我们从一年的 LLM 建设中学到了什么（第三部分）：策略

我们之前分享了在操作 LLM 应用程序时磨练的策略的见解。策略是细致入微的：它们是用于实现特定目标的具体行动。我们还分享了我们对运营的看法：为支持战术工作实现目标而制定的更高级别的流程。

之前分享过 策略 也分享过 运营

学得更快。挖得更深。看得更远。

学得更快。挖得更深。看得更远。

但这些目标从何而来？这是战略的领域。战略回答了战术和运营“如何”背后的“是什么”和“为什么”问题。

策略

我们提供自己的观点，例如“PMF 之前没有 GPU”和“关注系统而不是模型”，以帮助团队确定在哪里分配稀缺资源。我们还建议制定一个路线图，以便迭代出一个优秀的产品。这最后一组课程回答了以下问题：

构建与购买：何时应该训练自己的模型，何时应该利用现有的 API？答案一如既往是“视情况而定”。我们分享它取决于什么。

迭代到伟大的东西：如何创造持久的竞争优势，而不仅仅是使用最新的模型？我们讨论了围绕模型构建强大系统并专注于提供令人难忘、粘性的体验的重要性。

以人为本的人工智能：如何有效地将 LLM 集成到人类工作流程中以最大限度地提高生产力和幸福感？我们强调构建支持和增强人类能力的 AI 工具的重要性，而不是试图完全取代它们。

入门：团队着手构建 LLM 产品的必要步骤是什么？我们概述了一个基本剧本，从及时工程、评估和数据收集开始。

要回答这些难题，让我们一步一步思考……

一步一步思考……

策略：使用 LLM 构建而不会被超越

PMF 之前没有 GPU

BloombergGPT 九名全职员工 真的