来自 meng shao（@shao__meng）的推文线程

[開源推薦] AI Engineering book and other resources 來自@chipro「AI Engineering」這本著名AI 書籍的配套資源庫，不只是說書籍的內容說明，還有很豐富的AI 資源推薦，絕對的寶藏倉庫Readme！ 核心定位：從「煉丹」到「蓋樓」的轉型指南這個專案和書籍的核心在於定義了一個新興的工程學科— AI Engineering。 傳統ML 工程：著重於從頭訓練模型、特徵工程、處理表格資料等（可以理解為「煉丹」）。 新一代AI 工程：著重於使用現成的基礎模型來建立實際的應用產品（可以理解為用預製好的高強度材料「蓋樓」）。 這個專案就是在幫助開發者跨越「會寫Prompt」到「建構企業級AI 應用」之間的巨大鴻溝。 關鍵內容概覽倉庫包含書中各章節的程式碼範例、補充筆記和工具： · 基礎模型選型與理解：如何從海量模型中選擇適合業務的LLM 或LMM · 評估：這是本書的一大亮點。在生成式AI 中，模型輸出是不確定的，如何科學地評估模型的好壞？專案中探討了包括"AI-as-a-judge" 在內的前沿方法· RAG 與Agents：如何讓模型利用外部私有資料做RAG，以及如何讓模型透過工具自主完成任務。這是目前企業落地AI 最主流的兩種模式。 · 微調與資料集工程：當通用模型不夠用時，如何有效率地通過資料微調模型，使其成為領域專家。 · 推理優化：關於成本和延遲的硬核工程實踐，教你如何讓AI 應用跑得既快又省錢。 適合誰看？ · AI 應用開發者：正在開發基於LLM 的產品（如客服機器人、文件分析工具）的工程師。 · 從傳統ML 轉型的工程師：希望了解大模型時代新技術堆疊的資料科學家。 · 技術管理者/CTO：需要了解AI 落地技術路徑與成本結構的決策者。 開源位址：