AI工程

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：translation-feedback@oreilly.com

人工智能领域的近期突破不仅提升了对AI产品的需求，也降低了开发者构建AI产品的门槛。模型即服务（MaaS）模式将人工智能从深奥学科转变为人人皆可使用的强大开发工具。 如今，无论是否具备人工智能经验，任何人都能借助人工智能模型构建应用程序。本书作者Chip Huyen深入探讨了人工智能工程——即利用现成基础模型构建应用程序的流程。

本书开篇概述AI工程学，阐释其与传统机器学习工程的差异，并探讨新型AI技术栈。AI应用越广泛，灾难性故障的风险越高，因此评估机制至关重要。书中探讨了多种开放式模型评估方法，包括快速崛起的AI裁判法。

AI应用开发者将掌握如何驾驭AI生态系统——涵盖模型、数据集、评估基准以及看似无穷无尽的应用场景与模式。您将学习AI应用开发框架：从基础技术起步，逐步进阶至复杂方法，并掌握高效部署应用的要诀。

• 理解人工智能工程的本质及其与传统机器学习工程的差异
• 掌握AI应用开发流程，识别各阶段挑战及应对策略
• 探索各类模型适配技术，包括 prompt 工程、RAG、微调、智能体及数据集工程，并理解其工作原理与应用价值
• 分析基础模型服务中的延迟与成本瓶颈，掌握突破方案
• 根据需求选择合适的模型、数据集、评估基准及指标

Chip Huyen 现任职于 Voltron Data，致力于加速基于 GPU 的数据分析。此前她曾就职于 Snorkel AI 和 NVIDIA，创立过人工智能基础设施初创公司，并在斯坦福大学教授机器学习系统设计课程。其著作《设计机器学习系统》是亚马逊人工智能类畅销书。

《AI工程》一书在《机器学习系统设计》（O'Reilly出版）基础上进行拓展，两者内容互补。