行业动态
x.com ·
@shao__meng
Hamel Husain 的 AI 产品工程笔记：先修检索与 Context，再修 Systems，微调放最后
Hamel Husain 在 Maven 课程「AI Product Engineering」13 场、共 9.5 小时讲座后沉淀出约 20 分钟阅读量的笔记索引，按 Evals、Context、Systems 三大主题组织，并给出优化顺序：先优化检索与上下文，再改进系统与执行框架，最后才考虑 post-training，且仅在前面手段穷尽之后。转述中提及喂对文档后得分从 14.6% 涨到 93.5%、改参数使基准分涨 15 个点。
AI推荐理由 整理 Hamel Husain「AI Product Engineering」课程 13 讲、9.5 小时内容的优化优先级：先优化检索与上下文，再改进系统与执行框架，最后才考虑 post-training。引用中给出喂对文档后得分从 14.6% 涨到 93.5%、改参数基准分涨 15 个点等具体数字，对 AI 产品工程实践有参考价值。局限：数字来自转述的课程笔记，未提供原始实验条件，需谨慎对待。
74
浏览 399
点赞 2
评论 2
转发 0
正文
13 场讲座 · 9.5 小时浓缩成文：Hamel 的 AI 产品工程笔记，Evals、Context、Systems 的优化顺序
Hamel Husain [@HamelHusain](https://x.com/HamelHusain)（以 LLM Evals 方法论闻名）在他的 Maven 课程「AI Product Engineering」13 场、共 9.5 小时讲座后沉淀的笔记索引（2026 年 8 月发布）。
他把全部内容提炼到约 20 分钟的阅读量，按 Evals、Context、Systems 三大主题组织，也给出了推荐的优化顺序
1. 先优化检索与上下文：最低垂的果实
2. 再改进系统与执行框架
3. 最后才考虑 post-training：且仅在前面手段穷尽之后
meng shao@shao\_\_meng
13 场讲座、9.5 小时，[@HamelHusain](https://x.com/HamelHusain) 把「AI 产品工程」浓缩成一份优化优先级手册：先修检索与 Context，再修 Systems，微调放最后。
而一切始于 Evals。
喂对文档，得分从 14.6% 涨到 93.5%；改个参数，基准分涨 15 个点。Evals 是眼睛，Context 是杠杆，Systems 是地基。 [x.com/i/article/2100…](https://x.com/i/article/2100435561983168512)
[🔗 View Quoted Tweet](https://x.com/shao__meng/status/2100439330523361402)