AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


当AI遇上架构师:谁将主导未来?
发布日期:2024-05-03 08:39:07 浏览次数: 1930


架构师的核心能力是面对不同的业务场景给出合适的架构设计方案Balance 平衡设计就是架构师最重要的能力,没有之一。

在 AI 大模型时代,AI 大模型正在重新定义软件的范式。在当前,世界正在重新定义软件的背景下,作为一名架构师应该如何应对?面临哪些机会和挑战?本文来做一些探讨。

 1

AI 大模型是新质生产力 

程序员来说,我们现在正经历着时代的大转折。就好比以前马车时代,马是最重要的动力来源;到了汽车时代,汽车就成了主力。现在,AI 大模型时代来了,AI 大模型就像新时代的“马”或“汽车”,成为了主要的生产工具。这不是说  AI 大模型会把所有人都替代掉,而是讲如果一个程序员搭配大模型能顶仨,那就太高效了。想当年,马匹在马车时代可是极其有价值的生产力;直到有了蒸汽机,马匹的地位依然很重要,甚至在某些时期,马的价值能顶三个人。所以,无论什么东西,只要它的作用力是你自己的两倍,那很可能就会取代你的位置这一观点极具现实意义

 2

AI 大模型影响软件架构设计范式

移动互联网时代,软件架构主流的设计模式是面向过程架构设计:按照预定义的规则和流程来研发软件。
而在 AI 大模型时代,软件架构范式会从面向过程架构设计演变为面向目标架构设计:目标导向,动态规划。
这两种架构设计模式到底有什么本质区别,我们先来看一个案例:假设你需要设计完成一个用户系统(如下图所示)。
采用面向过程架构设计,你需要以下几个步骤:
第一步、对用户系统进行需求分析和领域建模,确定具体的功能需求和性能需求;
第二步、针对分析后的需求进行架构设计,是采用微服务架构还是云原生架构?假如这步选择了微服务架构;
第三步、对微服务架构进行选型,是采用 Spring Cloud 开发框架还是采用 Dubbo 开发框架;
第四步、进行模块解耦设计和接口的详细设计;
第五步、进行业务代码、测试代码、自动运维部署代码等编写;
第六步、进行业务测试验证等。
采用面向目标的架构设计
你只需要给出你的详细需求:请帮我完成一个用户系统,包含用户注册、用户登录、用户查询三项功能,并能够达到单机每秒5000次以上并发,请求延迟不超过 30ms。稍等片刻,“ AI 大模型”就能帮你完成任务。
以上就是面向过程架构和面向目标架构的核心区别
面向过程架构实际上就是目前程序员完成各项开发任务的主流开发架构模式
而面向目标架构是非常值得期待的新架构模式,它需要依赖大模型的推理能力,准确地说需要 AI Agent 智能体来完成。AI Agent 对用户的请求(Prompt)进行 Planning 规划拆解,分成几个可以落地执行的小任务,每个小任务调用对应的 Tools 工具来行动(Action)完成,并对每个小任务的完成情况进行观测(Observation),并确保每个小任务能够执行完成。

为了帮助同学们彻底掌握 AI 大模型新架构设计范式、 Agent 智能体、知识库、向量数据库、 RAG、知识图谱的应用开发、部署、生产化,今天我会开2场直播和同学们深度剖析,请同学们点击以下预约按钮免费预约

 3

未来还存在架构师吗?

当然存在!随着 AI 大模型能力的进一步提升,有创造力的同学基于大模型的推理能力的确可以完成一个 Demo,但要真正变成一个好用的产品,仅仅依靠大模型还有很长的一段路要走,主要有以下几点原因:
第一、软件产品研发整个生命周期,分为抽象层次低抽象层次高的两个部分:代码编写、写测试用例、写运维脚本、写注释、线上问题定位与分析、Code Review 等属于抽象层次低的部分业务需求分析、领域建模、架构设计、架构选型、详细设计、模块耦合设计、接口设计、测试设计、运维设计等属于抽象层次高的部分

第二、目前实践表明,AI 大模型在抽象层次较低的任务上,表现非常好,而在抽象层次比较高的任务上,表现比较差,就像 Devin Agents 被爆数据造假一样!

第三、高抽象的架构设计才是软件开发的核心,比如:如何需求抽象本质、架构的耦合设计、架构设计的大道至简。

第四软件开发 = 抽象层次较高的任务 + 抽象层次较低的任务(编码)。

当然,我们也要辩证来看,对于抽象层次高的任务,大模型未来一定无能为力吗?理论上来讲,人类大脑的生物神经网络可以掌握的,基于大模型的数字神经网络一定也可以。能不能实现主要看大模型训练数据的质量、RLHF 中的人类反馈、Fine-tuning、Prompt 等环节是否能将软件行业积累这么多年的各种“抽象”的优秀实践都学习掌握到?至少目前以 GitHub、CodeParrot 开源代码为主要训练数据来源的大模型在这方面表现还有相当大的距离。

我相信这也将是软件领域今后长期活跃的研究方向。但这一定是一个渐进、漫长的过程!
因此,相对终局来看,我认为:未来的架构师可能不叫架构师,而是演变成 IT 操盘手的角色。IT 操盘手基于业务需求来调动各种 Agents 智能体(比如:需求分析 Agent、架构设计 Agent、代码编写 Agent、测试 Agent、运维 Agent、文档撰写 Agent 等等)协作完成任务。

为了帮助同学们彻底掌握 AI 大模型新架构设计范式、 Agent 智能体、知识库、向量数据库、 RAG、知识图谱的应用开发、部署、生产化,今天我会开2场直播和同学们深度剖析,请同学们点击以下预约按钮免费预约

 4

架构师的价值定位

对于程序员和架构师而言,AI 大模型时代已经到来。作为架构师,我们的任务是弥补大模型的盲区,并确保它们能够在企业中发挥最大的价值。为了实现这一目标,我们需要关注以下三件事情。
  • 确定正确的靶心:先要想清楚用 AI 大模型来达成什么目的,同时确保这些目标跟公司的整体战略匹配上。
  • 发掘 AI 大模型的宝藏:深入了解 AI 大模型的优点和可能带来的突破,并找到它能在咱公司实实在在地发挥哪些作用。
  • 找准发力的小支点:在企业应用场景中,找出 AI 大模型能实现的最小且最关键的价值单元,然后从这一点开始动手规划和执行。
从这个基本思路出发,我们可以更有效地将 AI 大模型融入到企业的实际架构实践中,确保它能够为企业带来真正的价值。这是我自己的思考,并且我们已经在一定程度上实践了这些理念,并且我坚信这是将 AI 大模型成功引入企业的最佳路径。

5

AI 大模型开发技能直播课程

大模型的技术体系非常复杂,即使有了知识图谱和学习路线后,快速掌握并不容易,我们打造了大模型应用技术的系列直播课程,包括:通用大模型技术架构原理、大模型 Agent 应用开发、企业私有大模型开发、向量数据库、大模型应用治理、大模型应用行业落地案例等6项核心技能,帮助同学们快速掌握 AI 大模型的技能。



53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询