1.7　小结

在本章中，我们探索了一些常见的生成式AI任务和用例，并学习了一些生成式AI方面的基础知识。

我们还给出了一个典型的生成式AI项目生命周期的示例，涉及确定用例、提示工程（见第2章）、选择基础模型（见第3章）、微调（见第5章和第6章）、与人类价值观对齐（见第7章）、模型部署（见第8章）以及与外部数据源和agent集成（见第9章）。

生命周期中的计算密集型部分（包括微调和人类对齐）受益于对量化和分布式计算算法（见第4章）的理解。这些优化和算法将加快迭代开发周期，这对于开发生成式AI模型至关重要。

在第2章中，我们将学习一些提示工程技巧和实践。无论是使用Amazon SageMaker JumpStart模型中心（见第3章）还是Amazon Bedrock托管的生成式AI服务（见第12章），这些知识对于语言类基础模型（见第3章）和多模态基础模型（见第10章和第11章）都很有用。