ihower { blogging }

歡迎訂閱 📬 愛好 AI Engineer 電子報 過往期數點這 📚

Hello! 各位 AI 開發者大家好 👋

我是 ihower，最近大家有關心 OpenAI 連續 12 天的直播發佈會嗎?
不過到目前為止(Day 7)主要都是關於 ChatGPT 產品面的發表，還沒有看到關於開發者 API 的新東西馬上可以玩。

🔝 Inference, Fast and Slow

這篇文章提供了一個圖表是目前模型的推論範式有哪些，算是小小的複習一下。
現在除了大模型小模型，還有最便宜的批次跑、推理型 o1 最聰明、即時 realtime 型(現在還很貴)、快速編輯型(就上一篇電子報我們提到的)。

👍 Developer Roadmap

知名的 Developer Roadmap 路線圖現在也包括 AI Engineer 跟 Prompt Engineering Roadmap 了，可以檢查看看你的 AI 知識點有沒有點齊。

閱讀全文〈愛好 AI Engineer 電子報 🚀 AI Engineer 的學習 Roadmap #20〉

Hello! 各位 AI 開發者大家好 👋

我是 ihower，感謝大家再次閱讀這期電子報！天氣漸涼了，大家注意保暖 ❄️

🔝 OpenAI Predicted Outputs

OpenAI 新推出了一項令人神奇的功能 Predicted Outputs: 如果輸出大部分的內容你已經知道，則可以大幅增加輸出的速度。這功能特別適合應用於需要重新生成文字或程式碼，但只有小幅修改的場景。

由於非常好奇其背後的原理，找到李宏毅老師在課堂中對這項技術 Speculative Decoding 的詳細解釋: 李宏毅老師的課程，非常推薦觀看。

閱讀全文〈愛好 AI Engineer 電子報 🚀 OpenAI 跟 Cursor 都在用的加速技術 Speculative Decoding  #19〉

Hello! 各位 AI 開發者大家好 👋

我是 ihower，今天 10/31 萬聖節快樂！祝大家有個歡樂愉快的一天，颱風天在家也請注意安全。

🔝 OpenAI DevDay 2024 重點整理

這是月初 OpenAI DevDay 2024 舊金山場的重點整理，包括

1. Realtime API 你也可以做出 ChatGPT 進階語音模式在你的 app 了，這將帶來一整個新世代的語音 app
2. Prompt caching 不用額外設置，命中快取就自動有 50% 折扣
3. Vision fine tuning 視覺圖片微調 gpt-4o
4. Model distillation & eval tools! 模型蒸餾和評估工具

👍 我的 OpenAI o1 的資料整理

OpenAI 在 9/12 推出的 o1 模型，採用了隱藏的 CoT，大幅提升了推理能力，但思考的 latency 時間也增加不少。我收集了一些資料分享給有興趣的朋友。

閱讀全文〈愛好 AI Engineer 電子報一週年啦 🚀 #18〉

歡迎訂閱 📬 愛好 AI Engineer 電子報 過往期數點這 📚

Hello! 各位 AI 開發者大家好 👋

我是 ihower，很高興這期跟大家分享我最近的演講內容。

🔝評估驅動開發: 生成式 AI 軟體不確定性的解決方法

這是我這個月演講分享的投影片，定義了 5-Level 開發 Prompt 的評估成熟度等級，幫助大家更好理解如何進行評估。如果資料不夠看的話，我還有整理筆記在這裡。

👍提示詞 Prompt 自動最佳化: Textgrad 和 DSPy 通用範例

Prompt 自動最佳化的思路，就是用 AI 迭代產生上百上千個提示詞，透過自動化評估，從中挑一個表現最好的 prompt。

延續評估驅動開發的演講內容，我用 Textgrad 和 DSPy 這兩個史丹佛大學出品的最佳化框架，分別做了通用範例。只需要給任務描述，就可以快速完成 Prompt 自動最佳化的過程，拿到厲害的 prompt 結果。

🎯What is prompt optimization?

如果你對 Prompt 最佳化無法想像，Jason Liu 的這篇帶你簡單認識什麼是 Prompt 最佳化，從挑選 few-shot examples 開始。

🚧Claude 的官方課程

Claude 推出的這個官方課程非常不錯，我推薦看 Real world prompting 這個，可以了解 prompt engineering 和手工做評估的過程。

👊OpenAI 能輸出你想要的格式 (JSON Schema)

YWC 寫的這篇結構化輸出文章很不錯。若要說哪一個功能是我最近開發 AI 最實用的功能，OpenAI 的 Structured Outputs 可以排第一。
透過定義 JSON Schema 可以確保回傳的 JSON 格式，經我實際使用上萬次的 API 呼叫都沒有 JSON 解析出錯，非常好用。
並且 OpenAI 借鑑了 Jason Liu 的 Instructor 框架，使用 Python 的 Pydantic 語法來定義 JSON Schema，整個 code 變得非常簡潔。
於是你就不需要其他結構化的框架了，基本上就是 Pydantic is all you need 和 Pydantic is STILL all you need。

可惜其他家模型目前還沒有這樣的功能，如果想找 structured LLM output 框架可以參考這篇跟這篇。

(2024/10/6) 補充: 這篇 Diving Deeper with Structured Outputs 不錯。

—

希望你會喜歡這期的內容，祝開發順利！

– ihower