从软件工程到AI工程

文章主旨：

探讨大模型普及时代的应用方式及其开发过程中的工程化与方法论演进。

关键要点：

• 大模型的普及推动了高效、低成本的AI应用发展，标志着其进入大众化时代。
• 通用大模型可以作为基础，通过结合特定领域知识，开发专职AI以满足实际需求。
• AI开发强调工程化过程，类似于软件开发，包括语料准备、测试、构建、部署及流程优化。
• AI工程需要结合敏捷/精益、持续集成等方法论以提升开发效率，未来或将发展出专门的理论体系。
• 若AI实现自主学习与进化，可能会对现有AI工程领域产生颠覆性影响。

内容结构：

• 大模型时代的到来： 大模型的普及与技术进步使得其成本降低，运行效率提升，标志着大模型进入大众化时代。DeepSeek被提及为一个低成本且高效的例子。
• 大模型的应用方式： 除了直接应用，还可以作为基础，通过结合领域知识开发专职AI，实现类似操作系统上的应用程序功能。
• AI开发的工程化需求： 类比软件开发，AI开发需要工程化处理，包括语料准备、Prompt设计、流程编排，甚至模型优化，强调协作与效率。
• 方法论演进与未来趋势： AI工程可能借鉴软件工程中的敏捷、持续集成等方法论，未来可能发展出独立的知识体系，但自主学习的AI或将颠覆这一领域。
• 附彩蛋问题： 提到两道开放性问题，以测试AI的认知与推理能力，目前AI尚无法领会其中深意，但期待未来能够解决此类问题。

文章总结：

文章以技术发展与方法论演进为核心，强调工程化与灵活性对于AI开发的重要性，同时对未来AI的自主能力表达了期待与隐忧。

LLM如何重塑自动化测试的底层逻辑

了解更多

高质效交付

查看原文：从软件工程到AI工程

文章来源：

高质效交付

扫码关注公众号