·tian
被你的智能体拙劣重造的特征存储
AI 智能体在每一轮对话中都在重新推导相同的事实——流失风险、账户账龄、订阅层级——没有缓存，没有共享定义，也没有时间点正确性。为什么这会让它们变成一个破碎的特征流水线，以及如何修复它。
ai-agents
feature-store
mlops
data-engineering
+1·tian
LLM 应用的特征存储模式：停止检索那些你可以预计算的内容
将特征存储架构应用于 LLM 上下文组装，可以显著降低检索延迟、减少推理成本，并防止因训练-推理偏差（training-serving skew）而导致的模型性能静默下降。
insider
llm
rag
feature-store
+2