สรุป: แผนที่ Model, Agent, Skill, RAG และ API
ทบทวนแนวคิดหลักโดยเชื่อมกับข้อมูล การกระทำ ต้นทุน และความรับผิดชอบ
เป้าหมาย: อธิบาย stack AI โดยไม่ใช้ศัพท์วนกัน · ใช้เวลาประมาณ 13 นาที
ข้อ 1
Model กับ Application เหมือนกันหรือไม่
- เหมือน
- ไม่ Application ห่อ Model ด้วยข้อมูลและประสบการณ์
ดูคำตอบและคำอธิบาย
ไม่ Application ห่อ Model ด้วยข้อมูลและประสบการณ์ ผลิตภัณฑ์รวมหลายส่วนมากกว่าตัวโมเดล
ข้อ 2
Skill มีอะไร
- เวทมนตร์ใหม่
- คำสั่ง ขั้นตอน ตัวอย่างและทรัพยากร
ดูคำตอบและคำอธิบาย
คำสั่ง ขั้นตอน ตัวอย่างและทรัพยากร Skill ช่วยความสม่ำเสมอแต่ไม่แทนสิทธิ์และ eval
ข้อ 3
upload PDF คือ training หรือไม่
- เสมอ
- ไม่ มักเป็น context หรือ retrieval
ดูคำตอบและคำอธิบาย
ไม่ มักเป็น context หรือ retrieval training หมายถึงการเปลี่ยนน้ำหนัก ไม่ใช่การแนบข้อมูลทุกครั้ง
ข้อ 4
ความรู้เปลี่ยนบ่อยควรพิจารณาอะไร
- RAG
- fine-tune ทุกวัน
ดูคำตอบและคำอธิบาย
RAG retrieval แยกเอกสารออกจากน้ำหนักและอัปเดตได้
ข้อ 5
open weights ใช้ขายได้เสมอหรือไม่
- ใช่
- ไม่ ต้องอ่าน license
ดูคำตอบและคำอธิบาย
ไม่ ต้องอ่าน license สิทธิ์และข้อจำกัดต่างกันตามใบอนุญาต
ข้อ 6
แก้ AI ครั้งเดียวแล้วเรียนรู้ทั้งบริษัทหรือไม่
- ใช่
- ไม่ ต้องดู memory, data flow และกระบวนการ update
ดูคำตอบและคำอธิบาย
ไม่ ต้องดู memory, data flow และกระบวนการ update บทสนทนาไม่เปลี่ยนน้ำหนักระบบอัตโนมัติแบบที่ผู้ใช้มักเข้าใจ
บันทึกช่วยจำ
- ตรวจเอกสารล่าสุดเมื่อเลือกเทคโนโลยี
- ขอหลักฐานแทนคำโฆษณา
สรุปบทเรียนนี้
- รู้ stack
- แยก data/state/action
- มี owner