[strong_begin] 以下为课程讲义，供参考。本节课的讲义比视频内容更为全面，建议两者结合来学习。[strong_end]

你好，我是李锟。

在上节课中，我结合着 ADH 前端的开发环境，介绍了 Live2D SDK for Web 的开发。我们这套课程接近尾声，如果到这里还不介绍 LLM 和 AI Agent 性能优化方面的内容，课程显然不够完整。因为基于 Transformer 架构的 LLM 在今后较长的一段时间内，都会是一个很慢的计算资源（因为做推理时需要消耗很大的算力，所以也很昂贵），为了基于 LLM 开发出来性能优良的 AI Agent 应用，我们必须掌握足够多性能优化方面的知识。

不过在掌握这些性能优化方面的知识之前，我们必须先学习一些关于 LLM 的基础知识，否则我们就会因为缺乏基础知识，而无法把握性能优化的正确方向。

Step1：介绍 LLM 的一些基础知识

LLM 相关的几个步骤

首先我们需要理解与基础 LLM 相关的几个步骤。

• 训练 training：在训练数据集上构建复杂的模型，以捕捉更多的数据特征和模式，从而提高预测准确性。

• 评估 evaluation：对模型的性能进行定量和定性的评估，以确定模型的准确性和效率。

• 微调 fine-tuning：在预训练模型的基础上，使用少量数据进行精细调整，以适应特定任务的需求。

• 部署 deployment：将训练好的模型部署到生产环境中，以便实时处理用户请求或进行实时分析。

• 推理 inference：使用已训练好的模型进行预测或分类，以及解释模型输出的过程。