致那些在 AI 竞争中被落后的人们

Source: Dev.to

Cheat Sheet: Key AI Concepts

• NLP (Natural Language Processing) – 使计算机能够理解、解释和生成人类语言的人工智能领域。
• LLM (Large Language Model) – 在海量文本语料上进行训练，以预测下一个词，从而实现聊天、写作和摘要等功能。
• LMM (Large Multimodal Model) – 将 LLM 的能力扩展到处理图像、音频、视频等多模态数据。
• Foundational Model – 大规模、通用的模型（例如 GPT‑4），可作为众多下游任务的基础。
• Multimodal – 能够处理并关联不同类型的数据（例如用文字描述图像）。
• Prompt Engineering – 精心设计指令，以从 AI 模型中获得最佳响应。
• Finetune – 在较小、特定任务的数据集上对预训练模型进行二次训练。
• RAG (Retrieval‑Augmented Generation) – 将 AI 与外部知识库相连，使其能够实时检索事实，降低幻觉产生。
• Embedding Model – 将文本或图像转换为捕捉语义的数值向量，以实现相似度比较。
• AI Engineering – 使用现成的 AI 模型构建完整应用，侧重于集成、安全、成本和可用性。
• ML Engineering (Machine Learning Engineering) – 从零开始设计、训练和优化模型，包括数据清洗和算法改进。
• Agentic AI – 能够自主行动的 AI：将目标拆解为步骤，使用工具（如网页搜索、预订），完成任务。
• MLOps (Machine Learning Operations) – 确保 AI 模型在生产环境中保持更新、可监控和可靠的实践。

Real‑World Project Pipeline (Customer Support Agent)

AI Engineer Stack: 常用工具

• 编排（工作流粘合剂） – LangChain, LlamaIndex
• 向量数据库（RAG 存储） – Pinecone, Weaviate, Chroma
• 应用构建器与 UI – Streamlit, Gradio
• 评估与可观测性 – LangSmith, Arize Phoenix
• 本地开发 – Ollama, LM Studio

领先工具与模型概览

基础模型

• 文本与通用推理：OpenAI GPT‑4o，Anthropic Claude 3.5 Sonnet，Google Gemini 1.5 Pro，Meta Llama 3（开源领袖）。
• 图像生成：Stable Diffusion，Midjourney
• 视频生成：Synthesia（讲话头像），Google Veo（电影剪辑）

AI 应用与助理

• 编码助理 – GitHub Copilot
• 会议自动化 – Fireflies.ai（录音、转录、摘要）
• 搜索与研究 – Perplexity AI（带引用的对话式搜索）
• 工作流助理 – Lindy（多步骤业务工作流）

RAG 工具

• 框架 – LlamaIndex（索引与检索），LangChain（应用逻辑）
• 向量数据库 – Pinecone（托管），Weaviate（开源），Chroma
• 评估 – LangSmith，Arize Phoenix

代理式 AI

• 多代理团队 – CrewAI，Microsoft AutoGen（角色特定的 AI 代理）
• 复杂工作流 – LangGraph（任务控制、人类批准步骤）
• 自主编码 – Goose，Claude Code（编辑文件、运行测试）

其他重要工程工具

• 本地 AI 运行器 – Ollama（本地运行 Llama 3 等开源模型）
• 模型优化 – DSPy（自动提示优化）