·tian
没人写的 AI 功能下线指南
大多数 AI 功能下线仅停留在端点层面，却遗留了提示词（prompt）、评测员（judge）、回归集和故障记忆。这是一份按资产分类的指南，教你如何下线 AI 功能，避免在两个季度后出现孤立配置、幽灵评测运行以及丢失的组织知识。
ai-engineering
deprecation
prompt-management
evals
+1·tian
无需 PR 的 Prompt 修改：你的 AI 团队正在失效的交付速率指标
AI 产品中的行为变更不再通过 PR 进行。领导层信任的仪表盘忽略了产品变更的主要来源，这种误判正在重塑 AI 团队的评估方式。
ai-engineering
prompt-management
engineering-metrics
llmops
·tian
运行时 Prompt 热重载：为什么你的 Prompt 不该被锁定在构建流程中
将 Prompt 变更与部署流水线耦合是一种自我限制。本文将探讨运行时热重载模式、其安全原语，以及那些无人预料到的故障模式。
llmops
prompt-management
deployment
architecture
·tian
共享提示词的“夺旗日”：当一次修改引发三十个团队的性能回归
将安全前导语（safety preamble）集中化管理看起来像是典型的 DRY 原则胜利，直到第一次修改发布，导致三十个下游团队的评估指标暴跌。本文将探讨为什么共享提示词的行为类似于分布式系统，以及如何构建能够经受住“夺旗日”考验的治理框架。
insider
llmops
platform-engineering
prompt-management
+1·tian
提示词所有权问题：当所有团队都将提示词视为配置时会发生什么
一起耗资 34 万美元的生产事故揭示了当提示词缺乏所有者、没有版本历史且没有审核门禁时会发生什么 —— 以及如何通过轻量级治理模型来防止此类事件。
prompt-management
llmops
ai-governance
production-ai