看影片（在新分頁開啟原站）連到 YouTube・AI Engineer
摘要
Anant Srivastava 指出企業團隊常誤將提示詞、記憶與權重視為階梯，導致知識邊界混亂。他強調提示詞應處理穩定行為，記憶應存放變動且需引用的知識，權重則用於儲存已停止變化的反射模式。透過案例說明錯誤微調會導致陳舊資訊滯留，並提出讓系統透過運作迴圈改進的架構。
Anant Srivastava argues that prompts, memory, and weights serve distinct roles and warns against using fine-tuning to mask retrieval failures.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- 提示詞用於控制穩定行為與語氣，不該存放事實。
- 記憶應存放變動快、體量大且需權限控制的知識。
- 微調僅適用於已停止變化的反射模式以節省成本。
章節
依話題轉折切分，標題由 AI 產生
- 00:00Where should knowledge live?
- 00:15The real engineering problem
- 00:50Three tools, not a ladder
- 01:20How teams decide by accident
- 02:00Every edit is an architecture decision
- 02:40A support assistant goes wrong
- 04:34Accumulated, not designed
- 05:14Prompt: behavior, not facts
- 05:59Example: a support agent prompt
- 06:59Memory: current, large, citable
- 08:09The wrong job for memory
- 08:49Access control belongs in memory
- 09:14Example: a code assistant
- 10:08Chunking and metadata for code RAG
- 11:23Weights: what has stopped changing
- 12:28The fine-tuning mistake
- 13:53When fine-tuning works
- 15:08Medical coding: fine-tune the reflex
- 16:13Capability or cost?
- 16:58The decision table
- 17:33A circulating architecture
- 19:27The model is the easy part
適合誰看
負責設計或維護企業級 AI 系統架構的工程師與技術主管。
摘要依據
- 講者
- Anant Srivastava
- 依據
- 自動字幕
為什麼排在這裡
- 人氣
- 0.86
- 新鮮
- 0.98
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- How Anthropic ACTUALLY Prompts Fable 5.1影片 ・ Nate Herk ｜ AI Automation ・ 12 分鐘 ・
- 瘋背提示詞、優化KPI反而更完蛋？AI時代如何終結盲目努力？| 思想實驗室 Video Podcast ep102：ft.世界觀學院創辦人 李佳達影片 ・ Thought Lab with Guowei ・ 49 分鐘 ・
- What We Can Learn from Claude’s Fable 5.1 System Prompt文章 ・ Drew Breunig ・
- You're Prompting Opus 5.5 Wrong (Anthropic's Guide to Mastering Opus 5.5)影片 ・ Better Stack ・ 7 分鐘 ・
- Prompt Caching Explained: Stop Overpaying for AI Agents影片 ・ Hugging Face ・ 17 分鐘 ・
- Fable 5.1 怎麼 prompt？5 件今天就該改的事Podcast ・ AI懶人報 ・ 18 分鐘 ・
這個來源最近的內容
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）