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. Anthropicin Applied AI -tiimin live-rakennussessio vakuutuskorvauskehotteesta — he aloittavat epämääräisellä ohjeella ja iteroivat joksikin, jonka kehittäjä todella toimittaisi, näyttäen artikkelin kuvaamat tarkistukset järjestelmä- ja kehittäjäkerroksille. Katso tämä ennen artikkelin tarkistuslistan uudelleenlukemista esimerkeistä, tuotosrakenteesta ja kieltäytymisen käsittelystä.
Katso sitä iteraatiosta, ei lopullisesta kehotteesta — vakuutuskorvausrakennus näyttää järjestelmä- ja kehittäjäkerroksen tarkistukset, jotka artikkelin tarkistuslista koodaa.
Katso, miten epämääräisestä vakuutuskorvauskehotteesta tulee jäsennelty, testattava kehote selkeämmillä esimerkeillä, tuotossäännöillä ja kieltäytymiskäyttäytymisellä.
Peruskehotteiden sujuvuus; artikkelin kerrosmalli antaa oikean linssin.
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.