Andrew Ng 推出 DSPy 新课程，学习自动优化 AI 提示。
新短课程：DSPy：构建与优化 Agentic 应用
DSPy 是一个强大的开源框架，用于自动调整生成式AI应用的提示。在本课程中，您将学习如何结合 MLflow 使用 DSPy。本课程与 @databricks 合作推出，由 DSPy 框架联合负责人 @ChenMoneyQ 授课。
许多AI构建者花费大量时间手动调整提示。当给定一组评估时，DSPy 会自动化这一过程。它对于优化提示（包括少样本提示）尤其有用，特别是在复杂的 agentic AI 工作流程中。此外，如果您将应用程序切换到更新的 LLM，如果您的提示是针对先前模型优化的，性能可能会下降。DSPy 会自动针对新 LLM 优化整个系统，仅需使用几个评估示例。
本课程教授 DSPy 的工作原理以及使用它的最佳实践。您将使用 DSPy 的基于签名的编程模型编写程序，通过 MLflow 追踪进行调试——以了解管道不同部分以及整个系统的性能——并使用 DSPy 优化器自动提高其准确性。
请在此注册：https://t.co/bb8uILyepf
DSPy 是一个强大的开源框架，用于自动调整生成式AI应用的提示。在本课程中，您将学习如何结合 MLflow 使用 DSPy。本课程与 @databricks 合作推出，由 DSPy 框架联合负责人 @ChenMoneyQ 授课。
许多AI构建者花费大量时间手动调整提示。当给定一组评估时，DSPy 会自动化这一过程。它对于优化提示（包括少样本提示）尤其有用，特别是在复杂的 agentic AI 工作流程中。此外，如果您将应用程序切换到更新的 LLM，如果您的提示是针对先前模型优化的，性能可能会下降。DSPy 会自动针对新 LLM 优化整个系统，仅需使用几个评估示例。
本课程教授 DSPy 的工作原理以及使用它的最佳实践。您将使用 DSPy 的基于签名的编程模型编写程序，通过 MLflow 追踪进行调试——以了解管道不同部分以及整个系统的性能——并使用 DSPy 优化器自动提高其准确性。
请在此注册：https://t.co/bb8uILyepf