𝗔𝗜 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗥𝗼𝗮𝗱𝗺𝗮𝗽 。 👇 在我的最新一期时事通讯中，我深入探讨了我的人工智能工程学习路线图。 它是为初学者创建的，但如果您已经精通某些领域，则可以轻松适应。 详细信息请见此处： 𝘖𝘯 𝘢 𝘩𝘪𝘨𝘩 𝘭𝘦𝘷𝘦𝘭 ： 𝗙𝗼𝗰𝘂𝘀 𝗼𝗻 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗮𝗹𝘀在整个旅程中，但不要专注于尽早掌握它们 - 先开始构建。 按顺序学习。 𝗟𝗟𝗠 𝗔𝗣𝗜𝘀 ： - 法学硕士 (LLM) 的类型。 - 结构化输出。 - 提示缓存。 - 多模式模型。 𝗠𝗼𝗱𝗲𝗹 𝗔𝗱𝗮𝗽𝘁𝗮𝘁𝗶𝗼𝗻 ： - 快速工程。 - 工具使用。 - 微调。 𝗦𝘁𝗼𝗿𝗮𝗴𝗲 𝗳𝗼𝗿 𝗥𝗲𝘁𝗿𝗶𝗲𝘃𝗮𝗹 ： - 矢量数据库。 - 图形数据库。 - 混合检索。 𝗥𝗔𝗚 𝗮𝗻𝗱 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗥𝗔𝗚 ： - 数据准备。 - 数据检索和生成。 - 重新排名。 - MCP。 - LLM 编排框架。 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 ： - 人工智能代理设计模式。 - 多代理系统。 - 记忆。 - 人类在环路内或环路之上。 - A2A、ACP 等。 - 代理编排框架。 𝗜𝗻𝗳𝗿𝗮𝘀𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗲 ： - Kubernetes。 - 云服务。 -持续集成/持续交付。 - 模型路由。 - LLM 部署。 𝗢𝗯𝘀𝗲𝗿𝘃𝗮𝗯𝗶𝗹𝗶𝘁𝘆 𝗮𝗻𝗱 𝗘𝘃𝗮𝗹𝘂𝗮𝘁𝗶𝗼𝗻 ： - AI 代理仪器。 - 可观察性平台。 - 评估技术。 - AI 代理评估。 𝗦𝗲𝗰𝘂𝗿𝗶𝘁𝘆 ： - 护栏。 - 测试基于 LLM 的应用程序。 - 道德考虑。 𝗙𝗼𝗿𝘄𝗮𝗿𝗱 𝗹𝗼𝗼𝗸𝗶𝗻𝗴 𝗲𝗹𝗲𝗺𝗲𝗻𝘁𝘀 ： - 语音和视觉代理。 - 机器人代理。 - 使用电脑。 - CLI 代理。 - 自动化提示工程。 我遗漏了什么吗？请在评论区留言告诉我！ LLM AI MachineLearning编程严选网