Keep on to blur preview images; turn off to show them clearly
![[开源推荐] AI Engineering book and other resources
来自 @chipro「AI Engineering」这本著名 AI 书籍的配套资源库，不只是说书籍的内容说明，还有很丰富的 AI 资源推荐，绝对的宝藏仓库 Readme！
核心定位：从“炼丹”到“盖楼”的转型指南
这个项目和书籍的核心在于定义了一个新兴的工程学科—— AI Engineering。
传统 ML 工程：侧重于从头训练模型、特征工程、处理表格数据等（可以理解为“炼丹”）。
新一代 AI 工程：侧重于使用现成的基础模型来构建实际的应用产品（可以理解为用预制好的高强度材料“盖楼”）。
这个项目就是在帮助开发者跨越“会写 Prompt”到“构建企业级 AI 应用”之间的巨大鸿沟。
关键内容概览
仓库包含书中各章节的代码示例、补充笔记和工具：
· 基础模型选型与理解：如何从海量模型中选择适合业务的 LLM 或 LMM
· 评估：这是本书的一大亮点。在生成式 AI 中，模型输出是不确定的，如何科学地评估模型的好坏？项目中探讨了包括 "AI-as-a-judge" 在内的前沿方法
· RAG 与 Agents：如何让模型利用外部私有数据做 RAG，以及如何让模型通过工具自主完成任务。这是目前企业落地 AI 最主流的两种模式。
· 微调与数据集工程：当通用模型不够用时，如何高效地通过数据微调模型，使其成为领域专家。
· 推理优化：关于成本和延迟的硬核工程实践，教你如何让 AI 应用跑得既快又省钱。
适合谁看？
· AI 应用开发者：正在开发基于 LLM 的产品（如客服机器人、文档分析工具）的工程师。
· 从传统 ML 转型的工程师：希望了解大模型时代新技术栈的数据科学家。
· 技术管理者/CTO：需要了解 AI 落地技术路径和成本结构的决策者。
开源地址：](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG7C7fK5awAAj_BY.jpg&w=3840&q=75 "[开源推荐] AI Engineering book and other resources
来自 @chipro「AI Engineering」这本著名 AI 书籍的配套资源库，不只是说书籍的内容说明，还有很丰富的 AI 资源推荐，绝对的宝藏仓库 Readme！
核心定位：从“炼丹”到“盖楼”的转型指南
这个项目和书籍的核心在于定义了一个新兴的工程学科—— AI Engineering。
传统 ML 工程：侧重于从头训练模型、特征工程、处理表格数据等（可以理解为“炼丹”）。
新一代 AI 工程：侧重于使用现成的基础模型来构建实际的应用产品（可以理解为用预制好的高强度材料“盖楼”）。
这个项目就是在帮助开发者跨越“会写 Prompt”到“构建企业级 AI 应用”之间的巨大鸿沟。
关键内容概览
仓库包含书中各章节的代码示例、补充笔记和工具：
· 基础模型选型与理解：如何从海量模型中选择适合业务的 LLM 或 LMM
· 评估：这是本书的一大亮点。在生成式 AI 中，模型输出是不确定的，如何科学地评估模型的好坏？项目中探讨了包括 \"AI-as-a-judge\" 在内的前沿方法
· RAG 与 Agents：如何让模型利用外部私有数据做 RAG，以及如何让模型通过工具自主完成任务。这是目前企业落地 AI 最主流的两种模式。
· 微调与数据集工程：当通用模型不够用时，如何高效地通过数据微调模型，使其成为领域专家。
· 推理优化：关于成本和延迟的硬核工程实践，教你如何让 AI 应用跑得既快又省钱。
适合谁看？
· AI 应用开发者：正在开发基于 LLM 的产品（如客服机器人、文档分析工具）的工程师。
· 从传统 ML 转型的工程师：希望了解大模型时代新技术栈的数据科学家。
· 技术管理者/CTO：需要了解 AI 落地技术路径和成本结构的决策者。
开源地址：")
[开源推荐] AI Engineering book and other resources 来自 @chipro「AI Engineering」这本著名 AI 书籍的配套资源库，不只是说书籍的内容说明，还有很丰富的 AI 资源推荐，绝对的宝藏仓库 Readme！ 核心定位：从“炼丹”到“盖楼”的转型指南 这个项目和书籍的核心在于定义了一个新兴的工程学科—— AI Engineering。 传统 ML 工程：侧重于从头训练模型、特征工程、处理表格数据等（可以理解为“炼丹”）。 新一代 AI 工程：侧重于使用现成的基础模型来构建实际的应用产品（可以理解为用预制好的高强度材料“盖楼”）。 这个项目就是在帮助开发者跨越“会写 Prompt”到“构建企业级 AI 应用”之间的巨大鸿沟。 关键内容概览 仓库包含书中各章节的代码示例、补充笔记和工具： · 基础模型选型与理解：如何从海量模型中选择适合业务的 LLM 或 LMM · 评估：这是本书的一大亮点。在生成式 AI 中，模型输出是不确定的，如何科学地评估模型的好坏？项目中探讨了包括 "AI-as-a-judge" 在内的前沿方法 · RAG 与 Agents：如何让模型利用外部私有数据做 RAG，以及如何让模型通过工具自主完成任务。这是目前企业落地 AI 最主流的两种模式。 · 微调与数据集工程：当通用模型不够用时，如何高效地通过数据微调模型，使其成为领域专家。 · 推理优化：关于成本和延迟的硬核工程实践，教你如何让 AI 应用跑得既快又省钱。 适合谁看？ · AI 应用开发者：正在开发基于 LLM 的产品（如客服机器人、文档分析工具）的工程师。 · 从传统 ML 转型的工程师：希望了解大模型时代新技术栈的数据科学家。 · 技术管理者/CTO：需要了解 AI 落地技术路径和成本结构的决策者。 开源地址：
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
One thing that's impressive about China is that they're at once hungry to copy what works and sincerely afraid of copying what doesn't. The CPC's project is in large part «do not become the USSR». Now they also want to avoid the fate of the UK or US. Dynasties were similar.
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
RT @indie_maker_fox: 🥳 录制了一个简易视频，演示 MkDollar 现有功能 https://t.co/p2FSaRpoX2 MkDollar 含义是 Make Dollar 挣美刀 用户提交产品只需输入域名，可以查看产品的DR、流量信息，管理产品…
🔥 The best AI SaaS boilerplate - https://t.co/VyNtTs0jSX 🚀 The best directory boilerplate with AI - https://t.co/wEvJ1Dd8aR 🎉 https://t.co/bh1RxeERuY & https://t.co/zubXJCoY92 & https://t.co/tfQf8T7gGF
RT @cerebral_valley: Last weekend we hosted the OFFICIAL @aiDotEngineer Code Summit Hackathon in NYC The first official hackathon powered…
achieve ambition with intentionality, intensity, & integrity - @dxtipshq - @sveltesociety - @aidotengineer - @latentspacepod - @cognition + @smol_ai
https://t.co/pRlATkT0td the market even solved the inefficiency of 2) here since!
third thing founder https://t.co/jZh799yNH4 / personal https://t.co/IdaJwZJCXm
RT @pmarca: David Sacks @DavidSacks is a throwback to the era of American greatness in which the most capable private sector citizens selfl…
Subscribe https://t.co/Xm1OaUU8jk • seed investing • writing • ॐ •🙏• I use '—' • tweets saved 90 days • 📷