Page 28
12 articlesAI 代码审查漂移：当你的 LLM 审查标准比代码演进得还快
LLM 代码审查器并非一个稳定的工具 —— 它是由多个独立漂移的组件组成的堆栈。本文将探讨为什么你的 PR 机器人捕获率会悄无声息地下降，以及哪些校准纪律能防止安全网变薄。
AI 功能依赖图：当提示词修改成为静默破坏性变更时
提示词修改对每一个消耗其输出的下游功能来说都是一项破坏性变更。清单、实时语料库契约测试和漂移警报，是团队在下一次故障替他们画出 AI 依赖图之前，主动绘制该图谱的方法。
标注偏移：评估集如何逐渐无法衡量你交付的产品
当评估分数上升而产品却在悄然衰退时，说明测量系统的校准已经失准。本文将探讨标注偏移如何隐蔽地发生，为什么评分标准和产品都在你脚下不断变化，以及保持评估数据真实性的四个关键动作。
非对称评估经济学：为什么一个测试用例的成本比它测试的功能还要高
单个评估用例所消耗的工程精力通常比其测试的功能还要多。本文探讨了为什么团队在评估上投入不足，以及为什么从资本支出（Capex）的角度来看待这个问题能解决这一困境。
后台智能体与通知预算：为什么主动 AI 在用户注意力面前会遭遇硬上限
主动型 AI 智能体每天面临每个用户 3 到 5 条通知的硬上限。那些不考虑注意力预算的团队，其发布的功能往往会在几周内出现启动指标与留存指标倒挂的情况。
对话历史是信任边界，而非文本块
对话历史是多源反馈流，而非仅可追加的状态。为每一轮对话的来源打上标签，使用 HMAC 锚定用户回合，并将工具输出封装在信任区内 —— 否则你的 Agent 攻击面将随对话轮数线性增长。
Demo 到 Dogfood 的鸿沟：为什么你的 AI 功能死在了发布幻灯片与周一早晨之间
大多数企业级 AI 试点只留下了一个精彩的 demo 和一个沉寂的 Slack 频道。Dogfood 阶段是你所能运行的最廉价的生产级评估 —— 本文将介绍真实的准入标准是怎样的，以及为什么 demo 并不代表产品已准备就绪。
嵌入模型迁移黑洞：向量模型升级如何悄然重写你的业务规则
嵌入模型升级表面上被宣传为基础设施替换，实则是一场重新校准事件。本文将深入探讨你需要重建的阈值、聚类和金标数据并行系统，以及一套能够经受生产环境考验的迁移方案。
Eval 回填税：为什么每一次模型能力发布成本都超出了你的预算
新的模型能力会引入历史评估套件从未设计捕捉的失败模式 —— 而回填这些评估的工作是每一次能力发布中被低估的关键路径。
评估总线因子：当定义“正确标准”的人离职时
在知道测试内容的人离职后很久，评估套件可能依然显示为绿色。这种损害是无声的，恢复成本极高，而且解决方案是组织层面的，而非技术层面的。
评测分诊队列：为什么 FIFO 会错过那些至关重要的失败
评测失败的 FIFO 队列浪费了流程中最昂贵的资源 —— 评审员的时间。根据流量、严重程度和新鲜度对失败进行评分，按集群进行批处理，并保留对抗性配额。
MCP 能力披露税：当每个连接的服务都在消耗你的上下文窗口
MCP 工具定义在每一轮规划时都会重新加载，每次调用悄然消耗 15-66K 个 token。随着连接的服务增多，这不仅会增加成本，还会降低工具选择的准确度。本文将探讨如何评估这种“披露税”，并通过渐进式披露、单服务成本归因和稳定 schema 来控制开销。
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。
