Page 47
12 articles你的 RAG 懂文档，但它不懂你的工程师所知道的。
大多数企业级 RAG 系统只索引书面文档，忽略了真正驱动决策的隐性知识。本文将探讨如何构建能够捕获工程师核心知识的系统，以免这些宝贵财富随人员流失而消失。
Temperature 是产品决策，不是模型旋钮
LLM temperature 控制输出方差——而这种方差直接影响用户信任、参与度和行为。大多数团队将其视为技术默认值，但其实并非如此。
大规模 Text-to-SQL：上线之前没人告诉你的那些事
Text-to-SQL 演示很容易构建，生产部署却截然不同。Schema 歧义、权限提升以及 80% 的基准测试差距，揭示了大多数团队忽略的工程层。
集成你不拥有的系统：第三方 AI 模型 API 集成实战手册
依赖外部模型 API，意味着限流、行为漂移和成本冲击都由你来承担。本文介绍一套能够应对提供商变更、服务中断和静默模型更新的系统架构。
转录层的谎言：为何你的多模态管道会在下游产生幻觉
将ASR和OCR输出视为可信文本会悄无声息地污染下游LLM推理——解决之道不是更好的模型，而是在整个管道中保留置信度分数。
用户适配陷阱：为什么回滚 AI 模型会导致两次破坏
当模型更新引入了细微的错误行为时，用户会围绕它调整工作流程。当你发现并回滚时，你可能最终会得到两组被“破坏”的用户，而不是一组。
AI 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。
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。
