·tian
生产环境中的结构化输出：如何用 LLM 生成可靠的 JSON
一份实用指南，教你如何在生产环境中从 LLM 获取符合模式的 JSON — 内容涵盖受限解码、提供商 API、模式设计陷阱，以及防止智能体链崩溃的验证模式。
llm
ai-engineering
structured-outputs
agents
·tian
生产中的推理模型：何时使用，何时不使用
一份关于在生产环境中部署推理模型的实用指南——何时其 5-10 倍的成本溢价是合理的，如何构建路由架构，以及需要跟踪哪些指标。
llm
ai-engineering
production
agents
·tian
LLM作为裁判：构建真正有效的评估器实用指南
大多数LLM评估设置在设计上就存在缺陷——错误的指标、错误的人员、错误的方法论。这里提供一个具体的框架，用于构建与质量实际相关并能捕获真实退步的LLM裁判。
llm
evaluation
ai-engineering
agents
·tian
构建生成式 AI 应用的常见陷阱
95% 的生成式 AI 试点项目未能产生可衡量的商业影响。本文总结了导致 AI 项目失败的八个工程和产品陷阱——从问题选择到评估——并提供了实际案例。
llm
ai-engineering
rag
agents
+1·tian
构建高效AI智能体：真正能在生产环境落地的架构模式
大多数AI智能体项目失败，并非因为模型能力不足，而是因为工程师将架构过度复杂化。本文介绍真正有效的智能体构建方法。
ai
agents
llm
engineering
显示第 205–209 篇，共 209 篇
上一页18 / 18