Page 153
12 articles构建能在生产环境中真正运行的 LLM 系统的七种模式
深入探讨七种工程模式——评估、RAG、微调、缓存、护栏、UX 设计和反馈循环——这些模式能将可用的 LLM 原型与可靠的生产系统区分开来。
构建生成式 AI 应用的常见陷阱
95% 的生成式 AI 试点项目未能产生可衡量的商业影响。本文总结了导致 AI 项目失败的八个工程和产品陷阱——从问题选择到评估——并提供了实际案例。
AI 智能体评估就绪清单
一份实用的、循序渐进的清单，旨在帮助你构建真正能发现故障的 AI 智能体评估，内容涵盖追踪审查、数据集设计、评估器模式，以及如何将评估与生产环境连接起来。
生产环境中的自愈智能体：如何构建自我修复系统
生产环境中的 AI 智能体悄无声息地失效 — 错误的答案、停滞的任务、没有堆栈跟踪。采用分层方法进行检测、分类和自动化恢复，可以在用户察觉之前捕获大多数故障。
Agent 驾驭系统剖析
模型几乎可以互换——而驾驭系统才是决定你的 AI Agent 能否在生产环境中运行的关键。本文将深入剖析每个生产级 Agent 驾驭系统所需的六个核心组件。
AI 智能体是如何随时间真正学习的
AI 智能体可以在三个不同的层面进行改进——模型权重、引导代码和运行时上下文——但大多数团队只使用其中一个。本文将介绍如何构建反馈循环，让智能体随着时间推移不断提升质量。
个性化上下文工程：如何为 AI 智能体构建长期记忆
构建真正个性化的 AI 智能体所需的不只是一个大的上下文窗口。一个结构化的记忆生命周期——注入、提炼、修剪、整合——才是区分能够记住的智能体和每次都重置的智能体的关键。
例程与交接：每个可靠多智能体系统背后的两个基本原语
大多数多智能体故障源于管道泄漏，而非模型本身的问题。了解例程和交接这两个简单原语如何为构建可靠的生产级智能体系统提供结构。
生产环境中的 AI Agent 自主性度量：数据实际揭示了什么
大规模生产数据揭示了 AI Agent 自主性的反直觉规律：经验丰富的用户批准更多操作同时也中断更多操作，Agent 主动发起监督请求的频率是人类的两倍，而实际不可逆操作仅占 0.8%。
构建高效AI智能体：真正能在生产环境落地的架构模式
大多数AI智能体项目失败，并非因为模型能力不足，而是因为工程师将架构过度复杂化。本文介绍真正有效的智能体构建方法。
推特的推荐算法教我们如何运营
深入研究推特的开源算法，揭示内容可见性和病毒式传播的机制，提供基于实际代码的见解，帮助优化内容策略与算法逻辑对齐。
组织经济学：组织的结构和管理方式如何影响绩效？
组织的结构和管理方式直接影响其绩效，通过案例分析揭示良好组织实践如何解决协调与激励问题，提升效率并影响企业成败。
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。
