Page 124
12 articles智能体记忆垃圾回收：大规模工程化的策略性遗忘
生产环境中的智能体记忆系统会随着过时事实和矛盾信息的积累而无声地退化。分代衰减层、语义去重、矛盾检测和自适应压缩构成了一个 GC 管道，使长期运行的智能体保持可靠——其中包含借鉴自运行时垃圾回收的具体算法。
AI 代码审查陷阱：为什么更快的审查正在让你的代码库变得更糟
AI 工具让工程师写代码更快、审查代码更快，但缺陷逃逸率却在攀升。本文呈现自动化偏见、隐性逻辑错误的数据，以及真正能发现 AI Bug 的审查规范。
AI Agent 的 CAP 定理：为何你的 Agent 在本该优雅降级时却彻底崩溃
大多数 AI Agent 在单个工具宕机时会彻底崩溃——这与分布式数据库几十年前已解决的一致性与可用性权衡如出一辙。本文探讨如何设计部分可用路径。
级联上下文污染：为何一个错误事实就能毁掉整个 Agent 运行
在 25 步 Agent 运行的第 3 步中，一个幻觉事实可以悄无声息地污染后续所有结论。了解三种传播向量、检查点验证模式，以及防止生产环境中级联上下文污染的架构策略。
你的代码审查流程正在针对错误的失败模式进行优化
AI 生成的代码将缺陷从拼写错误转移到了架构漂移、幻觉 API 和照搬模式上——但审查者却更快地盖上了橡皮图章。本文提供一套实用的检查清单和指标框架，帮助你调整代码审查流程。
大规模语料库策展：为什么你的 RAG 质量上限取决于你的文档质量下限
大多数 RAG 失败并不是模型故障，而是数据故障。本文探讨文档质量如何决定你的检索上限，以及在生产环境中语料库卫生究竟意味着什么。
AI 系统的数据溯源：追踪答案来源已成为工程必修课
当你的 LLM 在生产环境中给出错误答案时，你能追溯到底是哪些文档导致了这个结果吗？如果不能，你已经落后了。本文介绍如何从第一天起就将来源血缘嵌入 AI 系统。
你的 LLM 评估套件中的古德哈特定律：当优化分数破坏系统时
团队如何在无意中博弈自己的 LLM 评估，为什么基准分数与生产质量的偏差比你预期的更快，以及保持评估套件诚实的元评估实践。
混合 LLM 工作负载的 GPU 调度：那个没人解决好的装箱问题
在共享 GPU 集群上服务多个 LLM 模型会浪费 30–50% 的可用算力。本文解析 Kubernetes GPU 调度为何不适用于 LLM 推理，以及真正有效的解决方案。
制度性知识流失：AI Agent 如何在不传递理解的情况下吸收决策
当 AI Agent 端到端地处理任务时，曾经通过人类对话流转的推理过程停止了流动。本文探讨了这对工程团队造成的代价，并提供了具体的模式，在流失加剧之前阻止它。
为什么你的数据库在AI功能上线后崩溃：LLM感知的连接池设计
AI功能会产生突发性的长时间运行查询模式，耗尽为可预测Web流量设计的连接池。连接池分段、准入控制和'在LLM调用前释放连接'模式可以防止AI工作负载挤占核心产品资源。
机器可读的项目上下文：为什么你的 CLAUDE.md 比模型选择更重要
每款 AI 编程工具在响应之前都会读取一个项目专属的 Markdown 文件。这个文件的质量比背后的模型更可靠地预测输出质量——然而大多数团队只写一次、写得很糟，然后再也不碰。
关于 Tian Pan
我是 Tian Pan，一名工程师型创始人，专注于智能体工程——构建自主 AI 系统并扩展工程团队。我撰写关于系统设计、技术领导力和 AI 智能体实战的实用指南。曾在 Uber、Brex 和 IoTeX 担任早期工程师。
