收益：
- 将模型选择转化为具有七个关键问题的结构化决策树
- 能够通过将决策树应用于实际业务场景来提出模型
- 评估建立模型组合而不是依赖单一模型的优势和负担
我们收集了八个单元的信息：提供商、隐式/显式权重、上下文、多模态、成本、层级和数据主权。现在是时候将这些部分组合成一个单一的决策机制了。本单元的目的是回答“哪种模型？”的问题。你不能再用直觉来回答问题，而是用结构化的决策树来回答。您还将了解为什么成熟的组织倾向于采用一系列模型，而不仅仅是一个模型。完成本单元后，您将能够将决策树应用于实际业务场景并起草您自己的投资组合。
七问决策树
我们可以将模型选择减少到七个问题。按顺序回答这些问题几乎会自动引导您找到合适的候选人。
- 数据是否敏感？如果您正在处理个人/机密数据→首先确定数据主权（明确权重、区域、零保留）。如果没有，你的灵活性将会增加。
- 任务有多困难？简单/强大→光级别。复杂/多步骤→强步骤+推理。
- 体积是多少？体积非常大→速度和成本脱颖而出，倾向于轻型范围。低产量 → 您可以投资于质量。
- 文档/上下文有多大？长文档→宽上下文窗口是必须的。短文本→小窗口就足够了。
- 有视觉/音频吗？如果可用 → 强制采用多式联运模式。否则，文本模型就足够了。
- 什么是预算敏感性？如果高→分步优化、缓存、批量；也许是开放重量。如果低→质量优先。
- 团队和基础设施如何？如果没有技术团队→关闭权重，准备好接口。如果有一支强大的球队→开放重量选项就在桌面上。
提示：一旦回答了这七个问题，候选模型池通常会缩小到一到两个模型。决策树的目的不是给你强加一个单一的“正确答案”，而是为了快速消除选项，让你更容易通过一点试点来测试剩下的选项。
将决策树放入表格中
问题
回答 → 重定向
数据是否敏感？
是 → 开重/地区/入库前归零
任务难吗？
是→强烈+推理/否→温和
音量大吗？
是 → 速度和成本优先（轻）
文档很大吗？
是→更广泛的背景
有视觉效果吗？
是 → 强制多式联运
预算有限吗？
是→优化+也许开放权重
有技术团队吗？
无 → 关闭/就绪界面
该表的工作原理就像一个清单：勾选每一行，组装生成的配置文件。例如，“数据敏感+任务困难+低容量+可用的技术团队”配置文件可能会引导您到在您自己的服务器上运行的强大的开放权重模型。
不是单一模型，而是一个组合
经验丰富的机构在一段时间后意识到，用单一模型做所有事情既不是最便宜的也不是最好的方法。相反，他们构建了一个模型组合：根据任务使用不同的模型。逻辑很简单：
- 简单、笨重的工作 → 轻便且便宜的模型。
- 复杂、关键的工作 → 强大的模型。
- 处理机密数据的作业→开放权重/区域模型。
- 视觉作品→多模式模型。
投资组合方法有两个主要好处。第一个是成本优化：每项工作都由模型根据需要完成，并且无需支付更多费用。其次，提供商独立性：您不依赖于单一提供商；如果有人提高价格、改变政策或削减服务，您已经准备好了替代方案。这称为“避免供应商锁定”。
注意：投资组合方法不是免费的；管理和监控多个模型并确保一致的质量会增加开销。如果您是一个小团队，那么从单一平衡模型开始并随着业务成熟而转向组合通常是更明智的做法。过早建立投资组合可能会造成管理混乱。
投资组合示例
以下是中型服务公司可能构建的示例产品组合：
业务类型
样本任务
所选型号类型
为什么
大批量分拣
评论/票证标记
稍微偏离
便宜、快捷、充足
一般内容制作
电子邮件、草稿描述
平衡
良好的平衡
复杂分析
合同风险审查
强关（更广泛的背景）
准确性至关重要
机密数据处理
财务/患者数据分析
开放权重（自有服务器）
数据出不去
视觉处理
发票/照片读取
多式联运
视觉要求
该表基于一句话问题“您使用哪种模型？”说明这个问题实际上是一个错误的问题。正确答案是：“哪种型号适合哪种工作？”
三个现实案例：应用决策树
案例 1——小型律师事务所。一个五人办公室想要总结合同。决策树：数据敏感（是的，但在明确同意和合同的情况下可以管理）→任务困难（是）→数量低（每月~100）→文档大（是的，40+页）→没有图像→预算中等→没有技术团队。结果是：利用现成界面中的大背景、强大、封闭权重模型和零保留合同。低体积使得强大舞台的成本易于管理。
案例2——电子商务运营。团队二十人，他们有三项工作：产品描述（大容量）、客户评论分类（非常大容量）、从发票图像中提取数据（中容量、视觉）。组合而不是单一模型：平衡模型到报表、轻型模型到评论、多模式模型到发票。因此，每项工作的适当成本和人才都会下降；如果他们让强大的模型完成所有工作，那么总费用大约会减少三分之一。
案例 3——公共机构。一个公共机构想要汇总公民的申请，但这些数据是个人的，不打算传到国外。决策树在第一个问题时崩溃了：数据是敏感的，主权是强制性的→明确的权重/区域模型是第一位的。由于他们拥有技术团队，因此他们在自己的基础设施上运行开放权重模型。其他问题（难度、数量）会微调他们选择的级别。
弱提示/强提示
弱提示：
您推荐我们哪种型号？
强力提示：
您的角色：人工智能解决方案架构师。我针对我的工作回答了以下七个问题：1) 数据是否敏感：[答案]2) 任务难度：[答案]3) 数量：[答案]4) 文档大小：[答案]5) 视觉/音频：[答案]6) 预算敏感性：[答案]7) 技术团队：[答案]任务：根据这些答案缩小候选模型类型（阶段、权重类型、上下文、多模态）。建议2个具体候选人。然后证明我是否应该使用单个模型或 2-3 个模型的组合来解决这个问题。
强大的提示将决策树的答案直接带入模型；因此，该模型不会进行猜测，而是根据您的真实个人资料缩小范围。
可复制模板
1. 运行决策树：
让我定义我的工作：[描述]。按顺序向我提出七个决策问题（数据敏感性、任务难度、体积、文档大小、图像、预算、团队），每个答案后缩小候选池范围，最后推荐 2 种模型类型。
2. 投资组合概要：
我有以下工作：[工作列表]。将决策树应用于每个作业，匹配适当的模型类型并创建组合表（作业/模型类型/理由）。用一句话评估投资组合的管理负担。
3. 单一模型或组合：
我的团队规模 [NUM]、我的工作多样性 [低/中/高]、我的每月 AI 预算 [范围]。我应该从单一平衡模型开始还是立即转向投资组合？比较利弊，建议分阶段的路径。
4.成瘾风险评估：
我们目前依赖于单一提供商 [PROVIDER]。这种依赖的风险是什么（价格、政策、破坏）？我应该准备哪个二级提供商作为备份以降低风险？建议 3 项使过渡更容易的措施。
常见错误
- 凭直觉选择：跳过决策树并选择一个模型，因为“听起来不错”；后来，出现了不兼容的情况。
- 把数据问题放在最后：在敏感数据中，主权问题是第一位的；把它放在最后会导致锁定到错误的模型。
- 将每项工作委托给单个模型：由于由单个模型完成不同难度和数量的工作，因此会损失质量或预算。
- 过早建立投资组合：试图作为一个小团队管理三到四个模型，从而造成不必要的复杂性。
- 根本不考虑依赖性：完全依赖于单一提供商，并且在价格/政策变化方面别无选择。
综上所述
- 模型选择可以归结为七个问题（数据、挑战、体积、背景、视觉、预算、团队）；这些问题很快就缩小了候选人的范围。
- 在敏感数据中，主权问题是第一位的，并影响其他决策。
- 成熟的组织不是单一的模型，而是根据任务建立不同模型的组合；这既优化了成本，又减少了依赖性。
- 投资组合有管理费用；小团队应该从单一的平衡模型开始，然后逐步推进。
应用任务
将您在之前单元中所做的所有笔记汇总在一起（需求概况、重量偏好、令牌/成本估算、层诊断、数据图）。通过本单元中的模式 1（运行决策树），回答您的业务的七个问题并得出两种候选模型类型。如果您有多种工作类型，请使用模板 2（作品集大纲）创建作品集表。该草案将作为最终单元评估和验证研究的输入。
清单
- [ ] 通过按顺序应用七个决策问题，我可以缩小候选范围。
- [ ] 我知道为什么在涉及敏感数据时主权问题是第一位的。
- [ ] 我可以将决策树应用到真实的业务场景中并提出模型。
- [ ] 我可以评估模型组合的优势和管理负担。
- [ ] 我知道依赖单一提供商的风险以及降低风险的方法。