Σχεδιάζοντας εφαρμογές με ενδυναμωμένη τεχνητή νοημοσύνη περιλαμβάνει την επιλογή της σωστής προσέγγισης AI, την αντιμετώπιση των μοναδικών χαρακτηριστικών του AI (μη-ντετερμινιστικότητα, κόστος, καθυστέρηση, σφάλματα) και το σχεδιασμό αξιοπιστίας γύρω από εγγενώς ατελή AI. Συνδυάζει τη μηχανική λογισμικού με εξειδικευμένες σκέψεις σχετικά με AI.
Επιλογή της προσέγγισης AI
→ PROMPTING (LLM APIs) → for most LLM tasks (simplest); good prompts go far
→ RAG → to ground answers in your own/current DATA (reduce hallucination)
→ FINE-TUNING → for specific behavior/style prompting can't achieve
→ TRADITIONAL ML → for structured prediction/classification with data
→ PRE-BUILT services → vision, speech, etc. (don't reinvent)
→ match the approach to the problem (often: prompting + RAG for LLM apps)
