·tian
向组织内部沟通 AI 的局限性：工程负责人的行动框架
70% 到 95% 的企业 AI 项目之所以失败，并非因为模型本身糟糕，而是因为法务、销售和运营团队对系统功能的理解各不相同。这是一份为工程负责人准备的结构化框架，旨在沟通误区演变为生产危机之前，对齐所有利益相关者的认知。
ai engineering
engineering leadership
stakeholder management
ai adoption
·tian
欧盟《人工智能法》合规是工程问题：你必须交付的审计追踪
欧盟《人工智能法》对高风险AI系统的要求包括可审计的决策日志、人工监督钩子和合规评估，这些都无法在上线后补救。本文介绍使合规成为工程纪律的数据模型、日志架构和监督触发器设计。
ai engineering
compliance
eu ai act
logging
+1·tian
为什么用户会忽略你花了三个月构建的 AI 功能
AI 功能之所以失败，不是因为模型不好，而是因为用户从未发现它们、不信任它们，或者没有养成使用它们的习惯。以下是解决方法。
insider
ai engineering
product engineering
ux
+1·tian
AI 事件响应手册：诊断生产环境中的 LLM 性能退化
当你的 LLM 功能在生产环境中出现退化时，标准的 SRE 运行手册会让你无从下手。这里有一份专门为 AI 系统构建的诊断树、提示词回滚策略和事后分析模板。
ai engineering
reliability
incident response
llm
+1·tian
事件驱动的 Agent 调度：为什么 Cron + REST 调用无法胜任循环 AI 工作负载
Cron 是为运维脚本而生的，而非自主 Agent。本文剖析将其用于循环 LLM 任务时的失效场景，以及真正可行的消息队列架构。
insider
ai engineering
infrastructure
agent systems
+2·tian
AI 依赖足迹：每个功能都在增加新的基础设施所有者
你上线的每一个 AI 功能都会引入新的基础设施依赖——向量数据库、嵌入模型、评估框架、GPU 推理层。问题不在于依赖本身，而在于没有人真正拥有它们。
ai engineering
infrastructure
platform engineering
mlops
·tian
AI 招聘评分标准的问题：为什么你的面试流程选错了工程师
传统编程面试对真正预示 AI 工程成功的技能视而不见。以下是真正应该考察的内容。
ai engineering
hiring
team building
engineering culture