随着企业和组织争先恐后地寻找人工智能的良好用例，几个关键问题不断出现：你甚至需要人工智能驱动的工具？您应该如何构建它们或将它们集成到您现有的工作流程中？你怎么知道这些努力是否值得？
无论您是独立从业者还是试图理解这一新兴技术的大型团队的一员，您都会在我们本周精选的一系列文章中找到具体且可操作的见解。他们各自解决了构建人工智能应用程序的具体细节，并利用其潜力实现明确的目标，同时避免常见的痛点。
虽然这些帖子聚焦于特定主题和业务问题，但它们都提供了务实、易于理解的方法，使它们对各种背景和经验水平的读者都有用。让我们深入了解一下。
- 我从 2024 年构建 LLM 申请中学到了什么？– 第 2 部分
现在，您已经构建了一个基于 LLM 的应用程序原型，看起来很有前途。接下来是什么？卫星维基德根据她在一年多的实验中积累的经验，提供了一个全面的路线图，主要目标是“开发支持人工智能的应用程序，同时牢记业务目标。” - 为什么生成式人工智能应用程序的质量常常很糟糕以及如何解决
观察到无数企业人工智能计划所带来的结果并不令人印象深刻（如果不是完全失败的话）马塞尔·穆勒博士重点强调了稳健评估的重要性，并展示了“我们如何在具体业务流程的背景下定性和定量评估生成式人工智能应用程序。” - 从头开始设计、构建和部署 AI 聊天应用程序（第 1 部分）
如果您准备好卷起袖子（真实的或众所周知的）并开始实施人工智能聊天应用程序，乔里斯·班恩— 患者指南是帮助您保持正确轨道的重要资源。第 1 部分概述了您需要考虑的微服务架构和本地开发需求，同时第 2 部分接下来详细讨论云部署和扩展。
- 学习构建高级 AI 图像应用程序
超越聊天机器人，艾达·西尔弗斯基尔德探索视觉生成人工智能工具为现实世界的企业和专业人士带来的可能性——在本例中，这是一个完全基于开源模型和框架的室内设计应用程序。 - 如何在不编写 SQL 的情况下构建用于数据分析的 AI 代理
为什么不利用人工智能的力量来简化通常需要大量 SQL 查询的常见数据分析工作流程？赵承志旨在借助人工智能代理来实现这一目标，并展示如何使用 LangChain 和 DuckDB 自己构建一个人工智能代理。 - 人工智能驱动的信息提取和匹配
对于另一个有前途的用例，人工智能应用程序可以帮助您和您的团队节省时间并提高效率，不要错过乌迈尔·阿里·汗– 关于构建基于人工智能的匹配工具的耐心教程（在本例中，帮助求职者找到适合他们技能和兴趣的职位）。
除了人工智能应用程序之外，我们还选择了一些我们认为您会喜欢的推荐读物，从适合初学者的法学硕士介绍到对数据策略的深入分析。
- 如果您不太懂技术的同事可以使用清晰易懂的入门书什么是法学硕士及其运作方式，只需发送它们卡罗莱纳便当— 一流的介绍。
- 要更深入地探索法学硕士的内部运作，请直接前往韩在民— 令人着迷的外观模型在生成和解释 ASCII 艺术方面的缺点——以及后者可能暗示的令人惊讶的安全风险。
- 快速而专注，克拉拉·庄– 变量范围指南解释了原因代码的这个特定方面可能会产生深远的影响适用于您的数据科学工作流程。
- 我们应该制定哪些规则防止人类在不知不觉中与人工智能配置文件进行交互在社交平台上？詹姆斯·巴尼揭示了最近围绕 Meta（现已暂停）实验的争议所带来的影响。
- 代码生成聊天机器人的兴起引领穆尔塔扎·阿里想知道是否年龄人类编写的编程教程即将结束。（剧透警告/松一口气：还没有！）
- 如果您想了解您观察到的预测与现实结果之间的差距，亨尼·德·哈德– 新帖子带我们了解预测概率、校准以及如何解释的基础知识这些数字在实际情况下。
- 想深入了解一下吗？延斯·林登博士刚刚分享了他的最新一期揭秘数据策略系列，这次的重点是数据和人工智能策略的常见陷阱– 以及组织如何避免它们。
- 为了完善本周的阵容，我们邀请您了解MicroPython 及其对数据科学家的潜在相关性;莎拉·莉– 简洁的指南将帮助您快速了解所有基本细节。