TL;DR 版；

在线：https://aigc.phodal.com

下载 1：https://github.com/phodal/aigc/releases

2023 年的上半年里，我（@phodal）和 Thoughtworks 的同事们（如：@tianweiliu、@teobler、@mutoe 等）、 开源社区的同伴们（如： 卷王@CGQAQ、@genffy、 @liruifengv 等) 一起，创建了一系列的流行的或者不流行的开源项目。它们涉及了：

• LLM 能力的充分运用
  • Prompt 编写：Prompt 学习与编写模式
  • Prompt 管理：Prompt 即代码
• LLM 下的软件开发工序及应用架构设计
  • 新的交互设计：Chat模式
  • 大模型友好的工序：基于 AI 2.0 （ChatGPT + Copilot）如何去设计软件开发流程
  • LLM 应用架构的设计与落地：Unit Mesh
• 面向特定场景的 LLM 应用
  • 基于开源模型构建自己的模型：特定场景的模型微调 + LLMOps
  • 上下文工程（prompt 工程）：LLM 应用的核心

围绕于上述的一系列内容，我们也在思考软件开发能给我们带来了什么。所以，我重新整理了过去半年的一些思考、文章，重新编写了这本开源电子书，希望能够帮助到大家。

关注我的微信公众号（搜索 phodal-weixin），获得更多及时的更新。

我们发起的相关开源项目如下（包括但是不限于）：

我们在 QCon 上的演讲：演讲：探索软件开发新工序：LLM 赋能研发效能提升

LLM（如 ChatGPT + GitHub Copilot）作为一种创新的工具组合，为我们带来了全新的机遇。它能够帮助业务人员和开发者在需求、架构、编码、测试等环节提高效率和质量，实现从设计到验证的端到端流程。在本次分享中，我将向大家介绍 LLM 在研发效能方面的应用场景和实践案例，展示它是如何在各个环节中发挥作用的。同时，我们还将分享如何构建私有化的 LLM 工程化方式，使其更好地适应组织的需求。欢迎对 LLM + 研发效能感兴趣的朋友们参加本次分享，与我们一起探讨研发效能的未来。

我们在 Bilibili 上的大语言模型微调相关的视频：

• LLaMA 系列在线视频： 《代码辅助生成》 、《测试代码生成》 、《详细需求生成》 、《文本转 SQL》
• ChatGLM 系列在线视频： 《LoRA 大比拼：ChatGLM vs LLaMA，谁更会写需求文档？》

欢迎大家一起来参与我们的开源项目，一起来探索 LLM + 软件开发的未来。