你应该这样构建基于 AI 的产品（译）
💡
原文中文，约4900字，阅读约需12分钟。
📝
内容提要
本文讨论了构建人工智能产品的方法，建议避免仅仅包装现有模型，而是创建独特且有价值的技术。解决方案是创建自己的工具链，结合微调过的模型、自定义编译器和训练的模型。作者强调在需要的地方使用人工智能，而不是完全依赖它。最后，作者推荐使用类似Builder的方法来构建人工智能产品。
🎯
关键要点
- 构建独特且有价值的人工智能产品，避免仅仅包装现有模型。
- 当前大多数AI产品缺乏差异化，容易被复制。
- 使用大型语言模型（LLMs）成本高昂且速度慢，可能不适合所有用例。
- LLMs的定制能力有限，难以满足特定需求。
- 建议创建自己的工具链，结合微调过的模型、自定义编译器和训练的模型。
- 构建AI产品时，首先应使用正常的编程实践，探索问题空间。
- 逐步构建复杂功能，避免一开始就依赖人工智能。
- 通过生成数据和训练自己的模型，提升产品的质量和效率。
- 控制自己的模型可以带来更好的隐私保护和持续改进的能力。
- 在项目中尽可能长时间地避免使用人工智能，只有在必要时才将其连接到代码上。
❓
延伸问答
如何构建独特的人工智能产品？
构建独特的人工智能产品应避免仅仅包装现有模型，而是创建自己的工具链，结合微调过的模型、自定义编译器和训练的模型。
使用大型语言模型（LLMs）有哪些主要问题？
使用LLMs的主要问题包括高昂的成本、速度慢以及定制能力有限，这可能不适合所有用例。
为什么要避免在项目初期使用人工智能？
在项目初期避免使用人工智能可以帮助开发者使用正常的编程实践探索问题空间，逐步构建复杂功能。
如何提升人工智能产品的质量和效率？
通过生成数据和训练自己的模型，可以提升人工智能产品的质量和效率。
控制自己的模型有什么好处？
控制自己的模型可以带来更好的隐私保护和持续改进的能力，避免依赖外部模型的风险。
构建AI产品时应如何处理隐私问题？
通过控制整个技术栈，可以确保模型符合高隐私标准，避免数据泄露的风险。
➡️
