17 分钟12要素智能体:可靠LLM应用的模式——Dex Horthy,HumanLayer
学会设计能够暂停、恢复、请求人工判断,并将业务状态与模型猜测分离的AI工作流。
42 个结果
没有符合这些筛选条件的内容尝试不同的类别或级别,或清除筛选条件以查看所有内容。
17 分钟学会设计能够暂停、恢复、请求人工判断,并将业务状态与模型猜测分离的AI工作流。
18 分钟了解如何将审批关卡实现为明确的工作流检查点,而不是等问题发生后再进行非正式人工审核。
32 分钟学会在不削弱人对含义、语气、术语和最终审批的责任前提下,将AI引入本地化流程。
4 分钟理解多语言嵌入对私有内部搜索的重要性,以及本地检索可在哪些方面降低数据暴露风险。
66 分钟了解使用Cursor构建小型项目的完整新手工作流,包括设置、提示、调试、Git基础和AI辅助编程的局限。
5 分钟你可以说出让AI为你编写代码之前需要设定的三项防护措施,并理解每一项为何能防止特定故障。
31 分钟了解n8n支持工作流如何起草有检索依据的回复并提出知识库更新建议,再识别生产使用前所需的控制措施。
231 分钟了解支持智能体在生产强化前如何结合检索、升级机制和工作流工具。
24 分钟设计一套由AI起草并流转工作、同时由人掌控策略、品牌语调和发布的营销工作流。
30 分钟在决定哪些工作流值得自动化之前,梳理当前营销工具的整体格局。
26 分钟评估语音智能体适合嵌入销售工作流的哪些环节,以及信息披露、同意和升级处理会在何处成为阻碍。
30 分钟理解AI辅助对外销售背后的数据补全与个性化流水线,同时避免把自动化误当作质量。
23 分钟研究多智能体新闻简报流水线,并确定来源、审批和故障处理应该放在哪些环节。
24 分钟识别浏览器智能体的操作循环,了解它适合哪些场景,以及哪些环节仍需人工确认。
2 分钟在构建之前,评估实现模式、失败模式和防护措施。
11 分钟识别托管文档助手中的来源选择、提问、工件生成和引用检查阶段。
26 分钟观察基于来源的笔记本工作流,并识别依赖它之前所需的检索、引用、来源追踪和权限检查。
29 分钟理解生成、评分、剪枝的推理模式,以及这些模式在实际工作中成本过高的情形。
25 分钟你可以在提示词中逐层加入角色、结构化章节和明确的思考步骤,而不会把思维链变成一种仪式。
69 分钟在构建之前,评估实现模式、失败模式和防护措施。
24 分钟了解查询重写、混合检索、重排序和纠正循环如何融入同一条RAG流水线。
25 分钟使用OWASP LLM风险类别审查工具访问权限、输出处理和敏感数据暴露。
11 分钟区分直接提示词注入与间接提示词注入,并理解为何仅靠过滤还不够。
107 分钟掌握面向产品构建者的评估闭环:检查追踪记录、标注故障、定义标准、测试改动,并与人工判断进行比较。
3 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
26 分钟构建第一个n8n AI智能体工作流,同时了解工具访问、记忆功能和防护边界各自应放在何处。
92 分钟将简单智能体扩展为包含记忆、错误处理和真实业务集成的多步骤工作流。
14 分钟安装本地模型运行器,拉取一个小型模型,并在投入实际工作前理解隐私与性能之间的权衡。
6 分钟通过图形界面尝试本地AI,并比较小型模型与托管式前沿模型的表现。
20 分钟理解协议中的各项角色:宿主、客户端、服务器、工具、资源、提示词和传输机制。
16 分钟用浅显语言解释MCP带来的变化,并判断工具连接应该采用MCP还是更简单的集成方式。
19 分钟比较旗舰、轻量、中档和专用模型,让路由决策基于任务适配度、成本和延迟,而不是品牌偏好。
9 分钟在增加编排复杂度前,评估模型路由在质量、成本和可靠性方面的权衡。
30 分钟识别不同工作流阶段,并为每个阶段制定可测试的工具选择标准。
14 分钟把若干用例构想转化为候选阶段,再按照文章中的能力和交接标准进行测试。
10 分钟根据托管方式、AI智能体适配度、集成能力和维护方面的取舍选择自动化平台,而不是受产品炒作影响。
3 分钟了解最初的o1发布定位,并将这段历史说明与当前实施指导区分开来。
28 分钟理解一种关于o1的历史解释,再在当前模型和工作负载上,将直接任务说明与其他受支持的提示词变体进行比较。
10 分钟用有代表性的案例和明确验收标准,把C.R.A.F.T.作为一种候选提示词生成结构进行评估。
20 分钟提取候选提示词结构,再补充负责人、版本、评估、限制和后备字段,然后提交审核。
8 分钟运用多种AI未来情景来规划应用,而不把公司的命运押在单一预测上。
60 分钟围绕工作流变革、能力建设和现实的组织风险来构建AI应用框架。