Was wir aus einem Jahr der Arbeit mit LLMs gelernt haben

Kapitel 3. Strategie: Mit LLMs bauen, ohne ausmanövriert zu werden

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wir haben bereits über die Taktiken berichtet, die wir bei der Durchführung von LLM-Anwendungen entwickelt haben. Taktiken sind detailliert: Sie sind die spezifischen Aktionen, die wir einsetzen, um bestimmte Ziele zu erreichen. Wir haben auch unsere Sichtweise auf den Betrieb erläutert: die übergeordneten Prozesse, die die taktische Arbeit zur Erreichung der Ziele unterstützen.

Aber woher kommen diese Ziele? Das ist die Domäne der Strategie. Die Strategie beantwortet die Fragen nach dem "Was" und "Warum" hinter dem "Wie" der Taktik und der Operationen.

Wir geben unsere Meinung ab, z. B. "keine GPUs vor PMF" und "konzentriere dich auf das System, nicht auf das Modell", um den Teams zu helfen, herauszufinden, wo sie ihre knappen Ressourcen einsetzen sollten. Außerdem schlagen wir einen Fahrplan vor, wie man durch Iteration zu einem großartigen Produkt kommt. Diese letzten Lektionen beantworten die folgenden Fragen:

Bauen vs. Kaufen

Wann solltest du deine eigenen Modelle trainieren und wann solltest du bestehende APIs nutzen? Die Antwort lautet wie immer: "Es kommt darauf an." Wir sagen dir, wovon es abhängt.

Durch Iteration zu etwas Großem

Wie kannst du dir einen dauerhaften Wettbewerbsvorteil verschaffen, der über die Verwendung der neuesten Modelle hinausgeht? Wir besprechen, ...