博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
分块策略是 RAG 流水线中隐藏的核心决策
你在索引阶段确定的分块大小和边界策略决定了 RAG 系统的质量上限。本文将介绍如何正确调优，并在回归问题演变为无声故障前捕获它们。
向组织内部沟通 AI 的局限性：工程负责人的行动框架
70% 到 95% 的企业 AI 项目之所以失败，并非因为模型本身糟糕，而是因为法务、销售和运营团队对系统功能的理解各不相同。这是一份为工程负责人准备的结构化框架，旨在沟通误区演变为生产危机之前，对齐所有利益相关者的认知。
复合精度问题：为什么你的 95% 精确率 Agent 会失败 40% 的时间
一个每步精确率为 95% 的 10 步 Agent 流水线，整体成功率只有 60%。这里是背后的数学原理，以及真正能改变失败曲线的架构模式。
AI 流水线的契约测试：组件间 Schema 校验的交接规范
当一个 AI 阶段产生的结构化输出被下一个阶段消费时，你实际上创建了一个无人测试的生产者-消费者契约。本文介绍适配概率性 AI 输出的消费者驱动契约测试方法。
对话状态不仅仅是一个聊天数组：面向生产环境的多轮会话设计
“聊天历史即数组”的抽象在生产规模下会以可预见的方式失效。这里有一种真正能扛住压力的会话设计方案。
跨语言幻觉：为什么你的大模型在它不擅长的语言中更容易撒谎
LLM在非英语语言中的幻觉率高出15–35%，但聚合基准测试掩盖了这一差距。本文解析其原因、测量方法以及减少幻觉的生产架构模式。
数据飞轮陷阱：为什么你的反馈循环可能在原地空转
数据飞轮听起来像是复利优势，但大多数实现都有至少三个漏洞，会悄悄污染训练信号。以下是区分真实飞轮与其仿品的审计方法。
AI 系统的数据血缘：从数据源到响应的全链路追踪
没有归因元数据的 RAG 流水线，一旦出错就会让你束手无策。这里介绍几种轻量级 span 标注模式，能捕获检索溯源信息，让幻觉调试变得系统化。
Prompt 工程无法突破的数据质量天花板
当底层数据存在噪声、过时或重复问题时，Prompt 工程会触碰到一道硬性天花板。本文将介绍如何诊断数据失效与模型失效，以及哪些手段才能真正改变结果。
文档即攻击：通过企业级文件流水线的提示词注入
为什么幼稚的文档摄取流水线（如 PDF、电子邮件、电子表格）是丰富的提示词注入载体，攻击者使用的具体攻击模式，以及真正能抵御这些攻击的内容溯源架构。
欧盟《人工智能法》合规是工程问题：你必须交付的审计追踪
欧盟《人工智能法》对高风险AI系统的要求包括可审计的决策日志、人工监督钩子和合规评估，这些都无法在上线后补救。本文介绍使合规成为工程纪律的数据模型、日志架构和监督触发器设计。
GDPR 的删除难题：为什么你的 LLM 记忆存储是法律风险
RAG 管道和长期 LLM 记忆存储在 GDPR 下属于个人数据处理器。被遗忘权带来的删除传播问题是标准向量数据库无法干净解决的——以下是使 LLM 记忆在欧盟合法运营的架构模式。