序¶

本书目前仍在持续✍🏼中

前言¶

这是一本经济学LLM实操入门指南，本书的撰写不涉及任何机器学习的底层原理，是一份纯粹的实用导向教程，这也与本书的初衷一致——面向实操的教程。

目前本书包括了以下内容(如果你有其他好的建议，欢迎邮件luzhiyu@email.cufe.edu.cn） ：

• 预备知识：如何使用命令行、如何配置一个实用的编程环境、其他实用工具的介绍
• 大语言模型实操知识：如何调用大模型、如何调优大模型回复质量、如何让大模型操作工具、如何构建多模型系统
• 与本书内容相关的其他学习材料与应用实例

作者说¶

数据是实证研究的基础，从复杂的现实环境中获取研究数据是一个极其耗费心力的工作。作为一名经济学入门者，我在过去的时间里接触过相当数量的手动处理数据的助研工作，亲身体会到此类工作对于研究者精力的无谓消耗。

大语言模型（LLM）的出现，为这一切带来了根本性的改变。还记得GPT发布后不久，网络上充斥着通用人工智能（AGI）的实现指日可待的论断。当时我也曾请教导师：如果AGI真的实现了，我以后还能做什么？阮老师向我推荐了企鹅丛书的《欧洲史》系列，建议我参考欧洲工业革命的历程。我们甚至得出了一个略显悲观的玩笑：如果大语言模型真的能够像人类一样思考，或许以后人类的最后阵地会变成颜值，除了长得跟像人，我们别无优势 这也从侧面说明当网红或许才是真的铁饭碗。

然而，从GPT3.5到GPT-o1，数年过去，人们预言的那个“奇点”远未到来。试图用数学模型模拟人类思维，本质上就像用经济模型刻画现实经济一样，是一场“仰之弥高，钻之弥坚”的探索。大语言模型归根结底仍是机器，只不过它以数字形式存在，并以数字为处理对象而已。与其说它会取代人类，不如说它代表了更高效的生产方式，正如蒸汽机取代手工作坊，开启了新增长点。

但是，对于从事基础脑力劳动的人而言，大语言模型的冲击是颠覆性的。因为它解决了传统机器的一大弊端——无法“理解”自然语言。当机器能够处理文本信息，厂长自然不再需要大量“流水线工人”来搜寻数据，仅需少数员工操作机器，便能完成以往难以想象的工作量。面对新型工具的冲击，我们最需要做的就是主动掌握它，让自己从“流水线工人”转变为“机器操作员”，并有朝一日变成厂长，前者也是本书希望给大家带来的帮助。