DeepSeek持续引发关注,很多国内外企业都陆续披露其产品或者解决方案已接入DeepSeek。
所以,有些老板也会发出问题,如何基于DeepSeek开展AI项目?
抛开一些偏细节、偏敏感的内容,在这里分享有一套可落地的方法论。
AI产品的目标是什么?
这个味道很熟悉,感觉又回到了两年前ChatGPT刚诞生的情况,很多公司出于焦虑或者想要抢占行业注意力,都做好了准备 All In AI,但这里我要泼一点冷水:你的急迫可能导致巨大损失!
现在基于DeepSeek的微调貌似成本也不高,这会导致新的技术路径产生,而API、API+知识图谱、基于微调的AI产品三者之间差异是什么,到底如何选择,很多人是模糊的。
这里的原因是AI产品的非对称性。
入门简单,精通难!大模型是很容易造成老板/产品/技术错误判断的存在,如果轻易承诺,肯定会坑了自己。
其次,在基座模型能力上来后,大家都是在70分水准的基线上竞争,如何通过自身的优势快速达到90分会成为占领高地的关键。
在这个基础上,我们再来探讨如何做技术选型。
技术选型
出于敏感性考虑,这块我会去除大量细节,请各位海涵
最基础的技术选择无非三块,提示词、RAG 和微调,其优劣如表格所述:
产品实现路径
PS,这里涉及敏感信息,所以只是简要说明
飞轮系统
个人认知,想要延伸基座模型的能力只有两个做法:
原文链接:https://www.360doc.cn/article/774743_1146219466.html