18 minuterPydantic är allt du behöver: Jason Liu
Lär dig varför schemastyrda LLM-anrop behöver typade objekt, validerare, nya försök och explicit hantering av felaktiga eller hallucinerade fält.
Y Combinator. I sitt huvudanförande på AI Startup School beskriver Karpathy LLM:er som en ny sorts dator – allmännyttig tjänst, fabrik och operativsystem i ett – och argumenterar för produkter med ”partiell autonomi” där människan håller systemet i strama tyglar. Det är den tydligaste formuleringen av den mentala modell på stacknivå som artikeln förutsätter: du väljer inferensleverantörer och verktyg för ett programmerbart fundament, inte för en chattbot.
Modellnamn, priser och funktioner förändras snabbt. Använd videon för beslutsmönstret och verifiera sedan modellens aktuella beteende innan du börjar använda den.
Utvärdera produktidéer med partiell autonomi där människor behåller kontrollen över beslut med hög risk.
Inga – den går att se helt utan förkunskaper och passar bra efter djupdykningens grundning i träningsmetoder.
Senast granskad: 18 maj 2026
Fortsätt längs samma lärstig med nästa kurerade kompletterande video.
18 minuterLär dig varför schemastyrda LLM-anrop behöver typade objekt, validerare, nya försök och explicit hantering av felaktiga eller hallucinerade fält.
77 minuterHör hur promptingenjörer i produktion omarbetar instruktioner, exempel och beteendemässiga begränsningar under verklig press i stället för att behandla prompter som engångstexter.
55 minuterUtforma en utvärderingsstege som upptäcker regressioner innan ändringar av prompt eller modell når användarna.
Externa kurser som är handplockade och går djupare in i detta ämne.
Antje Barth · Shelbee Eigenbrode · Mike Chambers · Chris Fregly
När yrkesverksamma frågar ”vilken kurs ska jag gå om jag menar allvar med att bygga med LLM:er?” är detta svaret. Matematiskt korrekt utan att vara en forskningsartikel. De AWS-inriktade kapitlen om driftsättning är användbara även om du aldrig kommer att använda SageMaker.
Jerry Liu
Naiv RAG (vektorsökning → lägg resultatet i prompten) är den version som lanseras först och leder snabbast till besvikelse. Den här kortkursen visar hur du tar nästa steg: en agent som planerar informationshämtningen, väljer verktyg, jämför källor och besvarar frågor som spänner över flera dokument. Två timmar som du omedelbart kan omsätta i en verklig produkt.
Harrison Chase
Det är kontextfönstrets minnesluckor som får de flesta agenter att verka glömska och tröga redan den andra dagen. Den här kursen lär ut LangMem-mönstren som löser problemet – episodiskt, procedurellt och semantiskt minne – så att en agent kommer ihåg användarens preferenser och tidigare interaktioner mellan sessioner utan att prompten sväller.