当海量数据收集完毕，将进入模型训练环节。训练周期受模型规模、算力配置、训练目标等
因素影响，通常快则1-2 个月，慢则6-12 个月。
如果你习惯看视频，就看《5. AI大模型的不足和解决方案》，喜欢看文章就接着往下看。
受限于数据来源的局限性与训练机制的固有特性，AI大模型存在以下不足。
1 . 存在固定知识截止日期，无法获取实时动态信息（如最新上映电影、未来天气预报） → 解决方案：接入联网搜索工具
2. 缺乏特定领域私有知识，不掌握企业内部编码规范、生产标准作业程序（SOP）等专属内容 → 解决方案：接入检索增强生成（RAG）系统
3. 复杂数值计算与逻辑推理能力薄弱，易在高精度数学运算中出现错误 → 解决方案：调用专用计算工具
4. 无法直接访问和操作用户本地环境，不能管理本地文件、执行系统指令 → 解决方案：集成本地操作工具链
为解决大模型存在的问题，行业涌现出了LangChain、CrewAI、Spring AI、Dify 等主流大模型开发框架。其中 LangChain是目前最主流、生态最完善的通用开发最优解，拥有最全面的工具支持和最活跃的开发者社区。
