Page 72
12 articles知识截止期是 UX 界面，而非脚注
每个大语言模型都有知识截止期，而每个产品都在对此保持沉默。请将内容的新鲜度视为一个经过设计的 UX 界面——而非注脚——否则用户将根据模型本该拒绝回答的内容来评估信任度。
知识图谱的时效性与向量索引的时效性具有不同的 SLA
向量索引的性能是逐渐下降的，但知识图谱的失效则是断裂式的 —— 在同一个 CDC 流水线下运行它们，会导致多跳查询静默地输出错误答案。
你的 LLM Judge 存在长度偏见、位置偏见和格式偏见 —— 且无人审计你的模型
LLM-as-judge 存在的长度、位置和格式偏见，正悄无声息地将 Prompt 迭代变成一台古德哈特机器。通过三次审计和版本化评判可以解决这一问题。
你的 SRE 复盘模板遗漏了决定每次 LLM 故障的六个关键字段
传统的 SRE 复盘模板是为代码变更和基础设施故障设计的。对于 LLM 故障，真正发生变化的变量往往被遗漏了——如 Prompt 版本、模型选择切片、裁判配置、检索索引状态、工具 Schema 以及流量组合。本文提供了填补这一空白的模板字段和故障类别分类法。
负载降级是为人类设计的，而 Agent 会放大你正在抵御的风暴
Agent 会围绕 503 错误重新规划并以远超人类的速度重试，将上游的小幅波动演变成关联性停机。本文从实践者视角出发，探讨平台下一步需要的负载降级原语，以及 Agent 为了避免成为“风暴”而必须遵循的纪律。
2026 年的长上下文 vs RAG：为什么它是基于功能的决策，而非架构信仰
在 2026 年，长上下文与 RAG 的选择不再是整个产品的架构抉择，而是由四个维度（新鲜度、归因、尾部风险、成本）驱动的基于功能的决策。本文深入剖析了这一原则，帮助你的 AI 功能在不断变化的数学模型中始终处于正确的一侧。
模型弃用跑步机：在收到停用通知邮件之前必须建立的规范
供应商的停用通知邮件通常只有 60 天的倒计时。要在邮件寄达之前（而非之后）建立起注册表、日程表、n+1 评估和合同条款，让每一次迁移都变成机械化的常规工作。
你的模型路由是基于评估集训练的，而不是你的真实流量
基于基准测试训练的路由器会带来隐蔽的质量退化：低成本路径在宏观数据上表现尚可，但在你的评估套件从未采样的少数关键用户群体中却会失败。本文探讨了为什么路由器是一个控制系统而非分类器，以及实现闭环处理究竟需要什么。
多模态评估漂移：为什么在文本表现稳定的情况下，图像和音频路径会出现回退
大多数团队将多模态作为其文本产品的薄扩展来发布，并沿用了一套系统性地无法察觉图像或音频回退的评估准则。解决方法是采用单模态评分标准、特定模态的黄金数据集，以及一个拒绝在不同输入类型间聚合质量指标的发布门控。
单租户推理隔离：当共享缓存、微调模型和嵌入在客户间泄露时
AI 功能在四个新层级上悄然打破了多租户隔离的规则：Prompt 缓存、微调、嵌入索引和 KV 缓存重用。我们将探讨发生了什么变化，以及生产团队需要重新建立的规范。
30 天 Prompt 见习计划：当“阅读代码”失效时，如何入职工程师
一段 200 行的系统 Prompt 没有函数签名，没有测试，且 diff 历史完全没有说明为什么每一行代码会出现在那里。这份为期 30 天的课程——涵盖失败案例集、消融实验、PR 重构和受控编辑——旨在教导新工程师通过询问其行为来“阅读”一个 Prompt。
提示词资产贬值：你团队中缺失的 AI 维护时间表
生产环境中的提示词会随着底层模型、分词器（tokenizer）和产品规则的更迭而悄然失效。请将每一个提示词都视为会贬值的资产，为其指定负责人、重验证日期以及评估偏差（eval delta）—— 否则，你只能接受那些团队里没人想发布、却真实发生的质量回退。
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。
