55 minuuttiaNäin asetat LLM-evaluoinnit järjestelmällisesti (mittarit, yksikkötestit, LLM-as-a-Judge)
Suunnittele arviointitikapuu, joka nappaa regressiot ennen kuin kehotteen tai mallin muutokset saavuttavat käyttäjät.
Anthropic. Neljä Anthropicin kehotinsinööriä (tutkimus, alignment, applied, developer relations) puhuvat pitkään siitä, mitä he todella tekevät päivittäin — miten he muokkaavat kehotteita paineen alla, miten he ajattelevat ”rehellisyyttä” ohjeissa, milloin XML-telineet auttavat, milloin eivät. Artikkelin kerroksellinen malli kartoittuu selkeästi siihen, miten he kuvaavat työtä; tämä on paras tapa kuulla tuo ajattelumalli ääneen.
Käsittele sitä kuin pitkää podcastia — arvo on kuulla artikkelin kerroksellinen ajattelumalli ääneen ihmisiltä, jotka muokkaavat kehotteita oikeassa paineessa.
Kuule, miten tuotannon kehotinsinöörit tarkistavat ohjeita, esimerkkejä ja käyttäytymisrajoitteita oikeassa paineessa sen sijaan, että käsittelisivät kehotteita kertaluonteisena tekstinä.
Sinun pitäisi jo toimittaa kehotteita jossain — se on ammattilaisten pyöreä pöytä, ei kurssi.
Viimeksi tarkistettu: 18.5.2026
Jatka samalla oppimisreitillä seuraaviin valikoituihin oheisvideoihin.
55 minuuttiaSuunnittele arviointitikapuu, joka nappaa regressiot ennen kuin kehotteen tai mallin muutokset saavuttavat käyttäjät.
9 minuuttiaOsaat navigoida jälkiä, projekteja ja datasettejä LangSmithissä ja lukea token-kustannuksen, viiveen, virheasteen ja span-kohtaisen yksityiskohdan.
75 minuuttiaRakenna ensimmäinen MCP-palvelin ja ymmärrä, miten työkalut, skeemat, kehotteet, resurssit ja kuljetukset sopivat yhteen.
Valikoituja ulkoisia kursseja, jotka käsittelevät aiheita tarkemmin.
Isa Fulford · Andrew Ng
Kaksi kolmasosaa tuntia vuoden arvoinen intuitio. Jos olet aloittanut kirjoittamaan koodia, joka kutsuu suurta kielimallia — tai aiot tehdä sen — tämä on tehokkain verkossa saatavilla oleva kurssi täydentääksesi tietoa "ChatGPT:n pelaamisesta" ja "omakotitason ominaisuuden siirtämiseen, joka kutsuu suurta kielimallia".
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.