本教程就是你成为 AI 工程师的路线图。我们会讲解构建 AI 驱动应用所需的全部核心概念。
完成后，你将能够：
- 参与有实质内容的 AI 工程技术讨论
- 理解新的 AI 突破在整个生态中的位置
- 对 AI 实现策略作出有依据的决策
之后，你就可以通过我的 Vercel AI SDK 教程亲手实践，把刚学到的知识真正用起来。
让我们进入 AI 工程的世界！
图解合集
想记住课程内容？这里有一份 PDF，收录了整个系列的全部图解。
你将学到什么
- 01AI 核心概念：AI 模型底层如何工作
- 02模型选择：为具体场景选择合适的模型
- 03AI 工程思维：指导 AI 项目成功的关键原则
- 04AI 工程技术：改进应用的技术目录
7 lessons，按顺序学习
- 01
什么是 AI 工程师？
了解 AI 工程师的职责和所需核心技能，以及它与机器学习工程、AI 辅助开发之间的区别。 - 02
LLM 可以用来做什么？
了解何时应使用 LLM 完成结构化、分类等数据任务，以及何时更适合采用确定性系统。 - 03
什么是 LLM？
了解大语言模型（LLM）的基础知识、结构、运行方式和创建过程，适合准备进入 AI 领域的初学者。 - 04
选择 LLM 前要问的 5 个问题
了解如何为 AI 应用选择合适的 LLM，包括开放与闭源模型、成本、延迟和托管方式等关键因素。 - 05
AI 工程师思维方式
学习如何通过定义清晰的成功指标，并建立数据驱动的持续改进文化，构建成功的 LLM 应用。 - 06
应用的质量取决于评测的质量
如何判断 AI 应用是否产生了幻觉？怎样确保它输出的正是你想要的结果？答案就是评测。 - 07
改进 LLM 应用的 17 种方法
一份用于改进 LLM 应用的技术目录。
