人工智能技术与现有技术(业务)之间的切入思考——论新老技术之间的关系

人工智能技术是目前技术圈中比较火的技术，但很多人对人工智能技术还没有一个清楚的认识；有些人把人工智能技术想的太复杂，而有些人把人工智能技术想的太简单。

还有很多人传统的技术开发者，甚至会认为人工智能技术是一项全新的领域，之前的开发经验和技术都没有了用武之地。

但不得不说这是一种错误的思想，因此我们今天就来讨论一下人工智能技术和现有业务体系之间的关系。

人工智能技术作为一项新兴的技术领域，就像二十年前的互联网一样，各种各样的新兴概念占领了我们的视野，很多时候我们也搞不明白这些技术和概念之间的关系。

特别是对一些具有多年传统开发经验的技术人员来说，他们对人工智能技术没有一个准确的认知；也不知道人工智能技术具体涉及到那些技术点和那些领域。

因此，很多人在现有业务体系和技术体系下，不知道应该怎么和人工智能这项新技术做结合。

其实从技术的角度来说，人工智能主要分为两大块；其一是大模型技术，其二是大模型技术的应用。

而大模型技术包含机器学习，神经网络，强化学习，模型蒸馏等等一系列技术栈；大模型技术的主要目的就是做出一个更好用，更强大的神经网络模型。

而大模型技术的应用主要包括大模型的使用，大模型的训练和微调，提示词工程，内容生成，RAG和Agent技术；以及在其之上构建的行业解决方案。

但大模型毕竟不是神，因此它只能解决它能解决的问题，因此大模型的能力范围也是有限的；所以，在企业现有的技术和业务体系下，人工智能模块只是作为业务模块中的一个功能点。

哪怕是从零开发一个人工智能产品，依然需要很多其它功能体系和业务体系进行配合；举例来说，用户体系，管理端，权限体系这些功能模块是任何系统都不可缺少的。

而从技术开发人员的角度来看，如果是做大模型技术应用，其实没有大家想象中的那么复杂，真正复杂的是大模型技术的研究，也就是怎么做出一个好的模型。

而从应用的角度来说，大模型应用最复杂的地方可能就是数据处理模块，不论是你要训练或微调模型；还是仅仅需要使用这些数据，数据处理都是大模型应用包括研究的一个困难点。

而如果你不需要训练和微调模型，那么使用大模型就更简单了；你只需要会调用接口即可，其它大量的开发工作基本都是和大模型无关的，也就是说基本上都是业务功能的开发。

当然，使用大模型还需要一个很重要的能力，那就是提示词工程；任何模型的使用都离不开提示词，而提示词工程不但能够让大模型更好的理解你的需求，同时还能约束模型的输出格式。

可以说提示词的好坏，能够直接影响到模型的效果；对模型的使用来说，提示词才是最需要考虑的东西；毕竟模型从被训练好之后，它的能力就已经确定了，除非你对模型进行重新训练或微调；但怎么挖掘它的能力，就是提示词需要做的事情了。

如果说大模型是一个拥有强大魔法的魔法师，那么提示词就是魔法师的魔法棒。