使用AI大模型的正确姿势：五种优化方法详解
使用AI大模型的正确姿势：五种优化方法详解
随着AI大模型的广泛应用，如何优化和增强其能力成为了一个重要的课题。本文将介绍五种常用的方法：优化提示词、使用外部知识库（RAG）、微调、更换大模型、使用多模态大模型。通过具体案例和工作流程图，详细解释每种方法的原理和应用场景。
1. 优化提示词
当大模型的输出内容不满足你的期望时，你可以选择优化提示词，直到优化到不能优化。使用提示词生成答案（图来源：myscale）
RAG工作流程（图来源：Monigatti）
RAG让模型具备特定领域的知识，从而表现得更好。外部知识库可以是公司产品说明、教程或用户指南；客服回答的问题、聊天记录；公司政策文件、标准操作程序；你写过的文章等等。使用何种外部知识库，取决于你的目标。
使用外部知识库，最直接的方式是在AI机器人聊天页面上传文档，开启对话。比如下图是我使用kimi解读一篇论文。（官网：kimi.moonshot.cn）。你也可以尝试扣子（官网：coze.cn）
上传某本书/文章 让kimi解读
但是这种做法也有局限。如果你不想文档泄漏，或者公司里面有成千上万个文档，你就需要借助新的工具或者运用，甚至开发专用的运用。
下图是一些常用的RAG工具，这些工具在Github上Star较多。
常见RAG工具/运用（整理：mscreate)
案例：某科技公司将RAG应用于其客户支持系统，大模型通过检索公司内部的技术文档和历史支持记录，能够在几秒钟内为客户提供精准的解决方案，大大提高了客户满意度和支持效率。
3. 微调大模型
微调是指在预训练大模型的基础上，进一步在较小的、特定领域的数据集上进行训练。
微调示意（图来源：myscale）
微调有助于让大模型更满足特定需求。例如，你想让大模型翻译地方方言更准确，那可以使用地方方言数据集微调大模型。
与RAG不同，RAG是使用外部信息增强模型的知识，而微调则是更新模型的参数，使其更好地适应你的领域或任务。当你拥有某个领域特定的数据时，微调特别有用。
案例：如果你想构建一个法律大模型，可以用法律文件、法律案例和合同等数据微调模型。使其在法律文件分析和合同审查中表现出色，能够快速识别潜在风险和异常条款，帮助律师更高效地完成工作。
4. 换一个大模型
除了上面的方法外，你还可以换一个模型，并非一定要拘泥于使用一个模型。模型和模型之间能力有所差别。有些模型更擅长写出流畅的中文，有的则更擅长数据分析或者长文本处理、写代码。成本也有所差别。当然还有其他差别。
5. 使用多模态大模型
模型不仅仅只能处理文本，还可以处理图像、音频、视频等。多模态大模型可以同时处理文本、图像等。很多应用场景需要多模态技术支持才能实现。比如，借助多模态技术，让视力受损的人能轻松浏览网络，甚至在真实世界中充当导航。
GPT-4V展示的多模态使用例子
假设你在开发一个内容创作平台，帮助博主和营销人员制作引人入胜的文章。有了多模态大模型，用户输入提示词，AI会生成一篇精美、用吸引力的文章，还会附带相关的图片。目前多模态大模型正在快速发展中。