Page 80
12 articlesAI 系统的数据溯源：追踪答案来源已成为工程必修课
当你的 LLM 在生产环境中给出错误答案时，你能追溯到底是哪些文档导致了这个结果吗？如果不能，你已经落后了。本文介绍如何从第一天起就将来源血缘嵌入 AI 系统。
你的 LLM 评估套件中的古德哈特定律：当优化分数破坏系统时
团队如何在无意中博弈自己的 LLM 评估，为什么基准分数与生产质量的偏差比你预期的更快，以及保持评估套件诚实的元评估实践。
混合 LLM 工作负载的 GPU 调度：那个没人解决好的装箱问题
在共享 GPU 集群上服务多个 LLM 模型会浪费 30–50% 的可用算力。本文解析 Kubernetes GPU 调度为何不适用于 LLM 推理，以及真正有效的解决方案。
制度性知识流失：AI Agent 如何在不传递理解的情况下吸收决策
当 AI Agent 端到端地处理任务时，曾经通过人类对话流转的推理过程停止了流动。本文探讨了这对工程团队造成的代价，并提供了具体的模式，在流失加剧之前阻止它。
为什么你的数据库在AI功能上线后崩溃：LLM感知的连接池设计
AI功能会产生突发性的长时间运行查询模式，耗尽为可预测Web流量设计的连接池。连接池分段、准入控制和'在LLM调用前释放连接'模式可以防止AI工作负载挤占核心产品资源。
机器可读的项目上下文：为什么你的 CLAUDE.md 比模型选择更重要
每款 AI 编程工具在响应之前都会读取一个项目专属的 Markdown 文件。这个文件的质量比背后的模型更可靠地预测输出质量——然而大多数团队只写一次、写得很糟，然后再也不碰。
MCP 就是新一代的微服务：AI 工具生态正在重蹈分布式系统的覆辙
已有超过 16,000 个 MCP 服务器上线且仍在增长——这与 2016 年微服务泛滥的场景如出一辙。本文提供了一份实用指南，涵盖失败模式、网关模式和成熟度模型，帮助防止你的 AI 工具层变成下一个'死星'。
衡量真实的 AI 编程生产力：能在 90 天滞后期中幸存的指标
速度代理指标在第 30 天时看起来非常诱人，但在第 90 天时却与代码质量背道而驰。本文探讨了那些能够揭示 AI 编程工具究竟是在复利生产力，还是仅仅将债务转移到下游的滞后指标与领先信号。
幽灵工具调用：当AI智能体调用不存在的工具
LLM智能体有时会凭空捏造工具调用——调用不存在的函数，并配上看似合理的参数。本文解释为什么会发生这种情况、五种失败类别，以及在幽灵调用破坏工作流之前捕获它们的运行时防御模式。
质量感知模型路由：为什么仅优化成本会毁掉你的 AI 产品
仅优化成本的 LLM 路由虽然省钱，但会悄悄降低最重要查询的质量。本文提供按任务复杂度、模型能力和生产反馈进行路由的实用指南——而不仅仅是按每 token 价格。
当数据库迁移悄然摧毁 AI Agent 的世界模型
一次常规的列重命名可能在不触发任何告警的情况下悄悄破坏 AI Agent 的推理。Schema-Prompt 契约测试和 CI 门禁如何在用户发现之前捕获这种漂移。
Spec-to-Eval：将产品需求转化为可证伪的 LLM 评估标准
大多数 AI 功能用自然语言描述、也用自然语言评估——这正是为什么团队在站会上达成共识，却在上线时产生分歧。本文介绍一套实用方法，在编写第一个 Prompt 之前，将英文需求转化为具体、可证伪的 LLM 评估标准。
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。
