大模型（LLM）工程师实战之路（含学习路线图、书籍、课程等免费资料推荐）

新春佳节，蛇年大吉！愿您在新的一年里，生活如蛇行般灵动自如，事业似蛇舞般活力四射。蛇年，愿您福运缠身，财源广进，家庭和睦，幸福安康！今天给大家推荐一些大模型（LLM）工程师相关的免费学习资料，先收藏起来哦

1. 运行LLM

运行LLM可能由于硬件要求较高而变得困难。根据你的使用场景，你可能希望通过API（如GPT-4）简单地调用模型，或者在本地运行模型（6个最受欢迎的本地运行大模型工具整理）。在任何情况下，额外的提示工程和引导技术都可以改善并约束模型的输出，以适应你的应用程序。

• LLM API：API是部署LLM的一种便捷方式。这一领域分为私人LLM（如OpenAI、Google、Anthropic、Cohere等）和开源LLM（如OpenRouter、Hugging Face、Together AI等）。

• 开源LLM：Hugging Face Hub是寻找LLM的好地方。你可以直接在Hugging Face Spaces中运行其中一些模型，或者下载并在本地应用中运行，例如通过LM Studio或使用llama.cpp或Ollama通过命令行运行。

• 提示工程：常见的技术包括零样本提示（zero-shot prompting）、少样本提示（few-shot prompting）、思维链（chain of thought）和ReAct。这些技术更适合大型模型，但也可以适应小型模型。

• 结构化输出：许多任务需要结构化的输出，例如严格的模板或JSON格式。像LMQL、Outlines、Guidance等库可以用来引导生成并遵循给定的结构。

推荐：

• Run an LLM locally with LM Studio by Nisha Arya: Short guide on how to use LM Studio.（https://www.kdnuggets.com/run-an-llm-locally-with-lm-studio）

• Prompt engineering guide by DAIR.AI: Exhaustive list of prompt techniques with examples（https://www.promptingguide.ai/）

• Outlines — Quickstart: List of guided generation techniques enabled by Outlines.（https://dottxt-ai.github.io/outlines/latest/quickstart/）

• LMQL — Overview: Introduction to the LMQL language.（https://lmql.ai/docs/language/overview.html）

2. 构建向量存储

创建向量存储（构建非英文RAG（Retrieval-Augmented Generation）系统时，embedding很重要）是构建检索增强生成（Retrieval-Augmented Generation, RAG）管道的第一步。文档被加载、拆分，相关的片段被用来生成向量表示（嵌入），这些嵌入会被存储起来，以便在推理时使用。

• 文档加载：文档加载器是方便的包装器，可以处理许多格式：PDF、JSON、HTML、Markdown等。它们还可以直接从一些数据库和API（如GitHub、Reddit、Google Drive等）中检索数据。

• 文档拆分：文本拆分器将文档分解为更小的、语义上有意义的片段。与其按字符数拆分文本，不如按标题或递归拆分，同时附带一些额外的元数据。

• 嵌入模型：嵌入模型将文本转换为向量表示。它允许更深入、更细致地理解语言，这对于执行语义搜索至关重要。

• 向量数据库：向量数据库（如Chroma、Pinecone、Milvus、FAISS、Annoy等）旨在存储嵌入向量。它们能够高效地检索与查询最相似的数据，基于向量相似性。

推荐：

• LangChain — Text splitters: List of different text splitters implemented in LangChain.（https://python.langchain.com/docs/modules/data_connection/document_transformers/）

• Sentence Transformers library: Popular library for embedding models.（https://www.sbert.net/）

• MTEB Leaderboard: Leaderboard for embedding models.（https://huggingface.co/spaces/mteb/leaderboard）

• The Top 5 Vector Databases by Moez Ali: A comparison of the best and most popular vector databases.（https://www.datacamp.com/blog/the-top-5-vector-databases）

3. 检索增强生成（RAG）

通过RAG（RAG 系统从 POC 到生产应用：全面解析与实践指南），LLM可以从数据库中检索上下文文档，以提高其回答的准确性。RAG是一种流行的方法，可以在不进行微调的情况下增强模型的知识。

• 协调器：协调器（如LangChain、LlamaIndex、FastRAG等）是流行的框架，用于将LLM与工具、数据库、记忆等连接起来，增强它们的能力。

• 检索器：用户指令并不适合检索。不同的技术（例如多查询检索器、HyDE等）可以用来改写/扩展它们，以提高性能。

• 记忆：为了记住之前的指令和回答，LLM和聊天机器人（如ChatGPT）会将其历史记录添加到上下文窗口中。这个缓冲区可以通过总结（例如使用较小的LLM）、向量存储+RAG等方式进行改进。

• 评估：我们需要评估文档检索（上下文精确度和召回率）和生成阶段（忠实度和答案相关性）。可以使用Ragas和DeepEval等工具简化评估。

推荐：

• Llamaindex — High-level concepts: Main concepts to know when building RAG pipelines.（https://docs.llamaindex.ai/en/stable/getting_started/concepts.html）

• Pinecone — Retrieval Augmentation: Overview of the retrieval augmentation process.（https://www.pinecone.io/learn/series/langchain/langchain-retrieval-augmentation/）

• LangChain — Q&A with RAG: Step-by-step tutorial to build a typical RAG pipeline.（https://python.langchain.com/docs/use_cases/question_answering/quickstart）

• LangChain — Memory types: List of different types of memories with relevant usage.（https://python.langchain.com/docs/modules/memory/types/）

• RAG pipeline — Metrics: Overview of the main metrics used to evaluate RAG pipelines.（https://docs.ragas.io/en/stable/concepts/metrics/index.html）

4. 高级RAG

现实世界的应用可能需要复杂的管道，包括SQL或图数据库，以及自动选择相关的工具和API。这些高级RAG技术（选择合适自己的检索增强生成（RAG）技术：综合指南）可以改进基础解决方案，并提供额外的功能。

• 查询构建：存储在传统数据库中的结构化数据需要特定的查询语言，如SQL、Cypher、元数据等。我们可以直接将用户指令翻译成查询语句，以便访问数据。

• 代理和工具：代理通过自动选择最相关的工具来增强LLM，以提供答案。这些工具可以简单到使用Google或Wikipedia，也可以复杂到使用Python解释器或Jira。

• 后处理：最后一步是对输入到LLM的内容进行处理。它通过重新排序、RAG融合和分类等技术增强检索文档的相关性和多样性。

• 程序化LLM：像DSPy这样的框架允许基于自动化评估优化提示和权重，以程序化的方式进行。

推荐：

• LangChain — Query Construction: Blog post about different types of query construction.（https://blog.langchain.dev/query-construction/）

• LangChain — SQL: Tutorial on how to interact with SQL databases with LLMs, involving Text-to-SQL and an optional SQL agent.（https://python.langchain.com/docs/use_cases/qa_structured/sql）

• Pinecone — LLM agents: Introduction to agents and tools with different types.（https://www.pinecone.io/learn/series/langchain/langchain-agents/）

• LLM Powered Autonomous Agents by Lilian Weng: A more theoretical article about LLM agents.（https://lilianweng.github.io/posts/2023-06-23-agent/）

• LangChain — OpenAI’s RAG: Overview of the RAG strategies employed by OpenAI, including post-processing.（https://blog.langchain.dev/applying-openai-rag/）

• DSPy in 8 Steps: General-purpose guide to DSPy introducing modules, signatures, and optimizers.（https://dspy-docs.vercel.app/docs/building-blocks/solving_your_task）

5. 推理优化

文本生成是一个成本高昂的过程，需要昂贵的硬件支持。除了量化技术外，还提出了多种方法来最大化吞吐量并降低推理成本（Google DeepMind研究员关于LLM推理讲座的深度解析（含原视频链接））。

• Flash Attention：对注意力机制的优化，将其复杂度从二次方降低到线性，从而加速训练和推理过程。

• 键值缓存：了解键值缓存以及在多查询注意力（MQA）和分组查询注意力（GQA）中引入的改进。

• 推测性解码：使用小型模型生成草稿，然后由大型模型进行审核，从而加速文本生成。

推荐：

• GPU Inference by Hugging Face: Explain how to optimize inference on GPUs.（https://huggingface.co/docs/transformers/main/en/perf_infer_gpu_one）

• LLM Inference by Databricks: Best practices for how to optimize LLM inference in production.（https://www.databricks.com/blog/llm-inference-performance-engineering-best-practices）

• Optimizing LLMs for Speed and Memory by Hugging Face: Explain three main techniques to optimize speed and memory, namely quantization, Flash Attention, and architectural innovations.（https://huggingface.co/docs/transformers/main/en/llm_tutorial_optimization）

• Assisted Generation by Hugging Face: HF’s version of speculative decoding, it’s an interesting blog post about how it works with code to implement it.（https://huggingface.co/blog/assisted-generation）

6. 部署LLM

大规模部署LLM是一项工程壮举，可能需要多个GPU集群。在其他情况下，演示和本地应用可以通过更低的复杂性实现。

• 本地部署：隐私是开源LLM相对于私有LLM的重要优势。本地LLM服务器（如LM Studio、Ollama、oobabooga、kobold.cpp等）利用这一优势为本地应用提供支持。

• 演示部署：像Gradio和Streamlit这样的框架有助于快速构建应用并分享演示。你还可以轻松地将它们托管在线上，例如使用Hugging Face Spaces。

• 服务器部署：大规模部署LLM需要云（参见SkyPilot）或本地基础设施，并且通常会利用优化的文本生成框架，如TGI（Text Generation Inference）、vLLM等。

• 边缘部署：在资源受限的环境中，高性能框架（如MLC LLM和mnn-llm）可以在网页浏览器、Android和iOS上部署LLM。

推荐：

• Streamlit — Build a basic LLM app: Tutorial to make a basic ChatGPT-like app using Streamlit.（https://docs.streamlit.io/knowledge-base/tutorials/build-conversational-apps）

• HF LLM Inference Container: Deploy LLMs on Amazon SageMaker using Hugging Face’s inference container.（https://huggingface.co/blog/sagemaker-huggingface-llm）

• Philschmid blog by Philipp Schmid: Collection of high-quality articles about LLM deployment using Amazon SageMaker.（https://www.philschmid.de/）

• Optimizing latency by Hamel Husain: Comparison of TGI, vLLM, CTranslate2, and mlc in terms of throughput and latency.（https://hamel.dev/notes/llm/inference/03_inference.html）

7. 保障LLM的安全

除了传统软件相关的安全问题外，LLM由于其训练和提示的方式，还存在独特的弱点。

• 提示攻击：与提示工程相关的不同技术，包括提示注入（附加指令以劫持模型的回答）、数据/提示泄露（检索其原始数据/提示）和越狱（精心设计提示以绕过安全功能）。

• 后门攻击：攻击向量可以针对训练数据本身，通过污染训练数据（例如，加入虚假信息）或创建后门（秘密触发器以在推理时改变模型行为）。

• 防御措施：保护LLM应用的最佳方法是对其进行漏洞测试（例如，使用红队测试和garak等工具）并在生产环境中进行监控（使用langfuse等框架）。

推荐：

• OWASP LLM Top 10 by HEGO Wiki: List of the 10 most critical vulnerabilities seen in LLM applications.（https://owasp.org/www-project-top-10-for-large-language-model-applications/）

• Prompt Injection Primer by Joseph Thacker: Short guide dedicated to prompt injection for engineers.（https://github.com/jthack/PIPE）

• LLM Security by @llm_sec: Extensive list of resources related to LLM security.（https://llmsecurity.net/）

• Red teaming LLMs by Microsoft: Guide on how to perform red teaming with LLMs.（https://learn.microsoft.com/en-us/azure/ai-services/openai/concepts/red-teaming）