前端入门AI：通过6个问题给你讲明白

什么是AI

现在说AI，主要说的是以chatGPT为首的大语言模型（LLM），也即生成式AI，它属于自然语言处理领域（NLP）的一个分支，以输入输出形式的对话系统为展现形态。

当然，这个AI背后的技术本质，主要还是依赖于算法 + 数据，只是其算法极其复杂，数据也极其庞大，最终产生了效果上的质变，具备了一定的智能。

若论其发展阶段，当前的AI属于弱人工职能的巅峰，距离强人工智能还有一段距离，其发展方向正朝着多模态大模型（文字/图像/语音/视频等）的方向发展。

当前AI的优缺点

优点

可以处理任何NLP领域任务（比如：机器翻译、情感分类、相似度判别、文本总结等）

避免了超大规模的标注数据（解决了“有多少人工，就有多少智能”的问题）

缺点

幻觉妄语严重，有时候答非所问，分不清真实和虚构

没有链接外部实时信息，只能基于一定时段之前的数据回答问题

当前AI使用的问题

Prompt 依赖

针对AI的幻觉妄语，我们需要不断优化提示词，不断由用户驱动多轮对话，最终才可能得到我们想要的效果，以致于衍生出Prompt工程的概念。

用户需要不断修改提问和澄清，甚至学习如何表达提示语，对于AI的使用是很繁琐的，也体现了现阶段AI的问题。

专业性

AI的幻觉妄语，在某种程度上也是其专业数据的有限性造成的，类似于地方志，教育资料和专业文献等，互联网上的数据都是比较泛化的，基于这些数据，AI很难专业起来。

实时性

由于AI大模型依赖的数据集是“过时”和有限的，它就不可能去回答你关注的实时性问题。

当前解决AI使用问题的办法

针对 Prompt 依赖

通常在一些AI应用中，会提前设置一些提示词辅助提问，同时定义基础的拓展能力，便于提示，俗称提示词技术。

针对专业性

通过引入一些特定领域的专业文献，预置知识库的方式，形成一种针对大模型的专业向量库，使得模型的回答基于这些知识库，就能实现回答的专业性，俗称RAG（检索增强生成）技术。

针对实时性

通过引入搜索引擎，在AI模型回答的结果不尽如意时，启用搜索引擎获取最新的数据给AI，然后AI消化后给出回答。

当前接入AI的途径和方法

接入chatGPT

通过Azure OpenAI接入，因为它跟OpenAI同源，所以对于国内用户而言，支付比较方便。

获取服务key后，登录OpenAI官网后，按照教程设置好服务key，然后调用接口即可。

接口分为2种：

下载python或者js sdk，引入工程后，按照文档调用api方法即可

通过服务器，调用openAI的http接口，遵循规范进行传参即可

接入国内大模型

比如阿里的通义千问，首先也是申请一个服务key，然后再后续的调用中传入key

其接口也分为2种：

下载python和java的sdk，引入工程后，按照文档调用api方法即可

通过服务器，调用通义千问的http接口，遵循规范进行传参即可

接入本地大模型

首先你需要根据你的操作系统，选择一个跑本地模型的工具应用，比如适合window的LM Studio，适合mac的Ollama，然后在Hugging Face网站上下载一个当红的大模型文件到本地。

然后使用跑本地模型的工具，将大模型文件载入进来，然后通过模型工具提供的方式方法，进行模型的调用即可。

本地模型的问题在于，数据集是固定的，除非你引入私有数据进行微调和训练，这个成本也是比较高的，主要体现在数据源和硬件上（很吃配置）。

接入transformers

这个是Hugging Face的核心产品，它提供了一系列预训练模型的API，用于解决各种NLP任务，如文本分类、命名实体识别、机器翻译等，可以简化模型训练和部署的流程。

它支持JS和Pytohn2种库，前者可用于在浏览器环境中使用预训练的机器学习模型，也就是说，transformers要加载本地模型，然后你可以利用transformers来训练本地模型。

transformers的使用更偏底层，类似于使用原生JS，深入的话比较考验基础和领域知识，你需要传入任务类别，比如文本分类、命名实体识别、机器翻译这些，然后得到返回结果。

使用Chrome AI

从Chrome128.0.6545.0版本开始，支持Chrome AI，也就是说，你可以通过修改Chrome特定配置，然后重启游览器，再次打开就会自动下载Chrome的大模型Gemini Nano，大概需要22G的本地空间，然后你就可以使用对应的API进行AI调用了。

这个东西比较新，也许以后各个游览器都会支持，因为他们都喜欢包装谷歌的游览器内核，最终调调改改，使得前端开发者可以直接在网页上进行AI应用的开发。

对于前端开发者，有没有AI版本的Vue库

有的。搜索LangChain即可，这个库有Python和JS两个版本的库，对市面上主流大模型的接入都做了支持，也就是说，你不管是用chatGPT还是国内的通义千问，都有对应的API调用方法。

这个库针对AI应用开发，提供了一些技术设计，类似于vue提供了组件、事件和指令这些工具帮助你开发应用，LangChain也提供了类似的东西，使得你的开发变得专业和流畅。

LangChain支持提示词技术，支持RAG（检索增强生成），支持搜索引擎和外部资源载入，同时还支持最新的Agents技术，也就是AI代理（模仿人脑），自主决策，让应用极具智能。