AI大型模型相关资源汇总

市面上打着「大模型」旗号的资料包不少，但多数是把公开文章和二手笔记打个压缩包，看着目录很长，真正能跑通的代码和能对上岗位要求的案例没几个。这份资源汇总相对务实的一点是：它把入门理论、动手开发和求职准备分开摆放，不是把所有东西混在一起让你自己淘。下面从「什么场景下值得翻、学完能做什么、什么基础看起来不费劲」三个角度，帮你判断要不要花时间。

它解决的是哪类工作场景

如果你现在的处境是这几种之一，这份资料对得上号：已经在做后端或数据分析，想把手头的业务接上大模型能力，但不知道怎么调用接口、怎么控制输出；或者准备转岗到 AI 应用方向，简历上缺一个能讲清楚的项目，面试官一问微调细节就卡壳；再或者你只是需要在团队里做技术选型，得看懂不同方案的取舍，不想被供应商的 PPT 牵着走。

它不解决的是纯算法研究方向的深层需求。如果你想做预训练、改模型结构、发论文，这里的深度不够，得另外找专门的技术路线。

学完能独立做什么

按照资料的组织方式，走完一遍比较现实的产出是：能用现成框架搭出一个带知识库的问答应用，理解提示词怎么设计、上下文怎么管理，知道检索增强这条链路每一环在干什么；能借助 PyTorch 和 ChatGLM 跑通一次小规模微调，哪怕数据量不大，至少明白训练脚本里哪些参数会影响效果、显存不够时该从哪儿降；面试环节，能说清楚大模型应用和传统软件在工程上的差别，而不是只会背概念名词。

这些都是能拿出手、能写进项目描述的东西。做不到的是让你一夜之间成为算法专家，任何资料都做不到，这点先讲清楚。

资料的结构和用法

• 入门部分适合先建立整体认知，把术语和基本流程过一遍，不建议一上来就啃大部头，容易劝退。
• 理论到实践那本系统性较强，适合当参考书，遇到具体问题回头查，不必从头读到尾。
• 基于 PyTorch 和 ChatGLM 的开发与微调内容偏动手，需要你至少会 Python，能看懂基本的深度学习代码，否则照抄也会卡住。
• 应用开发入门那本侧重 GPT-4 和 ChatGPT 的接口层，对代码基础要求低一些，适合先跑通一个最小可用的例子找感觉。
• 行业报告和面试类内容，建议放在有了一定实操之后再看，否则只是记结论，面试时经不起追问。

什么基础看它比较合适

会 Python、了解过神经网络基本概念的人，上手最顺。完全零编程基础的读者，建议先把 Python 和基础机器学习补一补，不然微调那部分会很吃力。已经在做开发、只想补大模型这一块的，可以直接从应用开发和实战案例切入，理论部分按需查阅。

最后提醒一句：这类资料的价值在于给你省去筛选的时间，而不是替你学习。挑其中一到两条线走通，比把整个包下载下来存着更有用。