作者 | 李冬梅
ChatGPT 的誕生打響了現(xiàn)代 AI 軍備競(jìng)賽的第一槍。以 GPT-4、ChatGTP、Bard 等為代表的大語(yǔ)言模型在全球各界引起了廣泛關(guān)注。結(jié)合 ChatGPT 的底層技術(shù)邏輯，未來(lái)中短期內(nèi) ChatGPT 產(chǎn)業(yè)化的方向大致有四類(lèi)：即智能客服、文字模態(tài)的 AIGC 應(yīng)用、代碼開(kāi)發(fā)相關(guān)工作以及圖像生成。其中，最適合直接落地的項(xiàng)目就是智能客服類(lèi)的工作。
基于大模型技術(shù)所構(gòu)建的智能客服正在從根本上改變傳統(tǒng)的人機(jī)交互過(guò)程，大模型自動(dòng)生成對(duì)話流程讓運(yùn)營(yíng)智能客服更高效，可以提升復(fù)雜纏繞問(wèn)題解決率、人機(jī)交互感知程度，以及意圖理解、流程構(gòu)建、知識(shí)生成等運(yùn)營(yíng)內(nèi)容的效率。
如果單從產(chǎn)品滲透率層面來(lái)看，智能客服早在過(guò)去的七八年里就已經(jīng)在電商、金融等等領(lǐng)域慢慢普及開(kāi)來(lái)了。大模型帶來(lái)的兩個(gè)核心改變，一個(gè)是開(kāi)發(fā)智能客服產(chǎn)品的成本大幅度下降，另一個(gè)就是用戶體驗(yàn)的提升。
在 2016 年左右，做一個(gè)智能客服的原型產(chǎn)品要一個(gè)七八人的小團(tuán)隊(duì)耗時(shí)幾個(gè)月的時(shí)間才能完成。有了大模型之后，現(xiàn)在可能一個(gè)工程師兩到三天就做出來(lái)了。雖然將原型產(chǎn)品進(jìn)行產(chǎn)品化需要更長(zhǎng)的時(shí)間，但是和以前投入的人力和時(shí)間成本來(lái)比也是數(shù)量級(jí)層面的下降。
此外，過(guò)去的智能客服產(chǎn)品雖然也稱(chēng)之為“智能”但回答問(wèn)題時(shí)會(huì)給用戶留下“呆板”的印象，基本上回答內(nèi)容都是預(yù)先寫(xiě)好的模版，能夠回答的問(wèn)題也有限?，F(xiàn)在大語(yǔ)言模型能夠根據(jù)用戶的問(wèn)題和對(duì)應(yīng)的標(biāo)準(zhǔn)答案，給出個(gè)性化的答案，用戶體驗(yàn)上已經(jīng)不太容易分辨出是人工客戶還是機(jī)器客服了，這一點(diǎn)上是很明顯的提升。
隨著新一代智能技術(shù)的突破，尤其是大模型可以為智能客服提供強(qiáng)大的自然語(yǔ)言生成能力，勢(shì)必將智能客服推向更加智能化、高效化和個(gè)性化的新局面。
但不得不注意的是，盡管大語(yǔ)言模型在智能客服領(lǐng)域的應(yīng)用前景看起來(lái)非常樂(lè)觀，但在現(xiàn)階段它的應(yīng)?場(chǎng)景仍不成熟：主要表現(xiàn)在其?成結(jié)果不夠穩(wěn)定，且可信度也不夠高。從實(shí)際應(yīng)?場(chǎng)景來(lái)說(shuō)，成熟穩(wěn)定、經(jīng)過(guò)市場(chǎng)驗(yàn)證的產(chǎn)品如果貿(mào)然引?達(dá)模型可能會(huì)給產(chǎn)品帶來(lái)巨?的變化，甚?影響客戶體驗(yàn)、浪費(fèi)?量??物?。
那么，想要將 LLM 大語(yǔ)言模型與智能客服產(chǎn)品進(jìn)行結(jié)合，或者將前者落地于 ToB SaaS 應(yīng)用軟件領(lǐng)域，該如何著手搭建技術(shù)棧？大模型產(chǎn)品將如何賦能智能客服產(chǎn)品？帶著這些問(wèn)題，我們采訪了華院計(jì)算技術(shù)總監(jiān)兼數(shù)字人事業(yè)部聯(lián)合負(fù)責(zé)人賈皓文和中關(guān)村科金智能交互研發(fā)總監(jiān)、中關(guān)村科金智能客服技術(shù)團(tuán)隊(duì)負(fù)責(zé)人王素文，探討 AIGC 在智能客服產(chǎn)品中的落地及未來(lái)發(fā)展趨勢(shì)。
1大模型在智能客服領(lǐng)域的落地
可以看到，目前 AIGC 智能客服的優(yōu)勢(shì)?常明顯，隨著 AIGC 智能客服技術(shù)的不斷升級(jí)和完善，其在?融、電商、物流等領(lǐng)域的應(yīng)用前景也是十分樂(lè)觀的。
但在大模型掀起一場(chǎng)“新革命”革命之前，我們還需要為其鋪好每一段路，不能操之過(guò)急。比如在智能客服產(chǎn)品領(lǐng)域中，對(duì)話通常是限定于特定業(yè)務(wù)領(lǐng)域和任務(wù)驅(qū)動(dòng)的需求。但客戶并不希望訪客進(jìn)來(lái)只是為了尋找?個(gè)超級(jí)智能、善解?意、會(huì)寫(xiě)會(huì)畫(huà)的聊天機(jī)器?。對(duì)話內(nèi)容必須在企業(yè)業(yè)務(wù)范疇內(nèi)收斂，服務(wù)于客服和營(yíng)銷(xiāo)場(chǎng)景，解決和處理問(wèn)題，不要浪費(fèi)寶貴的資源。直接將 ChatGPT 這類(lèi)大模型引?客服領(lǐng)域?不加控制，其結(jié)果難免會(huì)讓人失望。
構(gòu)建一款能夠?qū)嶋H應(yīng)用于業(yè)務(wù)中的大模型并非容易事，通常需要完成多項(xiàng)步驟，包括大模型選型、數(shù)據(jù)采集清洗、模型訓(xùn)練、模型測(cè)試與評(píng)估、模型微調(diào)、部署應(yīng)用等。具體鏈路：
- 選擇開(kāi)源的通用大模型
- 收集領(lǐng)域數(shù)據(jù)，用領(lǐng)域數(shù)據(jù)繼續(xù)訓(xùn)練開(kāi)源大模型（學(xué)術(shù)上叫知識(shí)注入），得到領(lǐng)域大模型
- 整理領(lǐng)域任務(wù)的指令集合（可以半自動(dòng)生成），用這些指令數(shù)據(jù)對(duì)領(lǐng)域大模型進(jìn)行指令微調(diào)
- 篩選優(yōu)質(zhì)的真實(shí)場(chǎng)景的客服多輪對(duì)話數(shù)據(jù)，繼續(xù)微調(diào)領(lǐng)域大模型（使領(lǐng)域大模型的對(duì)話能力增強(qiáng)）
- 收集一些安全相關(guān)的問(wèn)題（例如涉及到政治、敏感話題、歧視等），人工給出符合安全要求的答案，繼續(xù)微調(diào)大模型（對(duì)齊到人類(lèi)的價(jià)值觀、規(guī)范）
- 模型部署，對(duì)接智能客服系統(tǒng)進(jìn)行應(yīng)用
數(shù)據(jù)準(zhǔn)備
對(duì)話模型的訓(xùn)練數(shù)據(jù)應(yīng)該具有足夠的質(zhì)量和多樣性，以提高模型的泛化能力。對(duì)話數(shù)據(jù)可以通過(guò)爬蟲(chóng)、問(wèn)答社區(qū)、對(duì)話記錄等多種方式獲得。在獲得數(shù)據(jù)后，需要進(jìn)行數(shù)據(jù)清洗和預(yù)處理，使得數(shù)據(jù)格式規(guī)范、數(shù)據(jù)質(zhì)量高。
模型訓(xùn)練
在準(zhǔn)備好訓(xùn)練數(shù)據(jù)后，就可以開(kāi)始訓(xùn)練大模型了。在訓(xùn)練過(guò)程中，需要選擇合適的超參數(shù)，如學(xué)習(xí)率、批量大小、訓(xùn)練輪數(shù)等，以達(dá)到最佳的效果。另外，在訓(xùn)練過(guò)程中，可以使用分布式訓(xùn)練技術(shù)，以加速訓(xùn)練過(guò)程。
模型優(yōu)化
在模型訓(xùn)練完成后，需要對(duì)模型進(jìn)行評(píng)估和優(yōu)化，以提高模型的泛化能力和效果。常見(jiàn)的優(yōu)化方法包括調(diào)整超參數(shù)、增加訓(xùn)練數(shù)據(jù)、使用正則化技術(shù)、剪枝模型等。另外，也可以通過(guò)模型蒸餾等技術(shù)，將大模型的知識(shí)轉(zhuǎn)移給小模型，以提高小模型的效果。
對(duì)話生成
在模型訓(xùn)練和優(yōu)化完成后，就可以進(jìn)行對(duì)話生成了。對(duì)話生成可以通過(guò)兩種方式實(shí)現(xiàn)：一種是使用單個(gè)模型進(jìn)行對(duì)話生成，另一種是使用多個(gè)模型進(jìn)行對(duì)話生成。在使用單個(gè)模型進(jìn)行對(duì)話生成時(shí)，需要對(duì)話模型具備記憶能力，即模型可以通過(guò)上下文信息，生成更加合理、連貫的對(duì)話回復(fù)。在使用多個(gè)模型進(jìn)行對(duì)話生成時(shí)，可以利用模型的多樣性，生成更加豐富、多樣的對(duì)話文本。
在智能客服產(chǎn)品中，最需要內(nèi)容?產(chǎn)能?的地?，莫過(guò)于知識(shí)庫(kù)。?般??，智能客服產(chǎn)品都具備這樣?類(lèi)知識(shí)庫(kù)：內(nèi)部知識(shí)庫(kù)、機(jī)器?知識(shí)庫(kù)和外部知識(shí)庫(kù)。
對(duì)于內(nèi)部知識(shí)庫(kù)，?般將其定義成需要實(shí)時(shí)定位查詢(xún)使?的知識(shí)庫(kù)。由于企業(yè)的業(yè)務(wù)變化頻繁，知識(shí)庫(kù)的調(diào)整需要及時(shí)到位。傳統(tǒng)的上傳、編輯、整理等流程?常耗費(fèi)?作量。引?大模型，可以協(xié)助?效智能的協(xié)助員?歸類(lèi)、?成知識(shí)庫(kù)的類(lèi)?及明細(xì)。同時(shí)，還可以增加對(duì)外部數(shù)據(jù)源的引?，并減少知識(shí)庫(kù)的同步操作。?戶在實(shí)際應(yīng)?時(shí)，還可以給對(duì)知識(shí)點(diǎn)給出反饋，幫助知識(shí)庫(kù)?動(dòng)調(diào)節(jié)權(quán)重。
機(jī)器?知識(shí)庫(kù)是?本和語(yǔ)?機(jī)器?能夠回答訪客問(wèn)題的核?所在。機(jī)器?知識(shí)庫(kù)的有效內(nèi)容對(duì)于機(jī)器?的表現(xiàn)?關(guān)重要。對(duì)于未知問(wèn)題的整理，需要智能客服使?者?量投??作量。借助?戶反饋對(duì)未知問(wèn)題進(jìn)??動(dòng)整理和關(guān)聯(lián)，能節(jié)省很多知識(shí)庫(kù)維護(hù)者的?作。同時(shí)，通過(guò)多機(jī)器?組合的?式，在?通會(huì)話中接?棒?般服務(wù)于客戶的不同場(chǎng)景，大模型專(zhuān)屬機(jī)器?也可以在特定的場(chǎng)合發(fā)揮能?，并逐步替代?些以往模式僵化的問(wèn)答型機(jī)器?。
而外部知識(shí)庫(kù)需要整合在智能客服產(chǎn)品中，將已整理的知識(shí)內(nèi)容轉(zhuǎn)化為輸出產(chǎn)物，更?便?成知識(shí)?章、圖?、甚??視頻?；?ChatGPT 的多模態(tài)的 AIGC 能?，可以快速?成?個(gè)個(gè)性化的知識(shí)空間。
總的來(lái)說(shuō)，還是利?大模型??的?成能?，基于向量數(shù)據(jù)庫(kù)、可信內(nèi)容審核等技術(shù)，為智能客服提供優(yōu)質(zhì)的內(nèi)容補(bǔ)充。
盡管大模型在智能客服領(lǐng)域的構(gòu)建流程和鏈路已經(jīng)基本清晰，但在實(shí)際落地過(guò)程中仍然面臨著多種挑戰(zhàn)。
據(jù)受訪專(zhuān)家透露，這些挑戰(zhàn)主要來(lái)自數(shù)據(jù)層面，以及和實(shí)際客戶的系統(tǒng)場(chǎng)景對(duì)接層面，產(chǎn)品本身反而是比較容易的。例如，新要上的系統(tǒng)的客戶數(shù)據(jù)本身是原始的數(shù)據(jù)，需要清理出高質(zhì)量的結(jié)構(gòu)化的數(shù)據(jù)才能夠有一個(gè)比較好的效果，但這一步是十分困難的。
第二個(gè)是當(dāng)實(shí)際深入到業(yè)務(wù)中去的時(shí)候，會(huì)出現(xiàn)各種信息散落在客戶內(nèi)部的各種系統(tǒng)里的情況，只有把這些信息打通才能有一個(gè)好的效果和體驗(yàn)。這些都是未來(lái)需要重點(diǎn)攻破的難題。
做 Demo 很容易，但是要深入場(chǎng)景的成本，其實(shí)主要不在有一個(gè)模型上，其實(shí)沒(méi)法給一個(gè)具體的數(shù)字。
2如何讓智能客服說(shuō)“人話”？
目前，以 ChatGPT 為代表的大模型已經(jīng)在許多企業(yè)中用于智能客服應(yīng)用。它可以通過(guò)自動(dòng)回答常見(jiàn)問(wèn)題、解決簡(jiǎn)單問(wèn)題和提供基本支持，減輕人工客服的負(fù)擔(dān)。大語(yǔ)言模型通過(guò)深度學(xué)習(xí)和大量的語(yǔ)言數(shù)據(jù)訓(xùn)練，能夠理解和生成人類(lèi)語(yǔ)言，使得用戶能夠以自然的方式與它交互。在一些常見(jiàn)的客戶查詢(xún)和問(wèn)題解答方面，這類(lèi)大模型已經(jīng)取得了相當(dāng)不錯(cuò)的效果。
然而，當(dāng)前的大語(yǔ)言模型在實(shí)際應(yīng)用于智能客服場(chǎng)景中時(shí)仍存在一些挑戰(zhàn)——它可能會(huì)生成錯(cuò)誤或不準(zhǔn)確的回答，尤其是對(duì)于復(fù)雜的問(wèn)題或領(lǐng)域特定的知識(shí)，這就對(duì)智能化程度提出了更高的要求。未來(lái)的在線客服系不僅需要更高級(jí)的算法和機(jī)器學(xué)習(xí)技術(shù)，還需要更多精準(zhǔn)的自然語(yǔ)言處理能力。這將對(duì)在技術(shù)上不太強(qiáng)大的企業(yè)形成巨大的壓力。
此外，隨著用戶數(shù)量和訪客量的增多，未來(lái)智能客服將需要處理超大規(guī)模的并發(fā)請(qǐng)求。這需要系統(tǒng)在多種方面都擁有特殊的設(shè)計(jì)，如負(fù)載均衡、高可擴(kuò)展性和高可用性等。
現(xiàn)在市面上的很多對(duì)話機(jī)器人，回答是單一固定的，變化比較少，與真實(shí)的人與人對(duì)話還有差距，未來(lái)的智能客服系統(tǒng)將需要進(jìn)一步加強(qiáng)對(duì)用戶行為的自適應(yīng)性和個(gè)性化服務(wù)。這就需要系統(tǒng)學(xué)習(xí)更多的用戶數(shù)據(jù)和信息，并適應(yīng)不同的用戶行為，為他們提供更好的服務(wù)和體驗(yàn)。如何提升用戶體驗(yàn)就成為了智能客服供應(yīng)商主攻的方向。
具體來(lái)講，主要應(yīng)從人性化服務(wù)、個(gè)性化服務(wù)和擬人化的對(duì)話交互方面進(jìn)行改進(jìn)。
首先是人性化服務(wù)。在場(chǎng)景和意圖理解精準(zhǔn)的基礎(chǔ)上，附加更有溫度的對(duì)話語(yǔ)境，可以讓機(jī)器人在擬人化上，再進(jìn)一步。多模態(tài)情感計(jì)算是實(shí)現(xiàn)這一步的有效方法。目前，我們正在推進(jìn)虛擬數(shù)字人客服進(jìn)行人機(jī)交互對(duì)話，在此過(guò)程中結(jié)合情感計(jì)算，可識(shí)別用戶通過(guò)視頻、語(yǔ)音、文本所傳遞的情感表達(dá)，讓智能客服在應(yīng)對(duì)是作出相應(yīng)情感反饋，打造具有情感理解、有溫度的人機(jī)交互。這種多模態(tài)情感計(jì)算技術(shù)的實(shí)現(xiàn)方法主要是通過(guò)基于專(zhuān)家規(guī)則和基于機(jī)器學(xué)習(xí)兩種。其中，基于機(jī)器學(xué)習(xí)的方法通過(guò)訓(xùn)練模型來(lái)自動(dòng)學(xué)習(xí)情感狀態(tài)的分類(lèi)標(biāo)準(zhǔn)，可以更好地適應(yīng)不同領(lǐng)域、不同語(yǔ)境下的情感表達(dá)，效果相對(duì)更優(yōu)些。
其次是擬人化的對(duì)話型交互。通過(guò)場(chǎng)景化設(shè)計(jì)優(yōu)化，比如問(wèn)題拆解、主題繼承、多輪對(duì)話、上下文理解等等，機(jī)器人能夠帶來(lái)一種更加貼近自然對(duì)話場(chǎng)景的對(duì)話型交互模式。
第三是個(gè)性化服務(wù)。根據(jù)客戶畫(huà)像千人千面提供個(gè)性化服務(wù)，從多角度出發(fā)進(jìn)行語(yǔ)義理解，此外還要附加語(yǔ)音情緒判別。
大模型誕生后，無(wú)疑為智能客服領(lǐng)域注入了新的“營(yíng)養(yǎng)劑”。這種“革新”體現(xiàn)在多個(gè)方面，包括座席輔助和座席提效、閑聊寒暄、話術(shù)優(yōu)化建議、提供語(yǔ)料擴(kuò)寫(xiě)等。
- 座席輔助和座席提效：過(guò)去的智能輔助更多局限于按單輪對(duì)話來(lái)完成，基于大模型的能力能夠快速分析并生成面向客戶側(cè)的系統(tǒng)支撐策略，這種處理效率和結(jié)果，遠(yuǎn)超出依附純規(guī)則或者純知識(shí)庫(kù)所能達(dá)到的效果；
- 閑聊寒暄：是智能客服非常關(guān)鍵的基礎(chǔ)能力，能夠幫助企業(yè)對(duì)任意進(jìn)線客戶進(jìn)行即時(shí)響應(yīng)。過(guò)去的智能客服閑聊主要是將各類(lèi)非業(yè)務(wù)相關(guān)的語(yǔ)料堆到素材庫(kù)，并通過(guò)調(diào)取數(shù)據(jù)庫(kù)已有的關(guān)鍵詞進(jìn)行內(nèi)容的回復(fù)。如今可以充分借助大模型能力提供閑聊，在非業(yè)務(wù)領(lǐng)域上為座席和客服提供更多決策依據(jù)和參考；
- 話術(shù)優(yōu)化建議：話術(shù)往往決定了客服的效果，話術(shù)回復(fù)不精準(zhǔn)將直接導(dǎo)致用戶的流失。通過(guò)大模型強(qiáng)大的內(nèi)容生成能力，智能客服能夠?qū)υ捫g(shù)進(jìn)行不斷地迭代和與優(yōu)化，提升客戶滿意度；
- 提供語(yǔ)料擴(kuò)寫(xiě)：在智能客服冷啟動(dòng)階段，往往需要足夠多的語(yǔ)料來(lái)豐富知識(shí)庫(kù)的相似問(wèn)法，以保證上線初期智能客服有足夠高的解決率和場(chǎng)景覆蓋率。以往的語(yǔ)料生成模型很難覆蓋眾多垂直行業(yè)和領(lǐng)域，大模型在通用領(lǐng)域中積累了足夠的數(shù)據(jù)和語(yǔ)料，可以很好的彌補(bǔ)語(yǔ)料生成模型的不足，快速生成相似問(wèn)法，解決智能客服冷啟動(dòng)語(yǔ)料不足，場(chǎng)景覆蓋率低等問(wèn)題。
歸根結(jié)底，提高對(duì)話質(zhì)量的核心還是理解客戶和用戶的場(chǎng)景，以及能夠搭建出衡量得失的數(shù)據(jù)框架。這兩個(gè)組合之下，會(huì)有一個(gè)循環(huán)反饋的過(guò)程，就能夠通過(guò)正常的產(chǎn)品迭代達(dá)到好的效果，并且能夠衡量出來(lái) ROI 和對(duì)實(shí)際業(yè)務(wù)的共享。
3未來(lái)，AIGC 是否會(huì)完全取代客服人員？
隨著全社會(huì)點(diǎn)數(shù)智化進(jìn)程步入深水區(qū)，越來(lái)越多的企業(yè)開(kāi)始使用數(shù)字化工具——智能客服系統(tǒng)來(lái)做好客戶服務(wù)，打造極致體驗(yàn)，進(jìn)而提升企業(yè)核心競(jìng)爭(zhēng)力。
無(wú)論是垂直領(lǐng)域還是通用型職能客服廠商，都希望憑借 AIGC 技術(shù)的成熟讓企業(yè)更上一個(gè)臺(tái)階。但要想把夢(mèng)境變?yōu)楝F(xiàn)實(shí)，仍然任重?道遠(yuǎn)。?如需要衡量成本與收益之間的投?產(chǎn)出?、需要保證?戶的數(shù)據(jù)隱私安全并遵守相關(guān)的法律法規(guī)、需要保證產(chǎn)品在不同?業(yè)場(chǎng)景的通?性及靈活度。
就客服行業(yè)而言，傳統(tǒng)人工客服向智能客服升級(jí)是必然趨勢(shì)，但在可預(yù)見(jiàn)的未來(lái)內(nèi)，智能客服還無(wú)法完全替代人工客服。它們分別有不同的特點(diǎn)和定位，在處理復(fù)雜問(wèn)題以及對(duì)高潛客戶跟進(jìn)的服務(wù)場(chǎng)景中，人工客服仍然處于不可或缺的地位。因此，企業(yè)需要根據(jù)自身實(shí)際情況，綜合考慮人工客服和智能客服的優(yōu)勢(shì)，從而制定最佳的客戶服務(wù)策略。
整體來(lái)看，AIGC 未來(lái)有較廣闊的發(fā)展空間，未來(lái)兩三年 AIGC 和類(lèi) ChatGPT 產(chǎn)業(yè)將高速發(fā)展，帶來(lái)互聯(lián)網(wǎng)和企服產(chǎn)業(yè)的進(jìn)一步升級(jí)和變化。
不過(guò)目前在內(nèi)容質(zhì)量、投入成本、數(shù)據(jù)安全、隱私規(guī)范、版權(quán)歸屬等方面仍存諸多問(wèn)題。另外，在長(zhǎng)文本生成、視頻生成、融入世界知識(shí)等方面，還需更好的建模方法；通過(guò)加大模型參數(shù)增強(qiáng) AI 能力，其訓(xùn)練和推理成本高昂，需要探索更經(jīng)濟(jì)、有效的性能改進(jìn)途徑。
采訪嘉賓 ：
賈皓文，華院計(jì)算技術(shù)總監(jiān)兼數(shù)字人事業(yè)部聯(lián)合負(fù)責(zé)人，原阿里巴巴集團(tuán)架構(gòu)師，也是一位連續(xù)創(chuàng)業(yè)者。
王素文，中關(guān)村科金智能交互研發(fā)總監(jiān)、中關(guān)村科金智能客服技術(shù)團(tuán)隊(duì)負(fù)責(zé)人。
點(diǎn)擊底部閱讀原文訪問(wèn) InfoQ 官網(wǎng)，獲取更多精彩內(nèi)容！
今日好文推薦
5天內(nèi)用戶數(shù)破億、增速碾壓ChatGPT，Twitter勁敵Threads是如何構(gòu)建的？
Python/ target=_blank class=infotextkey>Python吞噬世界，GPT吞噬Python！ChatGPT 上線最強(qiáng)應(yīng)用：分析數(shù)據(jù)、生成代碼都精通
LLM對(duì)程序員的沖擊和影響
阿里轉(zhuǎn)崗先離職：清空司齡裁員不給錢(qián)？馬斯克作死推特，對(duì)手小扎社交平臺(tái)喜獲3000萬(wàn)用戶；美國(guó)或限制中國(guó)用戶使用美云服務(wù)｜Q資訊
電子書(shū)推薦
AIGC 行業(yè)有哪些最新動(dòng)態(tài)？Prompt 工程師、AIGC 輔助編程實(shí)踐如何了？企業(yè)在算力優(yōu)化、智能客服等表現(xiàn)如何？
本文節(jié)選自《架構(gòu)師特刊：天工開(kāi)物 AIGC》。本期我們圍繞“AIGC”主題，邀請(qǐng)了來(lái)自不同領(lǐng)域、不同行業(yè)的 AIGC 早期實(shí)踐者進(jìn)行分享，還匯集了最近備受關(guān)注的熱門(mén)事件，盡可能為讀者同步 AIGC 領(lǐng)域的第一手信息！識(shí)別下圖二維碼，即可獲取電子刊！
AIGC 課程推薦
極客時(shí)間《AI 大模型應(yīng)用開(kāi)發(fā) · 實(shí)戰(zhàn)營(yíng)》首發(fā)，作者是深耕 AI 領(lǐng)域多年的技術(shù)專(zhuān)家彭靖田。
課程 8 周全程直播授課，覆蓋硬件選型、大模型理論、 LangChain 開(kāi)發(fā)框架剖析和落地實(shí)踐，全程緊貼實(shí)際生產(chǎn)環(huán)境。現(xiàn)在市面上流行實(shí)用的，比如 AutoGPT 數(shù)字員工、翻譯助手、智能銷(xiāo)售顧問(wèn)等經(jīng)典項(xiàng)目，課程中都會(huì)帶你動(dòng)手實(shí)踐。
不容錯(cuò)過(guò)的歷史機(jī)遇，幫助你掌握利用大模型開(kāi)發(fā)相關(guān)的 AI 應(yīng)用的能力！
