211 minuterDjupdykning i LLM:er som ChatGPT
Förstå den moderna LLM-stacken tillräckligt väl för att kunna resonera om token, träning, verktyg och fel.
Produktionsdjup. Systemdesign, utvärderingar och de svåra arkitektoniska besluten.
48 resultat
Inget matchar dessa filterFörsök med en annan kategori eller nivå, eller rensa filtren för att se allt.
211 minuterFörstå den moderna LLM-stacken tillräckligt väl för att kunna resonera om token, träning, verktyg och fel.
40 minuterUtvärdera produktidéer med partiell autonomi där människor behåller kontrollen över beslut med hög risk.
190 minuterDu kan bygga en LangGraph-agent med typat tillstånd, villkorsstyrd dirigering, kontrollpunkter och verktygsanvändning samt förstå när den explicita modellen lönar sig.
66 minuterDu kan sätta upp ett CrewAI-team enligt modellen med roller, mål och bakgrundsberättelser och bedöma hur dess dolda exekveringsloop står sig mot explicita grafer.
15 minuterUtforma enklare agentloopar med tydliga stoppregler, uppgiftsgränser och kontrollpunkter för människor.
18 minuterKänn igen vanliga fallgropar vid utveckling av agenter innan du lägger till flera agenter, komplicerade prompter eller dolt tillstånd.
17 minuterSkapa ett arbetsflöde med flera kodningsagenter och uttryckliga granskningsgränser så att genererade ändringar förblir små, testade och har en tydlig ansvarig.
56 minuterTa fram ett avkastningsunderlag för ett AI-arbetsflöde med ett utgångsläge, direkta och indirekta fördelar, kvalitetsgrindar och ett uttryckligt beslut om att avbryta.
41 minuterFatta beslut om att bygga eller köpa AI utifrån resultat, kontroll över data, arbetsbelastningens ekonomi, infrastrukturens beredskap och operativt ansvar.
20 minuterBedöm praktiska mönster för åtkomstkontroll i RAG för företagskunskap innan känsliga interna dokument indexeras.
5 minuterFörstå varför skärmbildsbaserad datoranvändning är kraftfull, långsam, dyr och bräcklig jämfört med API-baserad automatisering.
8 minuterAvgör var webbläsaragenter eller agenter för datoranvändning kan vara kommersiellt användbara trots de operativa riskerna.
22 minuterTillämpa mönstren skriva, välja, komprimera och isolera för att hantera agenters kontext medvetet.
8 minuterFörstå hur lång kontext kan fallera vid tvetydighet och distraherande information och utforma sedan tester kring den risken.
19 minuterDu kan uppskatta när promptcachelagring lönar sig genom att väga pristillägget för cacheskrivningar mot besparingen vid läsning för dina verkliga arbetsbelastningar.
56 minuterAnvänd promptcachelagring endast när stabila prefix, latens och kostnadsbeteende passar arbetsbelastningen.
30 minuterKoppla förordningens stegvisa tidsfrister 2025–2027 till de uppgifter kring leverantörsunderlag och ansvar som ett litet eller medelstort företag måste planera in nu.
55 minuterUtforma en utvärderingsstege som upptäcker regressioner innan ändringar av prompt eller modell når användarna.
19 minuterSe hur ett produktionsteam kombinerar assertioner, mänsklig granskning och LLM-bedömare i lager så att regressioner upptäcks före lansering.
157 minuterDu kommer att kunna genomföra finjusteringar med kvantisering, LoRA och QLoRA från början till slut på hårdvara som de flesta utvecklare redan har.
59 minuterPlacera finjustering i den bredare träningsprocessen och avgör när den är bättre än promptning eller RAG.
104 minuterFörstå hur MCP passar in i agentbaserade system bortom en lokal demoserver.
75 minuterBygg en första MCP-server och förstå hur verktyg, scheman, prompter, resurser och transporter hänger ihop.
19 minuterFörbättra verktygsdesignen så att agenter väljer rätt åtgärd med rätt parametrar.
29 minuterAvgör vilket beteende som hör hemma i systemprompten, verktygsbeskrivningen eller verktygets förvillkor.
7 minuterSkilj beslut om korttidsminne från beslut om långtidsminne och avgör när agentens minne ska skrivas.
44 minuterDu kan koppla episodiskt, semantiskt, arbets- och procedurminne till en agent i kod, inte bara namnge kategorierna.
9 minuterDu kan navigera bland spår, projekt och datamängder i LangSmith och läsa av tokenkostnad, latens, felfrekvens och detaljer per spann.
154 minuterKoppla samman spårning, utvärdering, återkoppling och produktionsgranskning till en operativ krets för LLM-system.
37 minuterBedöm privat AI som ett beslut om infrastruktur och styrning i stället för att instinktivt välja antingen SaaS eller egen drift.
69 minuterIdentifiera vilka fellägen dina egna agenter sannolikt kommer att drabbas av först och planera tester, reservlösningar och avvecklingskriterier för vart och ett.
17 minuterFörstå vad som går sönder när RAG flyttas till reglerad företagsanvändning med höga insatser.
19 minuterIdentifiera de kontroller för RAG i produktion som saknas i naiva demonstrationer av dokumentchattar.
13 minuterModellera promptinjektion som en sammanblandning av data som inte är betrodda och utforma gränser kring verktygsanvändningen.
17 minuterGranska försvar mot promptinjektion, till exempel taintanalys, begränsningar av utdataformat, användarisolering, deterministiska inställningar och redundanta kontroller för kritiska flöden.
9 minuterFörklara när informationshämtning är rätt lösning och när finjustering faktiskt kan vara till hjälp.
13 minuterVälj promptutformning, RAG, finjustering eller en kombination utifrån det faktiska felläget.
77 minuterHör hur promptingenjörer i produktion omarbetar instruktioner, exempel och beteendemässiga begränsningar under verklig press i stället för att behandla prompter som engångstexter.
25 minuterSe hur en vag prompt för försäkringsanspråk blir en strukturerad, testbar prompt med tydligare exempel, regler för utdata och beteende vid vägran.
39 minuterJämför agentbaserad informationshämtning och grafbaserad informationshämtning i en konkret implementation.
16 minuterFörstå arbetsflödet i GraphRAG enligt Microsofts modell: extraktion av entiteter, grupper, sammanfattningar och frågefokuserad syntes.
7 minuterFörstå varför dokumenttolkning, bevarande av struktur och kvalitetsgrindar vid inläsning är viktiga innan RAG byggs för PDF-filer och blandade filformat.
32 minuterFörstå varför serveringsmotorer, batchning och minne för KV-cache dominerar ekonomin för inferens i egen drift.
42 minuterBedöm när vertikala AI-agenter skapar verklig försvarbarhet och när de bara är tunna omslagstjänster.
34 minuterUtvärdera prissättning och specialisering av AI-produkter utifrån mätbara resultat i stället för antal användarplatser.
41 minuterDu kan förklara vad strikt läge garanterar, hur det skiljer sig från det gamla JSON-läget och hur hantering av vägran passar in i avtalet för strukturerade utdata.
18 minuterLär dig varför schemastyrda LLM-anrop behöver typade objekt, validerare, nya försök och explicit hantering av felaktiga eller hallucinerade fält.
6 minuterKänn igen en röstassistents centrala arkitektur och de felkällor som påverkar kundernas förtroende under verkliga samtal.