博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
结构化输出并非已解决的问题：生产环境中的 JSON 模式失效模式
JSON 模式看起来像是一个已经解决的问题，直到你遇到深度嵌套的 schema、包含大量枚举的类型，或者是静默截断的长补全。本文提供了一份完整的故障分类指南，以及在错误影响用户之前捕获故障的验证模式。
当代码胜过模型：用确定性逻辑替换 LLM 调用的决策框架
“直接用模型就好”的本能反应是 AI 系统中不必要复杂性的主要诱因。本文提供了一个决策框架，帮助你识别何时正则表达式、查找表或基于规则的分类器在准确性、延迟和成本方面优于 LLM 调用。
为非确定性 AI 功能编写验收标准
当你的系统是概率性的时，标准的验收标准就会失效。本文介绍了评估阈值协议、基于示例的规范以及衡量模式，帮助产品和工程团队在 AI 功能的“完成”定义上达成一致。
追踪规划层：为什么你的智能体追踪只记录了一半的故事
智能体可观测性工具能为你提供完整的工具调用日志和耗时，但驱动这些决策的规划与推理过程往往是不可见的。本文将探讨什么是规划层追踪，为什么它能捕捉到完全不同的失败类型，以及如何在今天就开始实施。
大规模代理式网页数据提取：当智能体取代爬虫时
AI 智能体解决了传统爬虫无法解决的实际问题，但“LLM 读取页面”的原型在每小时 1,000 页的规模下会崩溃。本文介绍了在生产环境中真正起作用的混合架构、成本模型和监控设计。
AI 界面中无人关注的可访问性鸿沟
逐个 Token 的流式输出会以大多数团队从未测试过的方式破坏屏幕阅读器的体验。本文将探讨为什么 WCAG 对此没有现成的解决方案，以及哪些设计模式是真正有效的。
CI 流水线中的 AI 智能体：如何为无法单元测试的部署设置质量关口
传统的 CI/CD 基础设施并非为非确定性软件而设计。本文介绍如何为 LLM 驱动的功能添加有意义的部署质量关口，同时避免将流水线变成烧钱的评估农场。
沉默的回归：如何在不失去用户信任的情况下传达 AI 行为变化
当你悄悄更新模型或提示词时，高级用户会感受到真实的回归——即便整体指标有所改善。本文介绍如何检测行为漂移，并在不破坏用户信任的前提下传达 AI 变更。
调试的倒退：AI 生成的代码如何改变故障响应成本曲线
AI 代码生成确实带来了前期的开发速度，但成本在下游显现 —— 比如凌晨 3 点，当值班工程师缺乏心智模型来调试那些他们既没有编写也几乎没有审查过的代码时。
大规模 AI 代码审查：当你的机器人带来的工作量超过它节省的工作量时
探讨决定 AI PR 审查器是加速还是耗尽你的团队精力的误报率逻辑，AI 审查器能可靠捕获与经常遗漏的问题类别，以及如何衡量你的代码审查代理是否产生了正向收益。
大规模 AI 辅助代码库迁移：自动化处理那些没人想碰的升级
探讨 AI agent 如何处理批量代码迁移——包括过时的 API、框架升级、语言版本演进。分析在何处收益巨大，何处可能事倍功半，以及让这些方法都变得安全可靠的验证策略。
AI 工程师职级体系：为什么你的 SWE 晋升框架在骗你
标准软件工程晋升框架系统性地误判 AI 工程师的表现。当模型承担大部分编码工作时，初级与高级工程师之间究竟区别在哪里？