Карта обучения | ExplainLLM | ExplainLLM

Загрузка...

Основы LLM AI Агенты Context Engineering Техники промптинга Песочница Мой путь Тарифы

Мой путь

Эволюция LLM

Нейронные сети Динамика обучения Трансферное обучение Токенизация Эмбеддинги Механизм внимания Архитектура Трансформера Инференс и KV-Cache Стратегии декодирования Настройки LLM Элементы промпта Основы промпт-инжиниринга Лучшие практики Квантизация Fine-tuning vs Промптинг Reasoning-модели Open-Source модели RLHF Mixture of Experts (MoE)Knowledge Distillation

Паттерн ReAct Function Calling Влияние инструментов Память агентов Multi-Agent системы Планирование и декомпозиция Архитектуры агентов Создание AI-агентов LangChain и LlamaIndex Оценка и тестирование агентов Протокол A2A (Agent-to-Agent)

Context Engineering Системные промпты Контекстное окно Структура промптов RAG — Retrieval Augmented Generation Безопасность промптов

Zero-Shot Prompting Chain-of-Thought — пошаговые рассуждения AI Few-Shot Learning Self-Consistency — повышение точности голосованием Tree of Thoughts Мета-промптинг Reflexion — самоанализ и улучшение ответов LLM Least-to-Most — от простого к сложному Program of Thought Chain of Verification RAG — генерация с дополненным поиском Prompt Chaining Generate Knowledge Структурированный вывод APE — автоматическая оптимизация промптов DSPy — программирование языковых моделей ART — автоматические рассуждения с инструментами Multimodal CoT Фреймворки промптов Практические паттерны Комбинирование техник

Генерация кода Классификация текста Суммаризация Извлечение информации Вопрос-ответ Генерация данных Чат-боты и диалоговый ИИ Трансформация текста Семантический поиск Генерация контента Text-to-SQL — генерация SQL из текста Структурированный вывод Анализ мнений и эмоций Промптинг для генерации изображений Промптинг для каждой модели Agentic Coding

Гид по выбору модели LLM бенчмарки Векторные базы данных Мониторинг LLM Оптимизация расходов Паттерны API интеграции Деплой LLM Гардрейлы в продакшене RAG vs Fine-tuning Малые языковые модели Prompt Caching LLMOps

Vision модели Анализ изображений Промпт-инженерия для vision Анализ документов Галлюцинации vision-моделей Мультимодальный RAG Голосовые агенты Real-time мультимодальность Видео и аудио Стоимость мультимодальности Диффузионные модели

Prompt Injection Jailbreaking — обход ограничений LLM Фактичность и галлюцинации Предубеждения в LLM AI Safety и Alignment Приватность данных и утечка PII Red Teaming для LLM

Введение в Claude Code Установка и настройка Первая сессия Агентный цикл 18 встроенных инструментов Работа с файлами Поиск и навигация Обзор суб-агентов Встроенные агенты Создание своих агентов Паттерны агентов Основы MCP Популярные MCP серверы Настройка MCP Продвинутый MCP Память и CLAUDE.md Модульные правила Управление контекстом Система хуков Навыки и команды Создание плагинов Agent SDK

Сравнение техник промптинга AI-челленджи по промпт-инжинирингу LLM Песочница — Тестируйте AI промпты BPE Токенизатор — Как AI читает текст Семантический поиск — AI-эмбеддинги Вероятности токенов — Предсказания AI моделей Визуализация контекстного окна Prompt Battle — Сравнение техник

Конструктор промптов

Глоссарий

Что нового

Главная
Дорожная карта

Ресурсы

Глоссарий Путь обучения Песочница Что нового

Правовая информация

Условия использования Политика конфиденциальностиОбратная связь Об авторе

© 2024-2026 ExplainLLM. Все права защищены.

Telegram-канал