AI 生产权衡

定义

AI 工程师在生产部署中面临的关键决策维度。来自 Sara Nobrega (2026) 的框架：这些权衡没有"正确"答案，但有可操作的框架、真实数字和决策背景。

#	权衡	核心问题
1	[[build-vs-buy-llm	构建 vs 购买]]
2	[[cace-principle	复杂度 vs 可维护性]]
3	[[data-quality-vs-quantity	数据数量 vs 质量]]
4	[[batch-vs-real-time-inference	吞吐量 vs 延迟]]
5	[[prompt-engineering-vs-fine-tuning	提示词 vs 微调]]
6	[[human-in-the-loop	自动化 vs 人类监督]]

决策的成本很少在决策做出的地方产生回报。 复杂度的代价延迟偿付——更复杂的模型 6 个月后增加维护成本，实时系统的 24/7 支撑长期代价更高，大规模脏数据在重训练周期上付出代价。