19 minuuttiaTuotantovalmiiden RAG-sovellusten rakentaminen: Jerry Liu
Tunnista tuotanto-RAG:in säätimet, jotka puuttuvat naiiveista document-chat-demoista.
Anthropic. Hannah Moran ja Jeremy Hadfield Applied AI:sta käyvät läpi, miten muotoilla työkalukutsuja ja agenttikehotteita oikealla Pokémonia pelaavalla agentilla — milloin työntää käyttäytymistä järjestelmäkehotteeseen vs. työkalukuvaukseen, mitä mallin tarvitsee tietää kunkin työkalun ennakkoehtoista. Hyödyllinen heti, kun kirjoitat ensimmäisen MCP-palvelimesi ja huomaat Clauden kutsuvan sitä odottamattomilla tavoilla.
Käsittele demopeliä opetuspinnana, ei pointtina. Siirtyvä oppi on kehote/työkalusopimuksen suunnittelu; validoi mikä tahansa tuotantokehote arviointitapauksilla, joissa on väärän työkalun ja puuttuvan parametrin epäonnistumisia.
Päätä, mikä käyttäytyminen kuuluu järjestelmäkehotteeseen, työkalukuvaukseen tai työkalun ennakkoehtoon.
Olet rakentanut tai tarkastanut ainakin yhden työkaluja käyttävän agentin.
Viimeksi tarkistettu: 18.5.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
19 minuuttiaTunnista tuotanto-RAG:in säätimet, jotka puuttuvat naiiveista document-chat-demoista.
39 minuuttiaVertaa agenttipohjaista hakua ja graafihakua konkreettisessa toteutuksessa.
13 minuuttiaValitse kehotteiden laatimisen, RAG:n, hienosäädön tai yhdistelmän välillä todellisen epäonnistumistavan perusteella.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Emory University Goizueta Business School faculty
The deeper, university-level counterpart to our beginner HubSpot marketing pick — Emory's business-school treatment goes past 'how to prompt' into training generative models for brand-specific output, the purchase-funnel economics of AI-generated content, and a full module of genuine skepticism about when generative AI is and isn't worth using in marketing.
IBM AI Academy
GenAI-kauden vastaus johtajan strategiaan. Kolme lyhyttä kurssia, jotka on suunniteltu erityisesti liiketoimintaan vastaaville — ei teknistä taustaosaamista vaadita — ja ne käsittelevät sitä, missä generatiivinen tekoäly tuottaa arvoa, miten sen voidaan hallita vastuullisesti sekä miten muuntaa epämääräinen "meidän pitäisi käyttää tekoälyä" konkreettiseksi ja puolustettavaksi käyttötarkoitukseksi. Arviointi 4.6 noin 700 arvostelun perusteella. Paras suorittaa ennen seuraavaa tekoälybudjetin päätöksentekoa.