从零到一：用 GLM 开源模型做出第一份成果
智谱开源的 GLM 系列模型——这是 GLM 开源模型最主要的用途，也是本文讨论的前提。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：私有知识问答
目标：用 GLM 开源模型完成一次「私有知识问答」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读模型卡与许可证（尤其是商用条款）
- 准备材料：一批不能上传云端的内部文档（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：断网可用。
- 保存提示词与最终结果，写三行复盘。
在本地搭建问答：本地模型负责回答，文档向量化存储在本机，回答时注明出处段落，断网情况下验证仍可使用。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「团队共享服务」，或者把这次的流程分享给同事一起试。
延伸练习
接入现有应用
输入：一个已有的业务系统。
通过兼容 OpenAI 格式的接口把本地服务接入现有系统，设置超时和并发上限，先在测试环境跑通。
验收标准：超时与并发有限制。
本地部署试跑
准备材料：一台有独立显卡或大内存的电脑。
按官方文档在本机部署，选择一个适合显存的模型尺寸，运行一个简单的对话或推理测试，记录显存占用和生成速度。
交付前确认：记录了资源占用。
模型对比测试
输入：两到三个候选开源模型。
用 20 个真实业务问题测试候选模型，记录回答质量、速度和资源占用，选出最适合的模型。
交付前确认：测试问题相同。
常见问题：生成速度很慢
检查是否使用了 GPU 加速，减少上下文长度。
常见问题：服务对外暴露有风险
只监听内网地址，加认证和反向代理。
常见问题：中文效果不理想
优先选择中文训练数据充足的模型。
概念补充：许可证
规定能否商用、是否需署名等条件，部署前必须阅读。
概念补充：LoRA 微调
只训练少量附加参数的低成本微调方法。
适合人群：软件工程师
软件工程师可以用 GLM 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
适合人群：数据分析师
数据分析师可以用 GLM 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
适合人群：医疗机构行政人员
医疗机构行政人员可以用 GLM 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。
写在最后
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
文中提示词和示例仅作示意，实际效果取决于你的材料和 GLM 当前版本，重要内容请人工核对后再使用。