Page 32
12 articlesLLM 提示词中 “现在” 的五种定义
每个 LLM 提示词中隐藏的五层隐性时间 —— 以及为什么当请求被重放、批处理或针对固定快照进行评估时，这些层级会产生无声的冲突。
流式推理中的海勒姆定律：节奏、停顿和中间 Token 是未成文的契约
当更换模型虽然保留了结构化输出 schema，但改变了 Token 节奏、停顿模式和中间表述时，你实际上发布了一个破坏性变更，违反了一个你从未正式定义的契约。
延迟预算博弈：如何告诉产品经理“实时性”是有能力代价的
一种在延迟目标成为正式承诺前与产品进行谈判的结构化方法——包含转换表、“三选二”框架，以及为什么 TTFT 通常是真正关键的指标。
MCP 冷启动税：工具服务器开销如何在智能体第 7 步发生累加
为什么 200 毫秒的 MCP 工具调用会演变成 4 秒的智能体循环，冷启动税究竟存在于何处，以及如何通过预热池规范将数秒的惩罚降低到 100 毫秒以下。
混合 PR 队列：审查者吞吐量已成为瓶颈约束
编程智能体消除了代码编写的约束，并将负载转嫁到了审查队列。如果不重新设计审查机制就直接上线智能体，团队交付的将只是一个积压工作生成器。
多维 Agent 二分查找：当回归出现在交互中时
当 Agent 的回归源于新模型与新工具描述之间的交互时，单轴回滚会产生明显的假阴性。解决方案是对模型、Prompt、工具目录、检索索引和采样配置的笛卡尔积进行二分查找——并以命名的版本信封作为回滚的最小单元。
多模态通道冲突：当模型在视觉与文本之间自我矛盾时
多模态模型会静默地将冲突的视觉和文本通道融合为自信的混合答案。本文探讨这种失效发生的场景、评估指标为何会漏掉它，以及如何构建一个冲突检测原语。
Prompt 卧推：对“快乐路径”之外的提示词进行压力测试
大多数 prompt 评估只针对“快乐路径”打分而忽略了长尾情况。构建一个涵盖长度、语域、语言和正式程度变化的压力矩阵，并根据性能下降曲线而非单一的准确率数值进行评分。
Prompt Cache 作为隐蔽信道：TTFT 探测泄露跨租户 Prompt
Prompt 缓存通过在租户间共享 KV 状态，可为缓存请求节省 80–90% 的开销——但也让首词延迟 (TTFT) 变成了一个侧信道，能以 92% 的准确率恢复其他客户的 Prompt。这是大多数团队尚未权衡过的成本与隔离之间的博弈。
提示词注入漏洞赏金：当“损坏”没有明确定义时，如何划定程序范围
标准的赏金准则在面对以“提供帮助”为行为规范的 AI 功能时会失效。一个有效的程序需要基于 CIA 的严重性评估标准、概率性复现条款、明确的工具范围清单、安全港协议下的指定测试租户，以及一个受修复 SLA 约束的 AI 团队。
量化质量悬崖：当 int4 通过中位数评估却在长尾场景失效时
int4 量化将推理成本减半，且几乎不影响中位数基准测试——却在悄无声息地破坏稀有 Token 补全、低资源语言和长文本推理能力。本文将探讨为什么这种“悬崖式”下降在通过审核的评估套件中是不可见的，以及如何在客户发现之前通过上线纪律让这种退化显现出来。
区域模型发布的“彩票”效应：当你的产品在不同大洲表现各异时
云服务商的模型发布在各区域间并不同步。你的单模型抽象层在不同大洲之间悄然分化，而评估测试集往往是最后才发现这种差异的地方。
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。
