Optimize and fine-tune AI agents for production: 点评

看到“准备训练数据”那一节，我感觉自己撞上了一堵文字墙。它讲要清洗数据、把格式整理成用户/助手的对话对、确保语气一致。行吧，但作为产品经理，我的问题是：这活儿到底谁干？是需要一个数据科学家花三周时间去标注对话吗？还是外包团队？或者是 Foundry 工具能自动搞定？这门课全程没回答。

它是一次概念巡礼，不是工作流的导览。它确实让我认识了 SFT、RFT、DPO 这些字母汤，以后工程师在会上提到它们，我至少能跟着点点头了。但如果他们反过来问我，“我们是该用 SFT，还是投入更多数据成本去做 DPO？” 这门课给我的决策框架是零。两种方法的成本差异是啥？性能能提升多少？各要花多长时间？是不是一种更适合修复事实性错误，另一种更适合修正“阴阳怪气”的语气？

这些才是关键。整个内容卡在一个很尴尬的位置，既不够高阶（像白皮书），也不够落地（像技术教程），两头不靠。最后的练习甚至都不是个沙盒，就是个选择题，考的还是刚刚才读过的定义。结果就是，我记住了概念，但对它们没建立起任何直觉。这东西对帮助我写好一份PRD，或者挑战一下工程师给的排期，毫无用处。