以变成医疗助手、法律顾问、代码生成器微调不改变模型的核心架构只是调整参数权重。类似于一个全科医生去进修某个专科13. RLHF 人类反馈强化学习训练出来的原始模型可能会说有毒的话或者给出错误的信息。RLHF 的做法是让模型生成多个回答人类标注员选出最好的那个模型根据这些偏好反馈来调整自己这个过程重复成千上万次原始模型逐渐变成一个对齐人类偏好的助手。ChatGPT 能好用RLHF 功不可没14. LoRA 低秩适配全量微调一个大模型需要更新所有参数代价太高。LoRA 的思路是冻结原始模型的所有参数只在旁边加一小组可训练的适配器效果几乎一样成本降低 100 倍。现在社区里大量的开源微调模型都是用 LoRA 做的15. 量化 Quantization把模型参数从 32 位浮点数压缩到 8 位甚至 4 位整数。一个 70GB 的模型可以压缩到 4GB 左右在笔记本上就能跑精度会有一点损失但对大多数应用场景来说几乎感觉不到。这也是为什么现在手机上也能跑大模型了Part 4: 真实 AI 系统是怎么搭建的16. RAG 检索增强生成让模型在回答前先去检索相关资料然后基于检索结果生成答案。先查再答不是凭记忆编RAG 大幅降低了幻觉率而且知识可以实时更新不需要重新训练模型。企业级 AI 应用几乎都在用这个架构17. 向量数据库 Vector Databases传统数据库按关键词搜索向量数据库按语义搜索。搜如何提高效率也能匹配到提升生产力的方法这是 RAG 架构的核心组件。把文档切块每块转成向量存进数据库查询时用语义相似度来召回最相关的内容18. AI Agent 智能体传统的 LLM 只能对话Agent 能行动。它有一个思考-行动-观察-重复的循环接到任务后自己拆解步骤调用工具执行观察结果再决定下一步2025 年是 Agent 爆发的一年从 Manus 到 Claude Code从 Cursor 到 Devin能自主完成复杂任务的 AI Agent 正在重塑工作流19. 思维链 Chain of Thought直接问 AI “17 x 24 ?” 它可能算错。但如果让它分步思考17x2034017x46834068408正确率大幅提升同一个模型给更多思考空间就能给出更好的答案。这也是 o1、o3、Claude 3.5 Sonnet 等推理模型的核心原理20. 扩散模型 Diffusion ModelsMidjourney、DALL-E、Stable Diffusion 背后的技术。训练时把图片逐步加噪声直到变成纯噪点推理时反过来从噪点一步步还原出图片文本生成图片的关键在于用文字描述来引导去噪的方向。同样的噪点不同的文字提示生成完全不同的图片最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
