相信很多同学都遇到过上午用了某搜索引擎查询信息，下午你的APP或者短信或者访问的网页就能收到相应的广告推广，如下如：
事实证明我确实搜索了茶叶，定位很准
或者，你用某某搜索引擎查询信息，返回结果中 top5 都是“金主爸爸”的广告：
采用某搜索查询开源运维平台返回的结果
正如一年一度戏剧大赛中的小品《透明人》中的台词“不要再挣扎了，你已经被我们拿捏得死死的了
《透明人》小品截图
而搜索引擎是我们日常使用最多的工具之一，但是现在很多的搜索引擎已经不是为用户服务的，而是为“金主爸爸”服务。搜索引擎根据用户的地理位置、历史搜索记录、搜索结果中的点击行为、停留时间等来分析用户的兴趣和偏好，在提供更好的搜索结果同时也会推送大量的广告，并且广告的排序优先级要高于你想要的搜索结果。
所以，我们不是不需要搜索引擎，而是需要一个尊重我们隐私的搜索引擎。所以今天给大家推荐的就是一款免费的互联网元搜索引擎-SearXNG
一句话介绍SearXNG：一款免费的互联网元搜索引擎，汇总了来自 70 多个搜索服务的结果，尊重隐私，不会跟踪或分析用户，可以在线匿名访问。
🏠 项目信息
-
自托管，可以私有化部署
-
没有用户跟踪/没有分析
-
可以自定义设置脚本和 cookies
-
安全加密的连接
-
轻松整合了近200个搜索引擎，用户可自定义选择不同的引擎
-
多语言支持，约 60 个，包含中文、英文等
-
提供近 100 个维护良好的公共查询实例
无论实例类型如何（私有、公共），SearXNG 都以多种方式保护用户的隐私。从搜索请求中删除私人数据有以下三种形式：
-
从发送至搜索服务的请求中删除私人数据
-
不通过搜索服务转发来自第三方服务的任何内容（例如广告）
-
从进入结果页面的请求中删除私有数据
删除私人数据意味着不向外部搜索引擎发送 cookie 并为每个请求生成随机浏览器配置文件。因此，公共实例还是私有实例处理请求并不重要，因为在这两种情况下它都是匿名的。IP 地址将是实例的 IP。但 SearXNG 可以配置为使用代理或 Tor， 也支持结果代理。
与大多数搜索服务不同，SearXNG 不提供广告或跟踪内容。因此，私人数据不会被转发给可能利用其获利的第三方。除了保护用户免受搜索服务的影响之外，引用页面和搜索查询都对访问的结果页面隐藏。
SearXNG 部署还是比较简单的，可以使用docker快速部署。但是如果为了更好的访问效果，建议采用海外服务器或者自建梯子，不然很多SearXNG默认的引擎无法联网。
- 部署SearXNG：
- 配置代理：
- 访问
浏览器中访问http://hostip:8080
- 添加为默认搜索引擎（Chrom）：
设置-搜索引擎-管理搜索引擎
添加搜索引擎（如果没有部署私有化版本，这边可添加公共实例：
公共实例列表：https://searx.space
在 SearXNG 中查询“开源运维平台”，返回结果第一条就是我想要的，而不像上文说的 某其他搜索引擎返回 top5 都是“金主爸爸”的广告。
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- prompt 攻击和防范
- …
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 Javascript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。