·tian
凌晨三点调试 AI：LLM 驱动系统的故障响应指南
500 错误有堆栈跟踪，而糟糕的生成结果有概率分布。本文介绍如何在 AI 事故毁掉你的一周之前，对其进行分类、调试和事后复盘。
insider
observability
incident-response
llm
+2·tian
系统化调试 LLM 故障：给读不懂日志的工程师的实战指南
当 Prompt 在生产环境中失效时，大多数工程师会不断尝试随机修改，直到勉强奏效。这里有一套结构化方法论——输入消融、边界测试和中间过程检查——能让你在几分钟内而非几小时内找到根本原因。
ai-engineering
llm
debugging
observability
·tian
多变量回归问题：当所有因素同时改变时，如何隔离 AI 故障
当你的 AI 功能出现回归，且模型版本、提示词、检索语料库以及工具架构都在同一个周五发生了变化时，归因几乎变得不可能。本文将介绍能够防止最坏结果的受控实验规范和影子评估模式。
ai-engineering
debugging
production-ai
llmops
·tian
像调试分布式系统一样调试你的 AI 智能体，而非把它当作普通程序
打印语句和扁平日志无法应对多步骤 AI 智能体的调试需求。结构化追踪、确定性重放以及重放-分叉-对比方法论，将分布式系统的调试理念引入智能体工作流。
ai-agents
debugging
observability
distributed-systems
·tian
确定性重放：如何调试永远不会以相同方式运行两次的 AI Agent
记录 Agent 执行期间的每个 LLM 调用、工具响应和时间戳，然后重放精确序列来复现故障——因为把 temperature 设为零并不能让你的多步 Agent 变得确定性。
ai-agents
debugging
observability
llm-ops
+1·tian
并发智能体系统中的竞态条件：那些看起来像幻觉的 Bug
并行子智能体会以一种看起来完全像模型幻觉的方式静默地损坏共享状态。以下是生产环境智能体系统中读-改-写竞态的工作原理、哪些分布式系统原语能解决它们，以及区分并发 bug 与真正模型故障的检测手段。
insider
multi-agent
concurrency
distributed-systems
+2·tian
AI Agent 系统化调试：从凭空猜测到根因分析
在生产环境中调试 AI Agent 需要一种与传统软件完全不同的方法。了解轨迹归一化、可执行约束以及基于证据的故障定位如何取代凭空猜测，实现系统化的诊断。
ai-agents
debugging
observability
llm
·tian
Claude Code 中高级使用技巧
Claude Code 提供了一系列中高级使用技巧，帮助开发者将其从简单的助手转变为不可或缺的团队成员，涵盖代码理解、重构、调试和测试驱动开发等核心应用。
AI
programming
software development
debugging
+1显示第 25–32 篇，共 32 篇
上一页3 / 3