# creative

**Repository Path**: code-me/creative

## Basic Information

- **Project Name**: creative
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-31
- **Last Updated**: 2026-08-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 用大模型做应用、做创作 —— 系统学习指南

> 面向熟练程序员的中文实战指南。先讲思维模型，再讲工具与用法。
> 工具信息截至 **2026 年 8 月**，会过时；方法论不会。

---

## 这套指南解决什么问题

「如何用大模型做应用、做创作」其实是两个互补的问题：

1. **创作**：把大模型当作协作者，产出文本、图像、音频、视频等内容 —— 核心是**提示词与工作流**。
2. **应用**：把大模型当作一种新的软件组件（一个"不确定性引擎"），构建 Chatbot、Agent、知识库等产品 —— 核心是**工程化**。

四个方向对应五篇文档，每篇独立可读，建议按顺序通读一遍，再按需跳读：

| 文档 | 内容 | 适合什么时候读 |
|---|---|---|
| [01-文本创作.md](01-文本创作.md) | 提示词工程、迭代创作工作流、小说/文案/剧本场景技巧 | 想用 AI 写点什么的时候 |
| [02-图像音视频创作.md](02-图像音视频创作.md) | 文生图、视频生成、音乐与配音、短视频流水线 | 想产出视觉/听觉内容的时候 |
| [03-LLM应用开发.md](03-LLM应用开发.md) | API、结构化输出、Function Calling、RAG、Agent、MCP、评估与成本 | 想动手写代码接入大模型的时候 |
| [04-AI辅助编程做应用.md](04-AI辅助编程做应用.md) | AI 编程工具、vibe coding 方法论、从想法到上线 | 想让 AI 帮你把想法变成应用的时候 |
| [05-学习路径与资源.md](05-学习路径与资源.md) | 30 天学习路径、实战项目清单、资源汇总 | 随时，用来规划进度 |

---

## 一、大模型能力全景

把当前大模型能做的事按「输出模态」和「自主性」两个维度铺开：

```
                 输出模态
          文本      图像      音频/视频      代码
自主   ┌─────────────────────────────────────────┐
性低   │ 对话写作   文生图      TTS 配音      补全   │
       │ 摘要翻译   图生图      音乐生成      重构   │
       ├─────────────────────────────────────────┤
自主   │ 长文创作   视频流水线  数字人        全栈   │
性高   │ (Agent    (分镜→生成  (脚本→合成)   应用   │
(工具) │  编排)     →剪辑)                   生成   │
       └─────────────────────────────────────────┘
```

- **左上角**：一次对话就能完成，今天就能上手（01、02 篇）。
- **右下角**：需要把模型、工具、流程编排起来，是"应用"的领域（03、04 篇）。
- **趋势**：模型的原生多模态能力和 Agent 自主性都在快速上移 —— 2026 年的趋势是"给模型工具，让它自己编排"，而不是人肉串 pipeline。

## 二、核心概念速览

只需要理解这几个概念，就能读懂 90% 的相关讨论：

| 概念 | 一句话解释 | 为什么要懂 |
|---|---|---|
| **Token** | 模型处理文本的最小单位，1 个汉字 ≈ 1~2 token，1 个英文单词 ≈ 1.3 token | 计费、上下文限制都按 token 算 |
| **上下文窗口** | 模型一次能"看到"的全部内容长度，当前主流为 128K~1M+ token | 决定你能塞多少资料、多长的对话 |
| **System Prompt** | 设定模型角色、规则、输出格式的"幕后指令" | 控制行为的最高优先级手段 |
| **Temperature** | 随机度旋钮：低 = 稳定精确，高 = 多样有创意 | 写代码调低，做创意调高 |
| **Few-shot** | 在提示词里给几个输入→输出示例 | 比任何描述都更能对齐格式和风格 |
| **推理模型 (Thinking)** | 先产出一段内部思考再作答的模型，擅长复杂推理/规划 | 难题用推理模型，简单任务用普通模型省钱 |
| **多模态** | 同一模型能同时理解/生成文本、图像、音频 | 看图说话、截图改 UI 都依赖它 |
| **Embedding** | 把文本变成向量，语义相近则距离相近 | 搜索、推荐、RAG 的地基 |
| **RAG** | 检索增强生成：先查资料，再让模型基于资料作答 | 让模型回答私有/最新知识的标准方案 |
| **Function Calling** | 模型输出"我要调用某工具+参数"，由你的代码执行后回填结果 | 一切 Agent 和插件的基础 |
| **Agent** | 让模型在循环中自主决策：思考→调工具→看结果→再思考 | 2026 年应用开发的中心范式 |
| **MCP** | Model Context Protocol，模型连接外部工具/数据的标准协议 | 工具生态的 USB-C，企业采用已成主流 |
| **微调 (Fine-tune)** | 用自己的数据继续训练模型，改变其默认行为 | 90% 的场景用不到，先想 RAG 和提示词 |

## 三、模型选型（截至 2026-08）

### 当前格局一览

**闭源前沿**（能力最强，按 API 调用）：

| 厂商 | 当前主力 | 特长 |
|---|---|---|
| OpenAI | GPT-5.6（Sol / Luna 两个档位） | 综合能力标杆，长任务 |
| Anthropic | Claude 5 家族（Fable 5 旗舰 / Opus 5） | 长文写作、编程、Agent 任务 |
| Google | Gemini 3.5 / 3.6 Flash | 超长上下文、原生多模态 |
| xAI | Grok 4.x | 实时信息、风格化输出 |

**开源权重 / 国产**（可自部署，性价比高）：

| 模型 | 特点 |
|---|---|
| GLM-5.3 系列（GLM-5.3 / 5.3G / 5.3-Flash） | 智谱旗舰线，Agent 与编程能力强，有免费档 Flash |
| DeepSeek V4（含 Pro / Flash） | 万亿参数、推理强、价格低 |
| Qwen 3 系列 | 阿里通义，尺寸齐全，中文生态好 |
| Llama 4 系列 | Meta，英文生态最大 |

> ⚠️ 型号迭代极快（GLM 从 5 到 5.3 只用了几个月）。**选型时看"当前哪个在榜上"，而不是记型号**。榜单可看 [LMArena](https://lmarena.ai)、[llm-stats.com](https://llm-stats.com) 等。

### 怎么选：按任务选，不按品牌选

| 你的任务 | 选什么 | 理由 |
|---|---|---|
| 日常对话、问答、翻译 | 中档模型或各家 Flash 档（GLM-5.3-Flash、Gemini Flash、DeepSeek V4 Flash） | 便宜 + 快，质量足够 |
| 长文创作、剧本、小说 | Claude / GPT 旗舰，或 GLM-5.3 | 文风与长程一致性好 |
| 编程 | Claude / GPT 旗舰，或 GLM-5.3 | SWE-bench 类基准领先 |
| 复杂推理、数学、规划 | 推理模型（各家 thinking / pro 档） | 慢而准 |
| 看图、截图、音视频理解 | 原生多模态模型（Gemini / GPT / GLM） | 别用 OCR 中转 |
| 海量批处理、分类抽取 | 最便宜的 Flash 档 + 批处理接口 | 成本可差 10~50 倍 |
| 数据不能出内网 | 开源权重自部署（GLM / DeepSeek / Qwen + vLLM） | 见 03 篇部署节 |

### 成本的直觉

- 同一任务，旗舰模型和 Flash 档的价差可达 **10~50 倍**；先拿 Flash 档试，不够好再升级，比反过来省钱得多。
- 典型个人用量下，API 花费通常只有几美元/月 —— **不要让对成本的焦虑阻碍动手**。
- 订阅制（ChatGPT Plus / Claude Pro / GLM Coding Plan 等）适合高频交互；API 适合程序化调用。

## 四、贯穿全套指南的五个心法

1. **你是导演，不是打字员。** 模型提供速度和广度，你提供品味、判断和最终责任。产出质量的上限由你提的需求质量决定。
2. **迭代胜过完美提示词。** 没有一次到位的提示词；正确姿势是：快速生成 → 具体反馈 → 再生成。把"改"当成创作流程的主体。
3. **把不确定性当工程问题。** 模型输出是概率性的，所以应用开发的核心变成了：约束输出格式、给工具和资料、建评估集、做回归测试（03 篇）。
4. **先问"要不要"，再问"怎么做"。** 并非所有环节都该上大模型：规则能解决的不用模型，小模型能解决的不用旗舰，检索能解决的不用微调。
5. **保持手感，保持时效。** 这个领域按月迭代。每两周亲手试一个新的模型或工具，比读十篇综述有用（跟进渠道见 05 篇）。

---

*编写于 2026-08；模型与工具信息基于当月公开资料核实，引用来源见各篇文末。*