数据分析 | 推荐 ：构建大型语言模型应用：一份详细的指南（附链接）

本文来源公众号“数据分析”，仅用于学术分享，侵权删，干货满满。

原文链接：推荐 ：构建大型语言模型应用：一份详细的指南（附链接）

本文约5800字，建议阅读10分钟

本指南将为你在LLM原生开发的复杂领域中指明方向。

正在迅速成为现代人工智能的基石，但目前尚无成熟的最佳实践。许多先行者缺乏明确的方向，只能摸索前行，甚至陷入研究困境。

在过去两年中，我帮助过许多组织利用LLM构建了创新应用。基于这些经验以及LLM.org.il社区的宝贵见解，我总结出一套经过实战检验的构建创新方案的方法，在本文中与大家分享。   

本指南将为你在LLM原生开发的复杂领域中指明方向。你将学习如何从构思阶段逐步推进到实验、评估和产品化，最终释放潜力，创造出颠覆性的应用。       

为什么标准化流程至关重要

LLM 领域发展日新月异，几乎每天都会听到新的突破性创新。这固然令人兴奋，但也让人感到无所适从——你可能会渐渐开始迷茫，不知道下一步该往哪里走，也不知道如何将脑中的奇思妙想变成现实。

简而言之，如果你是一位想要高效构建 LLM 原生应用程序的 AI 创新者（无论是管理者还是从业者），那么本文都将为你指点迷津。

实施标准化流程有助于启动新项目，并具备以下几个关键优势：   

1.标准化流程——标准化流程有助于团队成员保持步调一致，并确保新成员能够快速融入团队（尤其是在当前瞬息万变的局面下）。

2.定义清晰的里程碑——清晰的里程碑能让你以一种简单直接的方式跟踪工作进度，衡量工作成果，并确保始终处于正确的研究方向上。

3.确定决策点——LLM 原生开发充满了未知数和“小型实验”[见下文]。清晰的决策点可以降低风险，并始终保持精益的开发方式。

LLM 工程师的必备技能

与软件研发领域中其他任何已有的角色不同，LLM 原生开发绝对需要一个全新的角色：LLM 工程师或AI 工程师。

LLM 工程师是一个独特的混合型人才，需要具备以下不同（已有的）角色的技能：

• 软件工程技能——与大多数软件工程师一样，这项工作的大部分内容都涉及将各个组件组装并粘合到一起。

• 研究技能——正确理解 LLM 原生实验的本质至关重要。虽然构建“酷炫的演示应用程序”很容易，但从“酷炫的演示”到真正落地且切实可行的解决方案之间，你需要通过大量的实验并且拥有敏捷的反应才可能实现。

• 深入的业务/产品理解——由于模型本身的脆弱性，理解业务目标和流程比坚持预先定义的架构更为重要。对人工流程进行建模的能力是 LLM 工程师的一项重要技能。

在撰写本文时，LLM 工程仍然是一个全新的领域，招聘可能会非常困难。拥有后端/数据工程或数据科学背景的候选人都是不错的选择。   

软件工程师可能会更容易过渡到 LLM 工程师的角色，因为与传统的数据科学工作相比，LLM 的实验过程更偏“工程化”，而没有那么强的“科学研究”属性。话虽如此，我也见过许多数据科学家成功转型到这个领域。只要愿意学习新的软技能，就可以实现成功转型！

LLM 原生开发的关键要素

与传统的后台应用程序（例如 CRUD）不同，构建 LLM 原生应用程序没有现成的、可以按部就班的流程方法。正如所有“AI”领域的工作一样，它需要你具备研究和实验的心态。

为了驾驭这头名为“LLM”的野兽，你必须采取分而治之的策略，将工作分解成更小的实验，逐个尝试&