人工智能技术文章
-
向量检索召回很多无关片段，通常不是单一模型失效，而是候选范围、相似度阈值和最终排序没有分层。本文用一个文档问答场景拆开召回噪声的定位路径，说明元数据过滤、score_threshold、候选集放大和重排的使用边界。141 收藏 -
RAG 应用回答看似流畅却总带错文档，通常不是模型突然失常，而是切分、召回和证据核对没有连成一条可追踪链路。本文用一个知识库排障场景，拆解如何定位错召回并验证修复效果。141 收藏 -
模型没有返回答案时，不能只看空字符串或 HTTP 状态码。本文把提示被拦截、候选被安全过滤、正常截断和服务异常分开，给出统一状态判断、用户提示与回归验收的方法。140 收藏 -
AI Agent 执行长任务时，真正难的是中途失败后从哪里继续。本文围绕 checkpoint、恢复点和幂等回放，拆解状态保存、重启恢复、重复执行与回归验收的工程边界。132 收藏 -
视觉模型遇到 20MB 以上图片时，真正棘手的是尺寸预算、上传方式和重试边界同时变化。本文从请求前预缩放、分块上传到失败回收，拆解一条可验证的图片输入链路，并说明什么时候应该拒绝重试。124 收藏 -
RAG 系统把 Markdown 表格按换行或固定字符数切开后，检索结果常常只剩半行字段，模型看似答对却无法说明数据关系。本文用 Markdown AST 识别表格边界、保留表头与行上下文，再用可验收的切片结果接入向量索引。121 收藏 -
AI API 上线评审不能只看请求是否成功，还要画清输入、平台短期状态、回调结果和删除动作。本文用一个后台响应场景拆解客户数据与短期保留的边界，给出可落地的合规核对清单。115 收藏 -
评测分数异常好，未必代表模型真的可靠。训练集、验证集和测试集之间的重复样本、未来字段和错误的预处理顺序，都会造成数据泄漏。本文以带时间的客服工单分类为例，给出切分、去重、特征时间点和最终验收的检查方法。115 收藏 -
AI 图片里出现多余文字，通常不是把否定词堆得更多就能解决。本文从画面目的、文字约束、分步修改和交付验收四个环节，给出一套可复用的排查方法。113 收藏 -
MCP 工具调用遇到超时，不能简单地把所有失败都重试。本文从资产保护、调用路径和错误分级入手，设计一套包含超时、重试、幂等、审计与人工接管的收口方案。111 收藏 -
RAG 知识库更新后仍返回旧答案，通常不是模型突然失忆，而是旧分片仍能被召回。本文用文档版本、元数据过滤和固定问题集建立一条可验收的更新流程，覆盖发布、回滚和灰度边界。104 收藏 -
科技周边 · 人工智能 | 2天前 | 调试 · 人工智能 · mcp · resources · uri · 资源类型 客户端缓存 MCP resources/read resources/read URI编码
MCP 客户端拿到 resources/read 的空结果时，问题通常不在模型，而在 URI 没有按原值传递、内容类型判断错误或把资源列表缓存成了永久数据。本文按一次可复现的排查顺序，拆开 URI、contents、文本与二进制资源，以及缓存失效边界。104 收藏 -
MCP Elicitation 让服务器可以在工具调用过程中向用户请求缺失信息，但客户端必须处理接受、拒绝和取消三种结果。本文用一个日期范围查询示例，说明如何设计请求、校验结构化数据并安全收口。103 收藏 -
接入多个大模型后，真正难处理的不是把请求转发出去，而是主模型超时、限流或返回异常时如何在有限时间内切换备用模型。本文用一个可落地的网关流程说明超时预算、降级条件和结果标记应该怎样设计。102 收藏