Evidently AI - ML 和 LLM 系统设计：800 个案例研究
来源: https://www.evidentlyai.com/ml-system-design 抓取时间: 2026-07-21 16:25:49
ML 和 LLM 系统设计：值得学习的 800 个案例研究
首次发布：2023 年 6 月 14 日。最后更新：2025 年 12 月 22 日
Netflix、Airbnb 和 Doordash 等公司如何应用 AI 来改进他们的产品和流程？我们整理了来自 150 多家公司的 800 个案例研究数据库，分享了实际的 ML 用例，包括使用 LLM 和生成式 AI 构建的应用程序，以及设计 ML 和 LLM 系统的经验教训。
由 Evidently 团队维护，Evidently 是一个用于 ML 和 LLM 评估的开源工具。
导航提示。你可以通过按行业或 ML 用例过滤案例研究来玩转数据库。我们根据反复出现的主题添加了标签。这不是一个完美的或相互排斥的划分，但你可以使用标签快速找到：
- 生成式 AI 用例。寻找技术标签"生成式 AI & LLM"、"RAG"和"AI 智能体"，以找到现实世界中 GenAI 应用的示例。
- 具有不同数据类型的 ML 系统：计算机视觉（CV）或自然语言处理（NLP）。
- 用于特定用例的 ML 系统。最受欢迎的是推荐系统、搜索和排名，以及欺诈检测。
- 我们还标记了 ML 为特定的面向用户的"产品功能"提供支持的用例：从语法错误纠正到生成服装组合。
享受阅读吧！如果你觉得这个数据库有帮助，请传播这个消息。
构建 AI 产品？试试 Evidently Cloud，这是一个为 AI 团队提供的协作式测试和可观测性平台。
现实世界的 ML 和 LLM 系统
所有内容都属于各自的所有方。我们只是把链接放在一起。
选择标准。以下是我们如何选择要包含的案例研究：
- 这是一篇关于内部创建的机器学习系统或 LLM 应用程序的博客、论文或文章（不是由向其他人销售或实施 ML 解决方案的供应商提供的）。
- 它有足够的关于用例和实现的细节：应用程序面向谁、AI 产品设计、评估标准、部署架构等。越多越好。
- 它涵盖了一个在生产中使用的现实世界 ML 或 LLM 系统。
- 它描述了一个特定的 ML 或 LLM 用例。只有少数例外同时详细描述了多个项目——例如，关于因果 ML 或生成式 AI 的项目。
我们错过了一些很棒的 ML 和 LLM 案例研究吗？告诉我们！我们拥有 3000 多名 ML 从业者和 AI 工程师的 Discord 社区 是分享反馈的最佳场所。
案例研究展示
这个交互式数据库包含来自领先公司的数百个 ML 和 LLM 实现案例研究。示例包括：
- Intercom - 面向客户支持的 AI 应用
- Instacart - PIXEL：Instacart 的统一图像生成平台
- Grab - 从失败到成功：Grab 内部 ChatGPT GrabGPT 的诞生
- Anthropic - Claude 模型开发和安全用例
- Nubank - 拉丁美洲金融服务中的 ML 应用
- Doordash - 使用 AI 生成菜单描述
- OpenAI - GPT 模型和 API 基础设施
- GitHub - Copilot 和 AI 驱动的开发工具
- Coinbase - 加密货币交易中的 ML 和风险管理
- Google - 大规模 ML 基础设施和研究
- Plaid - 金融数据 API 中的 ML 应用
每个案例研究都提供了关于架构选择、挑战、最佳实践以及 ML 和 LLM 系统在生产中实施的真实经验的宝贵见解。
开始使用 Evidently
为你的系统提供开源 AI 评估和可观测性。
评估、测试和监控你的 AI 驱动产品。
本文章由 Evidently AI 团队提供，保留所有权利。