👉先说给非IT同学的建议（IT同学请一定看到最后）:

☘️用chatGPT,学习用chatGPT的技巧，死磕chatGPT,直到能够用最短的时间拿到真正的答案。

☘️你的专业是什么，就用chatGPT去提高当前专业的工作效率。而不是去单纯的"学AI"。AI是聪明的，但是这个聪明需要有落脚点。不用去学编程，只要把本专业的逻辑搞通了，所有的AI工具都能为你所用。

☘️看到很多博主推荐AI工具🛠️，美图秀秀都算上了。我想说AI≠傻瓜式，AI≠一键生成。AI需要有非常明确的指令输入，虽然这个指令可以是我们自然的语言，但是必须逻辑清晰，否则永远得不到好的答案。当然AI也会协助梳理逻辑。人工智能的输出结果取决于指令的质量，指令的质量取决于用户的专业水平。还是要提高本专业水平，同时学会向chatGPT提问。

☘️chatGPT不能做知识来源。因为他太容易胡扯（hallucination)。他更应该是一个学生，用户越专业，他调教的chatGPT就越厉害。切勿本末倒置。我的的水平就是我的chatGPT的天花板[笑哭R]

👉我在做什么

芯片大厂实习，主要方向是大语言模型LLM的应用。一路深究到向量数据库vectordatabase和similarity搜索🔍，retrieval augmented generation (RAG)……从huggingface 上拉了很多模型对比，最后还得是chatGPT4，现在应该是chatGPT4o。主要是说如果RAG做的到位，可以大大减少LLM胡扯的概率。

其次就是应用，LLM能用到哪里？多大程度上改变我们的工作方式？可以彻底替代程序员吗？就……目前为止，比较祛魅。任何一个新的AI产品发布出来都是一阵欢呼，一阵恐慌，然后就发现……呃[汗颜R]好像不是我们想的那么回事儿诶，让子弹再飞忆会儿？

在实习的后期，为了实现我们的用户需求，已经从LLM方向转向graphdb方向了。但是mentors还是一再强调整个开发过程一定要用AI协助，最重要的是充分的利用AI提高工作效率，而不是一定要做个AI的东西出来。

👉最后给想要转IT或者人工智能的同学小建议

🍀从Python入手处理数据，学会用自动化的方式采集和处理海量的数据，拿到一个文件搞清楚底层的数据类型是什么，怎么转换，怎么提取有用的部分，怎么保留有用的信息……

🍀langchain是一个很棒的AI产品开发框架，可以从他入手建立系统的知识体系。

🍀AI整体上没有减少工作量，因为工作量始终是一天8小时。但是确实是丝滑的8小时。如果能够配合文档一起的话，有种无所不能的感觉。[偷笑R][偷笑R][偷笑R]