·tian
淘汰嵌入模型：在不中断搜索的情况下重新索引数百万个向量
更换嵌入模型表面上看起来只是配置更改，但实际上是一次完整的数据迁移。本文将介绍如何重新嵌入语料库、执行双索引切换、预估成本和时间，并在你的用户发现问题之前证明新索引的效果更佳。
insider
embeddings
vector-search
rag
+2·tian
嵌入模型迁移黑洞：向量模型升级如何悄然重写你的业务规则
嵌入模型升级表面上被宣传为基础设施替换，实则是一场重新校准事件。本文将深入探讨你需要重建的阈值、聚类和金标数据并行系统，以及一套能够经受生产环境考验的迁移方案。
embeddings
rag
vector-search
ai-engineering
+1·tian
智能体记忆 Schema 演进：Protobuf 的困难模式
智能体记忆拥有两种 Schema —— 存储层和模型上下文 —— 而其中只有一种可以通过 SQL 脚本进行迁移。本文将探讨为什么 Protobuf 的“仅增量”准则是正确的起点，以及在此基础上影子写入方案还需要哪些补充。
insider
ai-agents
memory
schema-evolution
+2·tian
模型迁移类比数据库迁移：如何在不破坏生产环境的情况下安全切换 LLM 供应商
切换 LLM 供应商或升级模型版本更像是一次数据库模式迁移，而非简单的配置更改。这是工程师真正需要的生产环境指南。
llm
production
migration
reliability
+1·tian
模型可移植性税：如何架构真正可迁移的 AI 系统
每次模型替换都是一次局部重写——如果你在设计时没有考虑可移植性的话。本文介绍了抽象层、能力协商以及回归测试基础设施，能将模型迁移从危机部署转变为有计划的常规操作。
insider
llm
production-ai
architecture
+1·tian
模型弃用就绪：在 90 天倒计时之前审计你的行为依赖
当一个模型被弃用时，最难的部分不是更新 API 调用，而是发现系统所假设的所有隐形行为契约。以下是在时间耗尽前审计这些契约的方法。
insider
llm
production
mlops
+2·tian
供应商锁定深度分析：导致更换 LLM 供应商变成 6 个月工程项目的七个耦合点
从提示词语法、工具调用 Schema 到嵌入空间和计费模型，这七个隐藏的耦合点解释了为什么更换 LLM 供应商需要数月而非数天。本文提供了一个实用的审计框架，帮助你主动管理锁定风险。
insider
llm-ops
vendor-lock-in
ai-infrastructure
+1