Hugging Face 的中文模型社群中对各个领域的开源模型进行了系统整理。 展望 2024 年，中国开源模型的发展展现了技术、生态和社会价值之间的深度协同。无论是从技 术创新到社区建设，还是从行业实践到合规探索，中国开源生态体系的完善正在为全球人工智能 发展注入源源不断的动力。 在 Hugging Face，我们坚信开源是推动人工智能技术进步和生态繁荣的核心力量。开源 不仅能够打破技术壁垒 团队“出海”，积极融入和参与全球人 工智能生态，勇于在全球市场发声，通过开放协作推动技术边界的不断拓展，共同构建一个更加 包容、多元与可持续发展的人工智能的未来。 Tiezhen 现任 Hugging Face 工程师，曾在 Google Brain 任职。兼具实干精 神与梦想追求，坚信开源是连接全球的纽带，让 AI 的益处普惠大众。 他秉持"高手在民间"的理念，渴望激励更多的开源模型从业者成为行业 的关 如何尽可能降低成本， 28 / 111 比对手坚持得更久一些是确保长期成功的必要条件。现在的宏观环境下，一味靠融资来支撑自己 的高成本支出不是长久之计。 闭源大模型厂商必须维持一定的云资源，工程师资源来支撑小额的开发者调试需求。投入产 出上恐怕是算不过来的。即便闭源厂商愿意持续地补贴开发者，他们最终会发现大模型对开发者 的粘性也非常有限，没比在 C 端用户那边好到哪里去。 大模型这一

度整合Kubernetes的容器管理和Service Mesh 微服务架构最佳实践，满足支撑业务高速发展所 需的敏捷开发、高效运维和精益管理需求。 Prometheus是一个开源的系统监控和报警系统， 受启发于Google的Brogmon监控系统（相似的 Kubernetes是从Google的Brog系统演变而来）， 从2012年开始由前Google工程师在Sound- cloud以开源软件的形式进行研发，于2015年 法律合规性、可扩展性等。 案例分享：全国首例GPL抗辩获得支持案i 05 开源法律速递 全球开源态势洞察｜第十期 09 基本案情： 判决要点： 原告未来公司认为被告云蜻蜓公司的“南京工程版投标工具”软件在功能及实现上与原告软件 构成实质性相似，被告软件中的配置文件及代码中特有的部分标识、客户名称简称、程序文件 的GUID以及拼写上的很多明显错误等与原告软件完全一致，故以著作权侵权为由向法院提起诉 的正当手段取得源代码，且与我国著作权保护的精神相违背，不应认定其获取了权利人软件的 GPL授权许可。另一方面，非正当手段获取包含GPL协议软件源代码的行为人，由于对权利人软 件实施了复制、修改、分发等行为，其实际上以实践行为做出了对GPL协议要约的承诺，其负有 GPL协议中的所约定的相关义务。 2、“传染性”的认定。判断GPL协议所能传染的衍生软件或修订版本，区分开源代码与自有代 码，即确定自有代码是如何与开源代

背靠24 年互联网技术积累 成熟可靠 年 24 140 余项技术专利 140 12 亿终端用户体验支持 亿 12 100 余家行业头部客户 + 100 产品与方案均经 网易大规模内部实践验证； 标杆项目均与行业龙头企业共建。 自主可控 产品基于开源内核， 底层实现全面跨云； 基础软件实现国产兼容，推动信创。 原厂服务 原厂服务，核心技术方案不外包； 全过程服务覆盖咨询、 规划、实施、运维各环节。 Kubernetes 一致性认证 华为鲲鹏计算兼容性测试认证 大数据技术机构资质 信通院大数据技术标准推进委员会成员 大数据系统软件浙江省工程实验室 浙江省网易大数据重点企业研究院 浙江省云计算和大数据省级企业研究院 人工智能技术机构资质 浙江省增强现实与智能交互工程技术研究中心 省级组织资质 浙江省重点企业研究院 浙江省企业技术中心 云计算技术机构资质 工信部云计算服务能力标准首批试点单位 第十一届中国数据库技术大会创新产品奖 《Gartner 2021 中国 ICT 技术成熟度曲线》数据中台领域标杆厂商 信通院可信云计算最佳实践服务网格 2021 数博会“十佳大数据案例” 《Gartner 2019中国 ICT 技术成熟度曲线》Cloud ABI 领域标杆厂商 CCF Top10 大数据应用最佳实践案例 中国长三角数字经济大会“数字经济优秀案例企业” CTDC 年度优秀微服务创新产品奖 浙江省大数据应用服务创新奖

： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源 灵活调整 可根据中奖结果随时调整后续提示 实时调整需要较高的判断和决策能力 提示语链的优势与挑战 提示语链的设计原则 01 目标明确性 02 逻辑连贯性 03 渐进复杂性 04 整合所有输出，形成最终成果 I n s t r u c t i o n （ 指 令 ） 给出具体的指示 提供背景信息和任务概述 任务分解的提示语链设计步骤 任务分解的概念源于问题解决理论和系统工程学。将任务分解应用于提示语设计，实际上是在模拟人类处理 复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础。 设计基于任务分解的提示语链涉及以下步骤： 明确总体

： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素 提示语元素组合矩阵 提示语元素协同效应理论的核心观点包括： ▪ 互补增强：某些元素组合可以互相弥补不足，产生1+1>2的效果。 ▪ 内容深度 通过多步引导，实现更深入的内容 探讨 控制每个步骤的输出深度，避免冗余 创意激发 多角度提示激发AI的创造性思维 在创意和连贯之间找到平衡 质量控制 多次迭代提高内容质量 需要更多的实践和计算资源 灵活调整 可根据中奖结果随时调整后续提示 实时调整需要较高的判断和决策能力 提示语链的优势与挑战 提示语链的设计原则 01 目标明确性 02 逻辑连贯性 03 渐进复杂性 04 整合所有输出，形成最终成果 I n s t r u c t i o n （ 指 令 ） 给出具体的指示 提供背景信息和任务概述 任务分解的提示语链设计步骤 任务分解的概念源于问题解决理论和系统工程学。将任务分解应用于提示语设计，实际上是在模拟人类处理 复杂问题的方式。这种方法主要基于分而治之原则、层级结构理论以及认知负荷理论作为其理论基础。 设计基于任务分解的提示语链涉及以下步骤： 明确总体

反哺开源产品，形成正循环政企、创业者必读 DeepSeek出现之前的十大预判 之十 中美差距快速缩小  美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24政企、创业者必读 DeepSeek是完美的颠覆式创新  技术创新——让过去做不到的事情可以做到 Law转变为强化学习Scaling Law 大数据+大参数+大算力的 预训练Scaling Law的边际效应递减 • 人类构造的训练数据已达上限 • 万亿参数规模之后，继续增大参数规 模难以带来质的提升 • 训练算力成本和工程化难度大幅上升 强化学习Scaling Law • 利用合成数据解决数据用尽问题 • 利用self-play强化学习，在不增大参 数规模前提下，大幅提升复杂推理能力 • 通过后训练算力和推理算力，在不增加 算力见顶，变成少数巨头游戏 预训练大模型 推理大模型 预训练大模型难以通往AGI之路  推理模型如R1——通过逻辑链条推导答案， 分解规划，自我反思  预训练范式像是记忆和模仿，强化学习范 式更像探索实践  记住很多东西只是基础，真正有价值的是 融会贯通 R1找到了人类通往AGI的方向 DeepSeek颠覆式创新——技术创新 27 DeepSeek-R1和GPT-4o不是同一个物种政企、创业者必读

应用生态链，明确模型算法研发者、服务提供者、使用者等相关主体的安全责 任，有机发挥政府监管、行业自律、社会监督等治理机制作用。 1.4 开放合作、共治共享。在全球范围推动人工智能安全治理国际合作， 共享最佳实践，提倡建立开放性平台，通过跨学科、跨领域、跨地区、跨国界 的对话和合作，推动形成具有广泛共识的全球人工智能治理体系。 2. 人工智能安全治理框架构成 基于风险管理理念，本框架针对不同类型的人工智能安全风险，从技术、 导致工作秘密、商业秘密、敏感业务数据泄露。 （d）滥用于网络攻击的风险。人工智能可被用于实施自动化网络攻击或- 6 - 人工智能安全治理框架 提高攻击效率，包括挖掘利用漏洞、破解密码、生成恶意代码、发送钓鱼邮件、 网络扫描、社会工程学攻击等，降低网络攻击门槛，增大安全防护难度。 （e）模型复用的缺陷传导风险。依托基础模型进行二次开发或微调，是 常见的人工智能应用模式，如果基础模型存在安全缺陷，将导致风险传导至下 游模型。 及应用特点，明确人工智能训练、标注、使用、输出等各环节的数据安全和个 人信息保护要求。 5.4 构建负责任的人工智能研发应用体系。研究提出“以人为本、智能 向善”在人工智能研发应用中的具体操作指南和最佳实践，持续推进人工智能 设计、研发、应用的价值观、伦理观对齐。探索适应人工智能时代的版权保护 和开发利用制度，持续推进高质量基础语料库和数据集建设，为人工智能安全 发展提供优质营养供给。制定人工智能伦理审查准则、规范和指南，完善伦理

一个新的细分领域“LLMOps”。 七、 “提示词工程”，这是 LLM 直接催生出来的新“学科”， 它的核心在于研究人类如何与 LLM 更好地进行“沟通”， 找到让 LLM 能够准确理解人类意图的方法。提示词工程探 索如何以 LLM 可以解析的方式来表达需要它完成的任务， 寻找 LLM 的“最佳输入形式”。通过注入提示词，提示词 工程建立了一套“人机交互语法”，来更精准地向 LLM 传 高效、准确的“沟通桥梁”提供了可能性。什么“链式思考 1 1 （CoT）”、“自动推理并使用工具（ART）”、“思维 树（ToT）”……甚至运用心理学对 LLM 进行“情绪提 示（EmotionPrompt）”，提示词工程俨然在将 LLM 一 点一点解剖，试图让人类成为可以将其掌控的“咒术师”。 八、 AutoGPT 的出现，带着 LLM Agent 的概念进入 LLM 发展的新阶段。LLM Agent 是一种基于 但回过头来想想，这个话题可深可浅，往浅了说，当前 LLM 产品可以帮助人类翻译、润色一段文字、提炼论文核心内容， 这本身也是较为完整的解决方案；当前 LLM Agent、 LLMOps，甚至只是说开发者的各种“工程化组合骚操作”， 实际上已经可以把不同模型、不同模态、不同工具和知识源整 合，正是在往“提供更完整的解决方案”这一方向上的发展。 1 1 往深了说，或许这本质上就是在要求 AGI，而它是一个更

与AI共生发展的学术与实践模式。 团队愿景 • 李默非（清华大学人工智能学院拟录博士生）：人机共生之基座大模型研究研发 • 何静（清华博士后、北航助理教授）：人机共生之快生引擎研究研发 • 尤可可（清华博士后、北石化助理教授）：人机共生之AIGC短视频 • 安梦瑶（清华大学博士后）：人机共生之AI诊疗研究 • 陶炜（清华大学博士生）：人机共生之AI实时增强技术的探索与实践 • 胡晓李（清华大学博士后）：人机共生之游戏设计 费……通过该报告为相关企业管理 者提供……策略支撑 Objective（操作要 求） 字数要求、段落结构、用词风格、 内容要点、输出格式… CO-STAR提示语框架 新加坡 GPT-4 提示工程竞赛冠军提示词框架 "R"，代表 "Response"， 想要的回应类型。 一份详细的研究 报告？一个表格？ Markdown格式？ "C"代表 “Context（上 下文）” 相关的 背景信息，比如

脚的导线上的标签来实现的。通往总线的总线入口（45 度的线段）只 是图形化的，并不是形成逻辑连接的必要条件。 事实上，使用重复命令（ ），如果元件引脚以递增的顺序排列，可以非常快速地进行连接（在实践中，这种 情况常见于存储器、微处理器等元件）： 放置第一个标签（例如： PCA0 ）。 根据需要使用重复命令来放置成员。 KiCad 将自动创建下一个标签（ PCA1 ， PCA2 … ）垂直对齐，理论上是在其 字体 文本和文本框支持自定义字体，可通过文本的属性对话框中的 字体 下拉选择。除了 KiCad 字体外，你还可以使用安 装在你电脑上的任何 TTF 字体。 NOTE 用户字体不会被嵌入工程中。如果该工程在另一台没有安装所选字体的计算机上打开，将会有不 同的字体被替换。为了获得最大的兼容性，请使用 KiCad 字体。 文本标记 Text supports markup for superscripts portable. 通过为每个重复的原理图指定相同的文件名，一个原理图文件可以在一个工程中使用多次；原理图中绘制的电路将在 每次使用时被实例化一次，一次实例中的任何编辑都将反映在其他实例中。 NOTE 原理图文件可以在多个工程之间共享，以允许在工程之间重复使用设计。然而，由于对路径可移 植性的关联和在编辑共享原理图时无意中改变其他工程的风险，不建议这样做。 原理图的 页数 在这里是可以配置的。页码显示在