# 构筑大语言模型应用：应用开发与架构设计
> aka. Unlocking the Potential of Large Language Models: Real-World Use Cases
2023 年的上半年里，我（@phodal）和 Thoughtworks
的同事们（如：@[tianweiliu](https://github.com/tianweiliu)、@[teobler](https://github.com/teobler)、@[mutoe](https://github.com/mutoe)
等）、
开源社区的同伴们（如：
卷王@[CGQAQ](https://github.com/CGQAQ)、@[genffy](https://github.com/genffy)、 @[liruifengv](https://github.com/liruifengv)
等)
一起，创建了一系列的流行的或者不流行的开源项目。它们涉及了：
- LLM 能力的充分运用
- Prompt 编写：Prompt 学习与编写模式
- Prompt 管理：Prompt 即代码
- LLM 下的软件开发工序及应用架构设计
- 新的交互设计：Chat 模式
- 大模型友好的工序：基于 AI 2.0 （ChatGPT + Copilot）如何去设计软件开发流程
- LLM 应用架构的设计与落地：Unit Mesh
- 面向特定场景的 LLM 应用
- 基于开源模型构建自己的模型：特定场景的模型微调 + LLMOps
- 上下文工程（prompt 工程）：LLM 应用的核心
围绕于上述的一系列内容，我们也在思考软件开发能给我们带来了什么。所以，我重新整理了过去半年的一些思考、文章，重新编写了这本开源电子书，希望能够帮助到大家。
关注我的微信公众号（搜索 phodal-weixin），获得更多及时的更新：
我们发起的相关开源项目如下（包括但是不限于）：
| 名称 | 描述 | 类型 | Stars |
|----------------------------------------------------------------------------|------------------------------------------------------------------------------------------|-------------|------------------------------------------------------------------------------------------------|
| [理解 Prompt](https://github.com/prompt-engineering/understand-prompt) | 基于编程、绘画、写作的 AI 探索与总结。 | 文档 |  |
| [Prompt 编写模式](https://github.com/prompt-engineering/prompt-patterns) | 如何将思维框架赋予机器，以设计模式的形式来思考 prompt。 | 文档 |  |
| [ClickPrompt](https://github.com/prompt-engineering/click-prompt) | 用于一键轻松查看、分享和执行您的 Prompt。 | 应用 |  |
| [ChatVisualNovel](https://github.com/prompt-engineering/chat-visual-novel) | 基于 ChatGPT 的定制化视觉小说引擎 | 应用 |  |
| [ChatFlow](https://github.com/prompt-engineering/chat-flow) | 打造个性化 ChatGPT 流程，构建自动化之路。 | 框架 |  |
| [Unit Mesh](https://github.com/unit-mesh/unit-mesh) | 基于 AI 为核心的软件 2.0 思想的软件架构。 | 架构 |  |
| [Unit Minions](https://github.com/unit-mesh/unit-minions) | AI 研发提效研究：自己动手训练 LoRA | 微调教程、指南、数据集 |  |
| [Unit Runtime](https://github.com/unit-mesh/unit-runtime) | 一个 ChatGPT 等 AI 代码的运行环境，可一键启动并实时交互，帮助您快速构建和测试 AI 代码。 | 基础设施 |  |
| [DevTi](https://github.com/unit-mesh/devti) | 基于 LLM 的微调来提供全面智能化解决方案，助力开发人员高效完成开发任务，以实现自动化用户任务拆解、用户故事生成、自动化代码生成、自动化测试生成等等。 | 微调代码 |  |
| [AutoDev](https://github.com/unit-mesh/auto-dev) | 一款 Intellij IDEA 的 LLM/AI 辅助编程插件。AutoDev 能够与您的需求管理系统（例如 Jira、Trello、Github Issue 等）直接对接。 | IDEA 插件 |  |
| [ArchGuard Co-mate](https://github.com/archguard/co-mate) | 基于人工智能技术的架构副驾驶、设计和治理工具 | 架构协同应用 |  |
我们在 QCon
上的演讲：[演讲：探索软件开发新工序：LLM 赋能研发效能提升](https://qcon.infoq.cn/2023/guangzhou/presentation/5319)
> LLM（如 ChatGPT + GitHub
> Copilot）作为一种创新的工具组合，为我们带来了全新的机遇。它能够帮助业务人员和开发者在需求、架构、编码、测试等环节提高效率和质量，实现从设计到验证的端到端流程。在本次分享中，我将向大家介绍
> LLM 在研发效能方面的应用场景和实践案例，展示它是如何在各个环节中发挥作用的。同时，我们还将分享如何构建私有化的 LLM
> 工程化方式，使其更好地适应组织的需求。欢迎对 LLM + 研发效能感兴趣的朋友们参加本次分享，与我们一起探讨研发效能的未来。
我们在 Bilibili 上的大语言模型微调相关的视频：
- LLaMA
系列在线视频： 《[代码辅助生成](https://www.bilibili.com/video/BV1Rh411u74H/)》 、《[测试代码生成](https://www.bilibili.com/video/BV1jg4y1G7Xc/)》 、《[详细需求生成](https://www.bilibili.com/video/BV1Us4y1N7rd/)》 、《[文本转 SQL](https://www.bilibili.com/video/BV1uv4y1H7bg/)》
- ChatGLM 系列在线视频： 《[LoRA 大比拼：ChatGLM vs LLaMA，谁更会写需求文档？](https://www.bilibili.com/video/BV1fv4y1n7Y3/)》
欢迎大家一起来参与我们的开源项目，一起来探索 LLM + 软件开发的未来。
《构筑大语言模型应用：应用开发与架构设计》一本关于 LLM 在真实世界应用的开源电子书，介绍了大语言模型的基础知识和应用
版权申诉
83 浏览量
2024-03-14
22:55:34
上传
评论
收藏 20.34MB ZIP 举报
《构筑大语言模型应用：应用开发与架构设计》一本关于 LLM 在真实世界应用的开源电子书，介绍了大语言模型的基础知识和应用 （140个子文件） 
.gitignore 48B try-fix-hands.jpeg 304KB stable-diffusion-with-controlnet.jpeg 229KB stable-diffusion-with-controlnet-dreambooth.jpeg 199KB stable-diffusion-overview.jpeg 189KB stable-diffusion-hug8217.jpeg 178KB hand-final-result.jpeg 168KB stable-diffusion-with-negative.jpeg 142KB 01.jpeg 73KB image-with-openpose.jpeg 64KB 02.jpeg 61KB 03.jpeg 56KB women-backview-4.jpeg 56KB failure-with-hand-hair.jpeg 55KB with-prompt.jpeg 55KB women-backview-2.jpeg 52KB women-backview-3.jpeg 51KB failure-seeds.jpeg 50KB 07.jpeg 48KB women-backview-1.jpeg 46KB better.jpeg 42KB image-with-canny.jpeg 42KB 08.jpeg 37KB 06.jpeg 29KB 05.jpeg 27KB 04.jpeg 26KB
sample.jpg 39KB wechat-group.jpg 36KB qrcode.jpg 26KB Cargo.lock 50KB prompt-patterns.md 25KB prompt-understand.md 21KB future-unit-mesh.md 14KB develop-llm-app-best-practise.md 12KB finetune-setup.md 12KB future-architecture.md 12KB future-ai-2.0.md 12KB dsl-driven-development.md 11KB prompt-as-code.md 11KB future-realtime-software-generation.md 10KB finetune-llm-ops.md 9KB llm-arch-language-interface.md 9KB llm-arch-design.md 9KB llm-arch-archguard-comate.md 8KB finetune-bizdevops-data.md 8KB llm-arch-github-copilot.md 8KB prelude.md 7KB README.md 7KB llm-architecture.md 7KB prompt-template.md 7KB faq.md 6KB develop-llm-app-with-workflow.md 6KB llm-arch-atomic-capability-mapping.md 6KB develop-llm-intergration-patterns.md 5KB develop-llm-app-example-autodev.md 4KB 6-llm-glossary.md 4KB copilot-log.md 4KB finetune-bizdevops-codegen.md 4KB develop-llm-app-example-ai-devops.md 3KB llm-arch-context-engineering.md 3KB contributors.md 3KB llm-arch-user-intent-oriented-design.md 3KB finetune-bizdevops-user-story.md 2KB SUMMARY.md 2KB finetune-bizdevops.md 2KB develop-llm-design-verification.md 2KB aidevops-challenges.md 2KB develop-llm-app-setup.md 1KB 6-llm-self-guard.md 506B develop-llm-app-example-comate.md 42B patterns-prompt.md 22B
sample-output.png 2.41MB unit-mesh-elements.png 908KB sdlc-step-by-steps.png 814KB sdlc-copilot.png 760KB ai-ide-princinple.png 676KB instruction-formatted.png 596KB devti-processes.png 587KB prompt-example.png 559KB chatgpt-article-demo.png 551KB context-eng.png 545KB adaptive-architecture.png 479KB data-capability-mapping.png 472KB openpose-gen-2.png 467KB openpose-gen-1.png 445KB devti.png 436KB focus-driven.png 425KB llm-sdlc-processes.png 359KB ai-20-ux.png 352KB backview-new-2.png 348KB co-mate-modules.png 344KB llm-capability-mapping-dsl.png 326KB backview-new-1.png 325KB backview-new-3.png 314KB llmops.png 312KB wula-muji.png 312KB unit-mesh-processes.png 297KB chatgpt-writing-article.png 296KB chatgpt-bootstrap-article.png 296KB four-arch.png 272KB共 140 条
- 1
- 2
资源评论
