Page 41
12 articlesAI 事故复盘中的“责任消失”难题
当 AI 系统性能下降时，责任往往会同时散布在模型、Prompt、检索、评估和基础设施等多个环节。本文提供了一套归因框架，帮助你在复盘演变成简单的“模型变了”这种借口之前，将事故精准锁定到具体层级。
为什么视觉模型在基准测试中表现卓越，却在你的企业级 PDF 上折戟沉沙
视觉模型在文档理解的基准测试中表现惊人，但在处理真实的 PDF 时，企业团队经常会遇到静默失败。本文将分析失效原因，并探讨如何构建能够经受生产环境文档考验的处理流水线。
谁该为 AI 质量负责？导致生产系统崩溃的跨职能职责真空
AI 质量故障很少源于模型本身，更多是因为没有人明确负责。本文将教你如何在造成重大损失之前，修复这种问责真空。
智能体身份与委托授权：智能体操作的 OAuth 模式
当 AI 智能体代表你预订日历事件或发送电子邮件时，它在委托授权下运行。本文介绍如何为生产环境智能体系统设计 OAuth 范围合约、轮换生命周期、撤销触发器和审计跟踪。
Agentic 数据流水线：大规模离线富化与分类
AI Agent 如何改变 ETL 和批量富化工作流的设计 —— 探讨每条记录的可变计算量、作为操作契约的置信度阈值、面向下游消费者的 Schema 设计，以及区分模型不确定性与数据歧义的监控模式。
AI 原生 API 设计：当后端开始概率性思维，REST 为何失效
REST 是为快速、确定性后端而生的。LLM 服务速度慢、具有概率性且任务耗时长——而真正在生产环境中经得住考验的接口模式，与传统 HTTP API 设计截然不同。
AI 值班手册：当 Bug 是一次错误预测时的故障响应
传统运行手册在症状是'输出感觉不对'时会失效。这是一套专为生产环境中 AI 系统设计的实用分诊决策树、升级标准和复盘格式。
没人会提前搭建的AI运维仪表盘
延迟和错误率覆盖的LLM功能故障空间不足20%。以下是你的APM仪表盘默默忽略的五种生产故障模式，以及真正能发现问题的信号层级体系。
聊天机器人、Copilot 还是 Agent：改变你架构决策的分类学
选错 AI 交互范式——聊天机器人、Copilot 还是 Agent——会造成无法靠调整提示词来修复的架构债务。本文深入分析应在写下第一行代码之前就驱动这一决策的信任模型、上下文窗口策略和错误恢复需求。
AI 个性化的冷启动问题：在拥有数据之前如何提供价值
新用户没有历史记录，你的模型没有上下文，而你正在与“AI 不了解他们”的固有印象竞争。这是弥补这一差距的工程实践指南。
为什么 “准确率 92%” 几乎总是一个谎言
单一的准确率数字掩盖了真正重要的错误。这里有一个包含四个维度的分类法 —— 正确、可恢复、有害、弃权 —— 以及一个单页格式，为非技术领域的利益相关者提供足够的信息，从而做出正确的产品、法律和投资决策。
数据飞轮并非免费：构建真正提升 AI 产品的工程反馈闭环
大多数团队只是收集点赞或踩就自称拥有反馈闭环。真正的基础设施在于隐性信号提取、弱监督流水线以及闭环架构，能够在不陷入标注成本泥潭的情况下，将生产数据导回训练环节。
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。
