phodal/aigc · 上手攻略

• 仓库：phodal/aigc
• 链接：https://github.com/phodal/aigc
• 分类：知识 · LLM 应用工程电子书
• 作者：Tom
• 更新：2026-08-22

是什么

phodal/aigc 是一本关于大语言模型在真实世界应用的开源电子书（英文名：Unlocking the Potential of LLM: Real-World Use Cases），由 Thoughtworks 架构师 phodal（李洁）主导，联合社内同事与开源社区于 2023 年上半年完成。内容覆盖 Prompt 编写模式、上下文工程、LLM 应用架构设计、LLMOps 流程，以及基于开源模型的微调入门。

全书以电子书 + 开源项目联动为核心结构：每章附带的开源项目（如 Unit Mesh、AutoDev、ChatFlow 等）是概念的代码实现，章节本身是方法论总结。约 174 Stars（截至 2026-08，周增 +0，属于长尾维护状态）。

解决什么问题

市面上 LLM 资料大多聚焦于"怎么写 Prompt"或"怎么调 API"，缺少从架构视角讲解如何把 LLM 嵌入真实软件工程工序的体系化内容。本书填补的空白：

• Prompt 即代码：如何把 Prompt 当成代码来版本管理、测试、审查
• 上下文工程：LLM 应用的核心挑战不是模型本身，而是 context 的组织与注入方式
• AI 2.0 工序设计：GitHub Copilot + ChatGPT 组合下，需求分析、架构设计、编码、测试各环节如何重新组织
• LLM 友好架构：Unit Mesh 架构思想——以 AI 为中心重新设计微服务/函数粒度
• 私有模型部署：如何基于开源模型（Llama、ChatGLM）构建特定场景的微调方案

内容结构（核心章节）

快速上手

阅读电子书

# 克隆仓库
git clone https://github.com/phodal/aigc.git
cd aigc

# 找源码目录（电子书源文件位于 src/ 或根目录）
ls -la

# 本地预览（如果有 mdbook 或类似构建工具）
# 或直接在 GitHub Pages / 直接浏览器打开 README

⚠️ 注意：本书以 Markdown 格式编写，无需编译，直接阅读 README.md 或各章节文件即可。2023 年完成的电子书，仓库目前处于低维护状态（周增 0 Stars），内容对应 2023 年中模型生态，非最新模型版本。

关联开源项目（按需）

# 示例：安装 AutoDev（IntelliJ 插件）
# 从 IntelliJ Marketplace 搜索 "AutoDev" 安装

# 示例：克隆 Unit Mesh 架构示例
git clone https://github.com/unit-mesh/unit-mesh.git

核心概念详解

Prompt 即代码

把 Prompt 版本化：

# 类似这样管理 prompt 模板
prompts/
├── cot-reasoning.md      # Chain-of-Thought
├── react-tool-use.md     # ReAct 模式
└── few-shot-classify.md  # Few-shot 分类

然后在代码中加载：

# 示例（示意）
with open("prompts/cot-reasoning.md") as f:
    prompt = f.read().format(question=user_input)

Unit Mesh 架构思路

核心观点：传统微服务以业务能力划分，Unit Mesh 以 AI 能力边界划分——每个 unit 是一个"AI 可独立调用、测试和部署"的最小计算单元。类比函数粒度，但每个 unit 都有 LLM 调用接口和fallback 逻辑。

LoRA 微调入门（配套视频 + 代码）

仓库关联的 B 站视频系列：

• LLaMA 系列：代码辅助生成、测试生成、需求生成、文本转 SQL
• ChatGLM 系列：LoRA 微调对比实验

⚠️ 版本注意：视频对应的模型版本为 2023 年中的 LLaMA / ChatGLM 系列（可能是 6B/13B 参数量级），如使用 2025-2026 年的新模型（Qwen3、Mistral 等），具体参数配置需参考对应新版本文档。

典型适用场景

1. 建立 LLM 应用工程化认知：从"调 API"升级到"系统设计"
2. Prompt 工程师入门：有编程背景的开发者想系统学习 Prompt 工程
3. AI + 软件架构研究：了解 Unit Mesh 等 AI 原生架构思路
4. LLMOps 入门：理解微调、部署、监控的完整流程
5. 参考开源项目生态：AutoDev 等插件的源码可作为 IntelliJ 插件开发参考

坑与注意

1. 内容时效性：2023 年完成，当前（2026-08）LLM 生态已大幅演进，GPT-4o、Claude 3.5、Qwen3 等新模型不在书中；部分章节内容需结合最新资料补充阅读
2. 周增 0 + 低维护：作者重心可能已转移，Issue / PR 回复可能较慢，不建议作为主力求助渠道
3. Stars 174（较低）：属于小众精品内容，非大众爆款，豆瓣/知乎等中文平台讨论较少
4. 配套视频 B 站链接：视频搬运/下架风险较高，如需参考建议尽快缓存
5. 电子书无官方构建脚本：直接读 Markdown，无 PDF/EPUB 打包，需自行用 Pandoc 转换

与同类对比

一句话推荐：如果你在找一本从架构工程师视角讲 LLM 应用的书，且不介意 2023 年时间戳，phodal/aigc 的 Unit Mesh 思路和 Prompt 即代码方法论仍然值得细读——但请搭配更新的模型资料补充时效性章节。

数据来源

• GitHub README：https://github.com/phodal/aigc
• Prompt Patterns：https://github.com/prompt-engineering/prompt-patterns
• Unit Mesh 架构：https://github.com/unit-mesh/unit-mesh
• B 站视频（需自行验证有效性）：LLM 微调系列（BV1Rh411u74H 等）