ChatGPT

OpenAI 发布 ChatGPT 的那个夜晚，我极其兴奋地与“她”聊到了深夜三四点，一个朴素的聊天框中满足了过去十多年我对 AI 生产力的幻想！以 GPT-4 为代表的大语言模型（LLM）的迅速发展，对于所有开发者乃至知识工作者而言都是一个崭新的起点，是“以一敌十”的生产力神器，也拉开了涌现 AI 原生应用舞台的序幕。

LLM 技术和基于 LLM 的应用（以下简称LLM应用）正在以“天”为步进快速发展。过去这段时间，我和团队接触了数千名对开发 LLM 应用报以热情的开发者，与大家一同解锁 LLM 技术栈的潜力，其中不乏有创业者快速收获用户、获得融资以及在几个月内获得了声望（Dify.AI 或许也是幸运儿之一）；也有开发者在使用 LLM 提升现有应用及团队工作流。我们可以看到的一个数据是：LangChain 仅在中国的开发者用户占比就高达全部用户的 40% 以上；但另一方面我们感受到 LLM 应用开发者占据中国全部开发者的比重还很低，LLM 应用开发在中国还处于早期。

作为经历过 Web 1.0 和 Web 2.0 时代的技术人，我深知“早期”二字意味着稀缺的机遇。

社区开发者讨论最多的两个问题是：

1. AI 原生应用究竟应该是什么样的？

2. LLM 应用技术栈应该怎么玩？

图灵引进出版了 O’Reilly 的《大模型应用开发极简入门》，你大概一个下午就可以读完这本小册子，对上述两个问题建立总体认识，并动手完成自己的第一个基于 GPT-4 的应用。如此短小精湛的书甚至还包含 LLM 原理的介绍和提示词工程的技巧。我甚至觉得今后的技术书籍都应该“这样”，因为你可以结合与 ChatGPT 互动问答的方式更高效地学习。

不知大家是否有过组装 DIY 电脑的经历？如今 LLM 应用技术栈中的模型（例如 GPT-4）就相当于其中的 CPU，开发框架（例如 LangChain 或 Dify）则对应于主板，而内存、向量存储、插件就好比电脑主板上的各种 I/O 设施。正如组装电脑一样，开发者在构建 LLM 应用时也需理解、精心挑选和配置每个组件。

如果要掌握这个全新的技术栈，最佳的方式便是结合问题，跟着好奇心动手试试，我敢和你说这绝对是一段有趣、有启发、有收获的冒险旅程！