通過本文您可以了解到：

• 學習：從小白如何入手，從0到1開始學習大模型。
• RAG系統：我想搭建屬于自己或者企業的RAG系統，我該怎么去做？
• 評估：微調后的模型或者RAG系統，如何評估自己的模型和系統？有哪些工具集、數據庫、指標可以使用？
• 優化：怎么去優化RAG系統？包括：prompt工程，LLM選擇，embedding選擇，數據清洗，如何分塊，檢索，二階段檢索等

歡迎大家訪問個人博客網址：https://www.maogeshuo.com，博主努力更新中…

如何學習

給了以下幾個推薦網站，每個網站各有側重點

llm-action

• https://github.com/liguodongiot/llm-action

側重于大模型的訓練、推理、壓縮等

llm-universe

• https://github.com/datawhalechina/llm-universe

大模型應用開發，如何搭建知識庫、構建RAG應用等

self-llm

• https://github.com/datawhalechina/self-llm

各類開源大模型提供包括環境配置、本地部署、高效微調等技能在內的全流程指導

Awesome-AGI

• https://github.com/ArronAI007/Awesome-AGI

模型下載地址

國內訪問Huggingface官網下載模型和數據集，容易被墻。
可以使用Huggingface鏡像站、ModelScope、wisemodel，若無法訪問Huggingface官網，推薦Huggingface鏡像站，理由是里面收集的模型和數據集比較全。

Huggingface官網

• https://huggingface.co/

Huggingface 鏡像站

• https://hf-mirror.com/

ModelScope

• https://modelscope.cn/my/overview

wisemodel

• https://wisemodel.cn/home

開源模型

LLama

Chinese-LLaMA-Alpaca

• github地址

Llama-Chinese

• Llama-Chinese

國內大模型整理

Awesome-Chinese-LLM

• Awesome-Chinese-LLM

介紹了如何訓練、微調、部署llama

Prompt工程

提示工程是一個較新的學科，應用于開發和優化提示詞（Prompt），幫助用戶有效地將語言模型用于各種應用場景和研究領域。

promptingguide

• 官網地址
  

LearnPrompt

• 官網地址
  

LangGPT

飛書地址

優化

評估

Awesome-LLM-Eval

• https://github.com/onejune2018/Awesome-LLM-Eval/blob/main/README_CN.md

總結了幾乎所有的測試工具、數據集合、model、論文等，以評估工具為例：

• OpenCompass
• evals

補充：

• 評估工具：LangSmith https://docs.smith.langchain.com/

工具

langchain

• langchain中文網

LangChain 是一個用于開發由語言模型驅動的應用程序的框架。它使得應用程序能夠：

• 具有上下文感知能力：將語言模型連接到上下文來源（提示指令，少量的示例，需要回應的內容等）
• 具有推理能力：依賴語言模型進行推理（根據提供的上下文如何回答，采取什么行動等）

streamlit

• streamlit

快速構建和部署應用程序

gradio

---

由于作者水平有限，因此不能保證文中內容準確無誤，如有錯誤，請在下方留言，歡迎指出，謝謝！

大家有更好的學習資料，或者訓練、應用落地，優化、評估等經驗，歡迎大家在評論區留言，大家一起共勉和進步~