·tian
工程师离职，Agent 记忆也将随之消失
离职工程师个人的 CLAUDE.md、自定义技能和 Agent 记忆文件编码了数月以来关于代码库的隐性知识——而在他们离职的那天，这些都将荡然无存。本文探讨了为什么 Agent 配置正成为新的“影子知识”，以及如何在这些知识随人走掉之前，将其提升到团队拥有的代码库中。
ai-agents
knowledge-management
engineering-management
developer-tools
·tian
会话记录记住了提交信息遗忘的内容
每一次智能体会话都记录了被拒绝的方案、发现的约束条件以及被提交信息压缩掉的推理过程。本文探讨如何将这些记录挖掘成可搜索的组织记忆，并处理随之而来的监控压力。
ai-agents
engineering-culture
knowledge-management
developer-tools
·tian
RAG 中的领域专家瓶颈：为什么知识策展会导致生产环境 AI 崩溃
构建一个 RAG 管道只需几天。但在第一年里，维护支撑它的知识库才是让团队崩溃的原因。领域专家策展是生产环境 RAG 中真正的“最后一公里”难题。
insider
rag
ai-engineering
knowledge-management
+1·tian
知识半衰期问题：为什么你的 RAG 系统现在就已经出错了
语义相似度没有时间概念——这正是生产级 RAG 系统悄然退化的根源。本文是关于新鲜度分类、分层重建索引计划、过期检测以及将知识库视为基础设施的实践指南。
rag
retrieval
production-ai
knowledge-management
·tian
系统提示词的行为克隆：在专家离职前留住专业判断
当构建你生产系统提示词的工程师离职时，其中每一条规则背后的逻辑也随之消失。结构化的行为克隆方法可以在这些知识流失之前，捕捉到其中的 “为什么”。
insider
prompt-engineering
ai-ops
knowledge-management
+1·tian
AI 专家门诊无法规模化：当你的核心专家成为发布瓶颈
生产环境中的 AI 功能往往集中在某一位工程师的时间表上，这种瓶颈在所有仪表盘中都难以察觉，直到这位专家离职。本文将介绍如何识别并打破这种困局。
ai-engineering
engineering-leadership
platform-engineering
team-scaling
+1·tian
你的 RAG 懂文档，但它不懂你的工程师所知道的。
大多数企业级 RAG 系统只索引书面文档，忽略了真正驱动决策的隐性知识。本文将探讨如何构建能够捕获工程师核心知识的系统，以免这些宝贵财富随人员流失而消失。
insider
rag
knowledge-management
enterprise-ai
+2·tian
AI 接班人计划：当了解提示词的团队离开时会发生什么
当编写你的系统提示词的工程师离职时，每个措辞背后的推理过程也随之而去。以下是如何构建能够应对人员变动的 AI 系统的方法。
insider
ai-engineering
prompt-engineering
knowledge-management
+1·tian
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。
insider
ai-agents
engineering-culture
knowledge-management
+1