受限解码（例如函数调用）
实施 RAG 方法或使用工具增强 LLM
优化推理技术（例如量化、蒸馏、推测解码等）
微调
请注意，提示工程技巧可能无法很好地从一个模型转移到另一个模型，因此我们可能需要调整提示，尽管已经做出巨大努力来使用以前的模型优化提示。
Dataiku 如何提供帮助？
如您所见，选择合适的 LLM、为该模型设计 加拿大 Whatsapp 数据 最佳提示以及整合先进的 AI 技术的过程既是艺术，也是科学。尽管上述分步过程中的某些决策可能依赖于主观衡量标准，但遵循系统的评估方法仍然是必不可少的。如果没有计划知道什么时候“足够好”才算足够好，您就会冒着无休止地迭代和投入资源进行边际性能改进的风险，而这些收益却会被下一波提供这种现成性能的尖端模型所抹去。
Dataiku 是创建生成式 AI 应用程序的合适工具，它以稳健且面向未来的方式进行开发。特别是，Dataiku 的LLM Mesh使从业者能够轻松地从一个 LLM 切换到另一个 LLM，而无需修改 Dataiku 项目的流程或代码配方。此外，下表中的功能支持执行上一节中描述的过程：