Elasticsearch集群网络配置：从零实现指南
2026/1/10 2:21:14
说到AI有很大实用价值，笔者最喜欢举的例子，就是笔者亲身用AI大模型SUNO创作歌曲，从一个纯粹的门外汉，短短两年时间成为创作了200+首作品的音乐创作者，其中许多作品被网友和朋友称赞好听。
不过这篇文章不讲音乐创作，而是想从另外一个角度讲讲AI的实用性，虽然对于比较了解AI大模型的朋友来说将要讲的例子可能很平常，但因为是笔者实际应用的经历，是真实的案例以及相应的细节，比较有说服力，而且对于初学者也会比较有参考意义，所以还是觉得可以拿出来说道说道。
事情是这样，几天前，作为软件产品设计的一个朋友因为工作量太多，忙不过来，让笔者帮忙用AI生成几张图，这对笔者来说应该是小菜一碟，于是欣然答应了。
第一张图是一个云形的对话提示框，笔者给出的提示词是：云状提示框，白底。
采用的是阿里通义万相大模型，生成结果如下：
很漂亮！不过这是那种在页面上飘动的对话提示框，不需要有那个指向的箭头，另外朋友说背景需要蓝色，于是笔者调用通义万相的编辑功能，提示词：去掉箭头，背景改为蓝色。
非常好！
第二张是一个网页背景底图，主题是商家、店铺，提示词：商业区，夜晚，可看到部分天空，较暗，俯视图。
由于是背景图，为了突出其上的浅色文字，所以图需要比较暗。
朋友看了后认为下面还是比较亮，可能会干扰文字的阅读，于是对其进行编辑，提示词：亮的部分再暗一些。
亮的部分确实暗了，但天空部分比较小，留给放文字的地方不太够，如果较多文字都放到了下面的商业区，因为背景杂乱可能仍会影响文字的阅读，而且天空中有很多云，看上去也比较乱，恐会对文字有影响，所以再次编辑，提示词：天空部分再多一些，天空云少一些。
完美！
第三张图是一个产品推广促销的网页弹窗，可是笔者并非美术专业人士，怎么设计这个弹窗笔者也感到摸不着头脑，灵机一动，何不让语言大模型来帮忙设计？
于是把弹窗内的促销文案给到DeepSeek，并提示说：我要用通义万相大模型生成一张底图，用于网页的一个推广弹窗，请帮我写出提示词，弹窗中的文案为……
DeepSeek生成的提示词如下：
现代简约商业活动推广背景图，用于促销活动。
【核心视觉要求】
整体风格：专业、可信、有节日福利感，色调以蓝、金、白为主，搭配少许红色点缀。
构图布局：中央或上方预留充足空间放置文案，背景设计简洁但有层次感，避免干扰文字阅读。
关键元素：
左侧或背景融入抽象的……轮廓，颜色低调。
右侧或前景加入“盾牌”、“保护罩”，以及抽象图形，线条流畅现代。
点缀金色或红色的“礼盒”、“彩带”、“星星”元素。
底部可添加微妙的网格、渐变或光效，营造科技感和信赖感。
- 质感与光影：柔和的光影对比，整体明亮清晰，有轻微质感（如磨砂或微渐变背景）。
……
（略去了其中的商业敏感信息。因为促销的是保障类产品，所以有盾牌或保护罩）
然后笔者把DeepSeek生成的提示词给到通义万相，生成结果如下：
还不错吧！
可是朋友看了说“感觉设计有点老旧的样子”，他这么一说，笔者再看也有相同的感觉。
于是笔者在原来的提示词中加入“现代、新潮、适合年轻人”等词，另外估计下面那个“网格”可能会让人觉得老套，所以去掉“网格”相关的提示，一番操作后，再次生成结果如下：
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。