持续微调而不污染数据：生产流水线指南
一份关于从用户反馈中持续微调大语言模型的生产工程指南——涵盖数据路由架构、污染检测、灾难性遗忘预防以及自动化安全保护。
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。
AI 应用中的依赖注入模式：编写经得起模型切换的代码
将业务逻辑直接与 OpenAI 或 Anthropic SDK 耦合，会使每次模型废弃都变成长达一个月的重构。本文将介绍如何将依赖注入应用于 AI 组件，从而让模型切换简化为配置更改。
记录概率性功能：模型行为与开发者引导之间缺失的一层
由 AI 驱动的功能没有稳定的输入输出契约可供记录。本文介绍了如何为每次表现都不同的功能编写 API 文档、变更日志和运维手册 —— 利用行为包络（behavioral envelopes）、版本控制纪律和可观测性作为动态文档。
Eval 异味目录：让你的 LLM 评估套件比没有评估还糟糕的反模式
一份关于毒害 LLM 评估套件的反模式实战指南 —— 包括数据污染、脆弱的断言、评估腐化、评委合谋、虚荣聚合指标 —— 以及在无需重写整个测试框架的情况下恢复有效信号的重构模式。
用稀疏标注构建 LLM 评估体系：你不需要一万个样本
大多数团队以等待足够标注数据为由，迟迟不投入评估体系建设。已有证据表明，通过主动学习、弱监督和 LLM 自动标注精心挑选的 50–200 个样本，完全能够产生可靠的评估信号。本文介绍如何在数据集尚小时就构建值得信赖的评估体系。
少样本饱和曲线：为什么添加更多示例最终会适得其反
向提示中添加更多少样本示例看起来是免费的收益——其实不然。这里有经验数据说明曲线在何处开始对你不利、为何发生以及该怎么做。
优雅地下架 AI 功能：如何在不损害用户信任的情况下弃用模型驱动的功能
弃用一个 AI 功能不像删除一个按钮——用户围绕模型个性、输出结构和行为特征构建了工作流。这里提供了一个四阶段生命周期，用于在不引发用户流失的情况下退出模型驱动的功能。
语法约束生成：大多数团队忽视的输出可靠性技术
约束解码在token级别保证LLM输出符合schema——从根本上消除验证重试循环。本文介绍其工作原理、大多数团队为何忽视它，以及它真正存在问题的场景。
LLM 工程师招聘：面试究竟该测试什么
标准的代码筛选和机器学习数学题无法预测 LLM 工程的成功。以下是实际的面试练习如何揭示候选人交付 AI 产品能力的真实情况。
热路径与冷路径 AI：决定你 p99 延迟的架构决策
一个决策框架，用于确定哪些 AI 工作属于请求路径，哪些属于队列，以及在流量形态变化时如何跨越边界进行迁移。
隐性 API 契约：你的 LLM 供应商没有写在文档里的那些事
LLM 供应商保证正常运行时间和延迟 SLA，但不保证你的提示词下个月仍能产生相同输出。工程师需要了解关于隐性行为契约的哪些内容，以及如何针对它进行测试。