一、前言
汇报一下这周末的工作，主要是开发了一门课程：通过搜索引擎让大模型获取实时数据，第一次开发一门课程，难免会有很多不熟悉和做的不好的地方。
已经训练好的大模型有气数据的局限性，比如 GPT-4，只有 2023年4月之前的数据。关于最新发生的一些事情，它无法回答。
目前已经有一些公司在做类似的事情：让大模型获取最新数据，从而让用户得到更加满意的答案，比如 perplexity。
二、初衷
这门课其实就是简单解析 perplexity 的背后原理。perplexity 不知道有没有听说过，其估值或翻番至10亿美元
Perplexity AI 提供类似于 Google Search 和 Bing Search 的搜索服务，用户可以用自然语言输入问题，可以获得类似于 ChatGPT 的答案。
整体使用的效果是这样的：
image.png
通过搜索引擎获取数据，然后通过大模型总结后进行回答。
三、实现方式
搜索引擎+大模型，目前仅仅实现了后端，前段并没有做。当然了整体的效果肯定是不如 perplexity，毕竟 perplexity 有自己训练的大模型，以及要做自己的搜索引擎，另外我也没有进行任何优化。仅仅是探索 perplexity 背后的技术
四、总结
文章汇报了新开发的课程，主要涉及通过搜索引擎实现大模型获取实时数据的过程。初衷在于解析Perplexity的原理，作者介绍了该模型以及其提供的搜索服务。同时，作者也提及目前实现的局限性和技术探索的过程。
