斯卡夫是一个孵化器
用于 Artefact 技术产品
提高技术交付标准。.
提高商业成功率。.
将人工制品合并为 data。.
Skaff 提供开源知识和可部署的解决方案，以解决基础技术问题
在 data 和 AI 项目能够展示价值之前，需要大量的技术开销
Skaff 意识到这一基础性工作，并建立了高质量的加速器来简化构建和部署，使团队能够专注于增值工作。.
知识
包
跑步起步
通过学习我们的知识包，加快技术或专业知识的入门速度。.
盒子里有什么？
知识包包括 45 分钟的实践操作、,
以及我们对如何
接近主题。.
试一试
可部署软件包
删繁就简
通过使用现成的开源软件，加速 data 项目的开发和产业化。.
它看起来像什么？
这些加速器可以是 Python 软件包、,
Terraform 模块、Git 仓库模板、,
仪表盘线框等。.
试一试
使用以下工具快速跟踪 Gen AI 应用程序
我们的 Langchain 工业化套件。.
成功案例
私募股权投资
通过利用 Skaff 的 GenAI 加速器，Artefact 团队迅速证明了通过索引和查询非结构化 data 并购可以节省大量时间。.
分析师能够用自然语言提出有关尽职调查文件、市场研究、专家访谈和其他 reports 的问题。这样就可以轻松地交叉引用信息，大大提高了工作效率。.
绿灯亮起，可扩展至 1500 个用户。.
消费美容
在构建 data platform 以支持营销用例时，使用 Skaff 加速器可快速部署 data 湖、data 管道、访问控制、finops 和 data governance。.
只需几天而不是几周或几个月的时间，data 工程师就能集中精力打造 data 产品，并为品牌的战略用例提供服务。.
RETAIL
为了在欺诈检测使用案例中分析来自销售点的 data 数据流，Skaff 的 dbt 服务器加速器被用来部署和安排分析管道。.
这使 Artefact 团队能够迅速深入了解欺诈检测事件和其他事件
有了这个随时可用的加速器，他们可以节省数周的开发时间，专注于他们的产品。.
我们的技术专家撰写的 Medium 博客文章
一次一个令牌地检测 LLM 中的幻觉
大型语言模型的能力令人惊叹。它们总结、翻译、推理和编码（比我做得更好）。但与我不同的是，它们也因发明...
未来的代理 AI 是否会依赖于知识图谱？
随着企业急于将 AI 投入运行，大多数企业发现他们的 data 基础设施根本不是为自主推理而设计的。如今，多达 80% 的 AI 实施...
丰富 DIY 体验：ADEO 如何使用 AI 连接内容和知识
分类优化是零售业的一个关键流程，它涉及到策划理想的产品组合以满足消费者需求，同时考虑到许多物流因素。.
MotherDuck 解读：新一代 AI 和分析解决方案如何融入您的 Data 堆栈
MotherDuck 通过协作功能将 DuckDB 的分析性能扩展到 cloud，提供比 BigQuery 快 4 倍的性能，并通过...
利用 Python 中的离散选择模型进行分类优化
分类优化是零售业的一个关键流程，它涉及到策划理想的产品组合以满足消费者需求，同时考虑到许多物流因素。.
偏好对齐总是增强基于 LLM 翻译的最佳选择吗？实证分析
用于机器翻译（MT）评估的神经指标因其与人类判断的相关性优于传统词汇指标而日益突出。
选择-学习：从机器学习的角度为业务环境建立大规模选择模型
离散选择模型的目的是预测个人从被称为 "品种 "的备选方案中做出的选择决定。著名的应用案例包括预测...
生成式 AI 时代：正在发生的变化
对 ChatGPT 和其他生成性 AI 的大量和多样化回应，无论是怀疑还是热情，都表明了它们正在带来的变化和影响。.
Artefact 如何为软件工程师开发公平而简单的职业系统
在当今充满活力、不断发展的科技行业中，职业道路往往会让人感觉像在机会密林中蜿蜒曲折。随着科技行业的快速发展，我们的职业生涯也在不断变化。.
为什么需要 LLMOps
本文介绍了 LLMOps，这是一个融合了 DevOps 和 MLOps 的专业分支，用于管理大型语言模型（LLM）带来的挑战...
释放 LangChain Expression Language (LCEL) 的力量：从概念验证到产品化
在不到一年的时间里，LangChain 已成为与 LLM 交互的最常用 Python 库之一，但 LangChain 主要是一个库...
我们如何使用 Treasure Data Unification 和 SQL 处理配置文件 ID 调节
在本文中，我们将解释 ID 协调所面临的挑战，并展示我们在客户 Data 平台中创建统一配置文件 ID 的方法，特别是...
