David Vicente Campos
A NeuraLIA Labs alapítója és a MyRealFood társalapítója
Mérnökinformatikus vagyok, a Leóni Egyetemen végeztem. Társalapítottam a MyRealFoodot, ahol CTO-ként felépítettem azt az alkalmazást, amelyet emberek milliói használtak arra, hogy egészségesebben táplálkozzanak, és megalapítottam a NeuraLIA Labst, ahol AI-termékeket fejlesztek. Itt arról írok, amit menet közben meg kellett értenem, úgy, ahogy szerettem volna, hogy valaki elmagyarázza nekem.
AI az alapoktól
30 fejezet
- A perceptron nulláról: mit számol egy neuron
- Honnan ered egy veszteségfüggvény: likelihood, nem konvenció
- Lejtmenet: gradient descent, és a két lépés, amit mindenki kihagy
- Osztályozás, keresztentrópia, és hogyan ne csapd be magad
- Backpropagation nulláról: előbb a motor, aztán a hálózat
- Elérni, hogy tanuljon — és hogy általánosítson
- Építs BPE tokenizert: miért nem tudja a model megszámolni az r-eket?
- Következő token előrejelzése: embeddingek és mit jelent a perplexitás
- Attention és a transformer blokk: levezetés egy átlagból
- Egy LLM pretrainingje: adatok, compute, scaling laws és költség
- Az alapmodelltől az asszisztensig: SFT, RLHF, DPO és GRPO
- Chain of Thought, RLVR és test-time compute mérve
- Olcsóbb inferencia: KV cache, batching és kvantálás
- Az első production LLM-hívásod: streaming, retryk, timeoutok
- Prompt engineering, mérve: mi változtatja meg a kimenetet
- A context window, a token és a számla mérve
- Temperature, top-p és a determinizmus, ami nincs a kezedben
- Tool calling és structured outputs: a szerződés, ami kitart
- RAG élesben: chunking, retrieval és őszinte hivatkozások
- Fine-tuning, visszakeresés vagy prompt? A döntés gazdasági
- Multimodális árazás: mit számláznak valójában a képek, a hang és a videó
- Mi az AI agent: öt klasszikus típus, két rivális definíció
- Agent harness építése: a loop és öt kiútja
- Context engineering: miért butul el az agented a 40. körre
- Multi-agent orchestráció: öt minta, és mikor győz az egyik
- MCP a specifikáció tükrében: mi is valójában egy szerver
- MCP server szállítása: TypeScript és Python, mérve
- Agent Skills és SKILL.md: progresszív feltárás, mérve
- LLM-értékelés: nyilvános benchmarkoktól a saját golden setig
- Prompt injection és a halálos trifekta: egy valódi agent biztonságossá tétele