联系我们
 课程时长 35 小时

课程大纲

引言与诊断基础

  • LLM系统中的故障模式概述及Ollama特有的常见问题
  • 建立可复现实验和受控环境
  • 调试工具集:本地日志、请求/响应捕获和沙箱隔离

复现与隔离故障

  • 创建最小失败示例和种子数据的技术
  • 有状态与无状态交互:隔离上下文相关的bug
  • 确定性、随机性以及控制非确定性行为

行为评估与指标

  • 定量指标:准确率、ROUGE/BLEU变体、校准和困惑度代理
  • 定性评估:人机协同评分和评分标准设计
  • 特定任务的保真度检查和验收标准

自动化测试与回归

  • 针对提示词和组件的单元测试,场景和端到端测试
  • 创建回归测试套件和黄金示例基线
  • 为Ollama模型更新和自动化验证门控集成CI/CD

可观测性与监控

  • 结构化日志、分布式追踪和关联ID
  • 关键运营指标:延迟、token使用率、错误率和质量信号
  • 针对模型支持服务的告警、仪表板和SLIs/SLOs

高级根因分析

  • 通过图形化的提示词、工具调用和多轮流程进行追踪
  • 对比A/B诊断和消融研究
  • 数据溯源、数据集调试及解决数据集引发的故障

安全性、鲁棒性与补救策略

  • 缓解措施:过滤、接地、检索增强和提示词脚手架
  • 模型更新的回滚、金丝雀发布和分阶段发布模式
  • 事后复盘、经验教训和持续改进循环

总结与后续步骤

要求

  • 具有构建和部署LLM应用的丰富经验
  • 熟悉Ollama工作流程和模型托管
  • 熟练使用Python、Docker和基础可观测性工具

目标受众

  • AI工程师
  • ML Ops专业人士
  • 负责生产环境LLM系统的QA团队

即将举行的公开课程

课程分类