先学什么

最快的路径是学会分解工作流并连接合适的数据。先弄清哪些环节需要判断力，再评估系统是否让业务流程变得更好。模型发布的新闻可以稍后再看。

  • 从工作流和用户所做的决策入手。
  • 围绕检索来设计数据访问，并提前处理好权限和数据来源可见性。
  • 只在确定性系统优于文本输出的地方使用工具调用。
  • 以任务成功率为核心进行评测，同时跟踪延迟和成本，并辅以回归检查和人工审核。
  • 在明确的职责归属下进行部署，并配备可观测性和回滚路径。

AI 工程与机器学习工程

学科核心问题典型产出
机器学习工程我们能否训练、部署和监控一个模型？模型、流水线、特征存储、模型服务。
AI 工程我们能否让 AI 工作流变得有用且可靠？AI Agent、工具、评测、界面、工作流自动化。
前沿部署工程我们能否让它在特定客户环境中真正落地？集成系统、操作手册、生产环境部署。

术语表

  • AI 工程
  • 将 AI 能力转化为可靠的产品和工作流系统的学科。
  • Agent
  • 一种能够使用工具、遵循目标并在多个步骤中做出有边界决策的 AI 系统。
  • 评测
  • 一种可重复的测试，用于检验 AI 系统是否正确完成任务，并持续安全地运行。
  • 检索
  • 从文档、数据库或 API 中为模型提供相关外部上下文的过程。
  • 人在回路
  • 一种控制模式：在高影响操作执行之前，由人员对 AI 输出进行批准、纠正或审核。