要研究的方向和准备

大语言模型（Large Language Model）崛起后，开发人员只要借助大语言模型，完全可以做到现在大部分NLP工程师在做的事，比如文本分类、实体抽取、推理等。可以预见的是，随着LLM能力的不断提升，可能做的比NLP工程是都要好。

而Meta发布的SAM（Segment Anything Model）也让让CV走到尽头，SAM将Engineering的开箱即用做到了极致。在SAM问世之前，对于中下游的从业者来说，完成一个几乎没有学术意义的分割任务至少需要：1. 大量的图像标注工作 2. 算力说得过去的机器。而在SAM问世之后，几乎可以以零标注甚至是零代码的方式实现最基础的分割任务。而且未来会出现比SAM更强的算法和模型。

因此，未来可能也不会存在NLP工程师和CV算法工程师。
就像现在没有Office工程师一样。

LLM和其他开源算法，缩小了大厂、小厂之间的差距，让数据、算力都无法与大厂相比的中小型企业也有了机制创新的可能性。没有任何算法背景的开发人员能够尽量无缝、顺滑地对接起算法工作。

创意+工程能力(执行能力) 可以诞生伟大的产品。

因此，比特鹰接下来要做的就是利用LLM构建自己颠覆性的产品。

我们要做的就是，紧跟业界最新动态：开源项目动态、大公司产品动态、牛逼的创业公司创意，进行自己的产品研发。
目前深度学习领域，规模训练见顶了，但垂直训练正在蓬勃发展。
站在巨人肩膀上，可以事半功倍。

要关注的资源

ChatGPT应用开发指南
吴恩达的Prompt课程
微软的Deep Speed Chat
开源项目LangChain
langchain-ChatGLM：基于本地知识库的 ChatGLM 等大语言模型应用实现
ChatGLM-6B
开源项目ChatGLM-Tuning
闻达：一个LLM调用平台。为小模型外挂知识库查找和设计自动执行动作，实现不亚于于大模型的生成能力

HuggingGPT
用ChatGPT作为控制器，连接HuggingFace社区中的各种AI模型，完成多模态复杂任务
https://mp.weixin.qq.com/s/Uo2jgou3Wv0PRDETCpodfw
https://huggingface.co/spaces/microsoft/HuggingGPT
https://github.com/microsoft/JARVIS

Forever Voices
打造了AI女网红，AI乔布斯等产品

https://character.ai/

向量数据库

https://www.pinecone.io/
https://milvus.io/
https://zilliz.com/