第6章：LLM应用

章节概览

本章介绍如何使用和定制 LLM，回答一个核心问题：有了预训练好的 LLM，怎么用最低风险和成本解决实际问题？

章节主图：Prompt、微调、RAG 和 Agent 的并列选型关系。它们分别主要改变输入、参数、外部知识和执行流程，应从任务瓶颈而非技术热度出发选择。

本章主线是应用方案选型，而不是某一种框架或单一技术。Prompt、微调、RAG 和 Agent 分别改变输入、参数、外部知识和执行流程；它们可以组合，但不应被理解成必须依次升级的四个阶段。每条路线都要回答同一组问题：适合什么任务、解决什么瓶颈、引入什么成本、失败时如何排查。

四种方法分别解决什么问题？

先定位瓶颈，再选择方法：

方法	主要改变什么	主要解决的问题	不擅长解决的问题
Prompt	输入指令、示例和输出约束	快速验证任务、澄清目标、控制格式	注入稳定的新知识，修复模型根本能力不足
微调	模型参数或参数高效适配器	固定风格、格式、任务行为和领域模式	持续变化的事实知识、实时数据访问
RAG	外部知识的表示、检索和上下文	新鲜知识、可追溯资料、私有文档问答	检索不到的知识、复杂行动流程、模型推理能力不足
Agent	多步执行流程和工具调用	查询外部系统、执行操作、完成长流程任务	无边界地提高可靠性；步骤越多，错误和成本越容易累积

可以用下面的顺序进行低风险决策：

先用 Prompt 明确任务和验收标准
  ↓ 如果问题是稳定行为/格式，再考虑微调
  ↓ 如果问题是外部或变化知识，再考虑 RAG
  ↓ 如果问题需要查询、计算或执行动作，再引入 Agent

这是一棵按问题定位的决策树，不是技术等级排序。RAG 是一个重要的外部知识增强案例，但它与微调、Agent 处于并列关系，不能代表整个 LLM 应用章节。

小节目录

基础使用（6.1）

6.1 Prompt 工程 — 📖 阅读

• Zero-shot / Few-shot / Chain-of-Thought
• 角色设定与结构化输出
• 低成本验证、失败模式和迭代优化

适配方法（6.2-6.3）

6.2 微调：让 LLM 适配你的任务 — 📖 阅读

• 任务微调 vs 对齐 SFT 的区别
• LoRA：低秩分解降低微调成本
• 何时用微调，何时不要微调

6.3 RAG（检索增强生成） — 📖 阅读

• 为什么 LLM 需要外部知识
• 检索 + 生成的工作流程
• Embedding 与向量检索
• 知识新鲜度、可解释性和检索失败模式

扩展能力（6.4）

6.4 Agent 框架 — 📖 阅读

• LLM 作为规划者
• 工具调用与 ReAct 模式
• 多步任务的执行流程
• 工具可靠性、错误累积和权限边界

系统设计（6.5）

6.5 LLM 系统设计 — 📖 阅读

• 技术路线选择决策树（Prompt vs 微调 vs RAG vs Agent）
• 三种架构模式（简单问答 / RAG 问答 / Agent 工作流）
• 实战案例：客服机器人、代码助手、数据分析
• 模型选择、部署选项、成本和风险控制

核心问题

完成本章后，你应该能回答：

1. 如何通过 Prompt 设计充分发挥 LLM 的能力？
2. 任务微调和对齐 SFT 有什么区别？
3. LoRA 减少了哪些训练参数，何时仍需比较全量微调？
4. RAG 如何让 LLM 使用外部知识？
5. Agent 框架的核心是什么？ReAct 模式如何工作？
6. 面对一个实际任务，如何选择 Prompt / 微调 / RAG / Agent？
7. 如何根据成本、延迟、知识新鲜度、可维护性和风险选择 LLM 应用架构？

本章学习闭环

1. 先根据章节主图定位任务瓶颈：输入表达、稳定行为、外部知识或多步行动；
2. 运行 prompt_demo.py、finetuning_demo.py、rag_demo.py、agent_demo.py 中至少两个对照脚本；
3. 完成最低实践任务，为同一个问题写出四种方案的对象、依赖和风险；
4. 用 system_design_demo.py 复查最终选择是否满足质量、成本、延迟和风险边界。

最低实践任务

为一个具体问题分别写出 Prompt、微调、RAG、Agent 四种方案的“解决对象、额外依赖、主要风险”，再选择其中一种做轻量实验。完成标准：选择理由必须对应任务瓶颈，而不是因为某个技术更流行。

代码实验

本章共有 5 个代码脚本，覆盖 Prompt 技术对比、微调参数分析、RAG 向量检索、Agent ReAct 循环和系统设计选型框架。

小节	脚本	生成图表	内容
6.1 Prompt 工程	prompt_demo.py	ch06_prompt_techniques.png	用示意分数解释策略差异与迭代流程，不是模型 Benchmark
6.2 微调	finetuning_demo.py	ch06_lora_parameters.png	全量微调 vs LoRA 参数量对比
6.3 RAG	rag_demo.py	ch06_rag_vector_search.png	可运行的字符 n-gram 词法向量基线 + 手工二维 embedding 几何示意
6.4 Agent	agent_demo.py	ch06_agent_error_accumulation.png	ReAct 循环 + 错误累积曲线
6.5 系统设计	system_design_demo.py	ch06_system_design.png	基于显式场景假设的四方案示意，不构成通用排名

运行方式：

python code/ch06_llm_applications/prompt_demo.py
python code/ch06_llm_applications/finetuning_demo.py
python code/ch06_llm_applications/rag_demo.py
python code/ch06_llm_applications/agent_demo.py
python code/ch06_llm_applications/system_design_demo.py

扩展内容

微调工程实践 — 📖 阅读

• 数据格式（Alpaca / ShareGPT）与质量检查
• 工具选型（PEFT、LLaMA-Factory、Unsloth）
• 训练配置参考与监控指标
• LoRA 权重合并与部署

RAG 系统深度优化 — 📖 阅读

• 混合检索（BM25 + 向量）与重排序
• 分块策略与父子分块
• 上下文管理与 Lost in the Middle 问题
• RAGAS 评估框架与工具选型

Agent 框架深度 — 📖 阅读

• 工具定义规范与可靠性
• ReAct 模式详解与多步推理控制
• 记忆系统与主流框架选型（LangChain / AutoGen / CrewAI）

推理部署优化 — 📖 阅读

• 量化方案选型（INT8/INT4/GPTQ/AWQ/GGUF）
• 推理框架对比（vLLM、llama.cpp、Ollama、TGI）
• 连续批处理与推测解码

关键连接点

预训练模型 → 任务适配

通用 LLM（第5章）
    ├─ Prompt 工程 → 改变输入与约束
    ├─ 微调（LoRA）→ 学习稳定任务行为
    ├─ RAG → 在推理时提供外部证据
    └─ Agent → 动态选择工具与行动

Embedding → 外部信息整合

第5章：token embedding（离散 token 的向量表示）
    ↓ 共享“映射到向量空间”的思想，但训练目标和粒度不同
RAG：检索 embedding → 向量检索 → 找相关文档
其他应用：相似度、聚类、跨模态对齐和信息路由

启示： RAG 是 Embedding 和外部知识整合的一个代表性案例，但 Embedding 的应用范围不止检索；学习时应先掌握表示空间和相似度，再决定是否深入 RAG。

---

下一步： 阅读 6.1 Prompt 工程