通过本文您可以了解到：

• 学习：从小白如何入手，从0到1开始学习大模型。
• RAG系统：我想搭建属于自己或者企业的RAG系统，我该怎么去做？
• 评估：微调后的模型或者RAG系统，如何评估自己的模型和系统？有哪些工具集、数据库、指标可以使用？
• 优化：怎么去优化RAG系统？包括：prompt工程，LLM选择，embedding选择，数据清洗，如何分块，检索，二阶段检索等

欢迎大家访问个人博客网址：https://www.maogeshuo.com，博主努力更新中…

如何学习

给了以下几个推荐网站，每个网站各有侧重点

llm-action

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

侧重于大模型的训练、推理、压缩等

llm-universe

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

大模型应用开发，如何搭建知识库、构建RAG应用等

self-llm

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

各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导

Awesome-AGI

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

模型下载地址

国内访问Huggingface官网下载模型和数据集，容易被墙。
可以使用Huggingface镜像站、ModelScope、wisemodel，若无法访问Huggingface官网，推荐Huggingface镜像站，理由是里面收集的模型和数据集比较全。

Huggingface官网

• https://huggingface.co/

Huggingface 镜像站

• https://hf-mirror.com/

ModelScope

• https://modelscope.cn/my/overview

wisemodel

• https://wisemodel.cn/home

开源模型

LLama

Chinese-LLaMA-Alpaca

• github地址

Llama-Chinese

• Llama-Chinese

国内大模型整理

Awesome-Chinese-LLM

• Awesome-Chinese-LLM

介绍了如何训练、微调、部署llama

Prompt工程

提示工程是一个较新的学科，应用于开发和优化提示词（Prompt），帮助用户有效地将语言模型用于各种应用场景和研究领域。

promptingguide

• 官网地址
  

LearnPrompt

• 官网地址
  

LangGPT

飞书地址

优化

评估

Awesome-LLM-Eval

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

总结了几乎所有的测试工具、数据集合、model、论文等，以评估工具为例：

• OpenCompass
• evals

补充：

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

工具

langchain

• langchain中文网

LangChain 是一个用于开发由语言模型驱动的应用程序的框架。它使得应用程序能够：

• 具有上下文感知能力：将语言模型连接到上下文来源（提示指令，少量的示例，需要回应的内容等）
• 具有推理能力：依赖语言模型进行推理（根据提供的上下文如何回答，采取什么行动等）

streamlit

• streamlit

快速构建和部署应用程序

gradio

---

由于作者水平有限，因此不能保证文中内容准确无误，如有错误，请在下方留言，欢迎指出，谢谢！

大家有更好的学习资料，或者训练、应用落地，优化、评估等经验，欢迎大家在评论区留言，大家一起共勉和进步~