人工智能技术文章
-
LLM评测不要把事实错误和表达偏差混成一个总分。本文给出分层标签、证据字段、分项统计和复核一致性的可复用设计。115 收藏 -
语音转写与说话人分离遇到重叠发言时，不要按片段顺序抢词或直接删掉重叠区；应保留普通 diarization，再用词级时间交集决定归属，无法判断的结果进入 ambiguous 复核。115 收藏 -
用 Hugging Face 风格的评估数据组织方式，拆解 RAG 引用支撑度的字段契约、覆盖检查、语义判定和分层排障方法。115 收藏 -
科技周边 · 人工智能 | 1个月前 | 异步任务 · 人工智能 · jsonl · AI工程化 · Batch API · 结果对账 · JSONL 大模型批量任务 OpenAI Batch API custom_id AI 离线处理 结果对账
夜间给历史工单打标签、批量生成摘要这类不需要即时返回的工作，不该和在线请求抢同一条队列。本文用一份最小 JSONL 任务说明如何提交异步批次、查看状态、按 custom_id 对齐结果与业务记录，并处理输出文件和错误文件，避免把“批量完成”误当成“每一条都成功”。113 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 -
AI Agent 记忆不应把所有对话永久保存。本文用会话、任务和用户事实三层模型，说明字段设计、写入门槛、分层检索与冲突处理方法。110 收藏 -
多租户向量检索不能只依赖相似度。本文说明如何从服务端鉴权上下文得到 tenant_id，为记录建立精确过滤字段，并比较共享集合、分区键和独立集合的隔离边界。108 收藏 -
模型流式输出中断时，不要直接把请求重发并拼接全文。先保存 request_id、事件序号和幂等键，重连时重放已确认事件，再按供应商能力决定是否续生成，才能避免重复展示和状态错乱。108 收藏 -
科技周边 · 人工智能 | 2星期前 | 数据迁移 · 人工智能 · rag · embedding · 向量检索 · 向量数据库 向量维度 OpenAI Embeddings dimensions 索引迁移
向量检索系统里，模型、dimensions 参数和索引维度必须形成一份可检查的契约。本文用 OpenAI Embeddings 的请求参数、双索引回填和查询路由，说明如何迁移维度而不让新旧向量混在一起。105 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星期前 | 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 -
Embedding 已做 L2 归一化时，点积与余弦相似度在数学上等价，工程上通常优先点积以避免重复归一化；若输入状态不确定或链路混用，则应显式使用余弦并先统一预处理。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