人工智能技术文章
-
本文整理一套 AI 知识库检索召回工作流，从文档清洗、切分、向量入库、查询改写、过滤重排到证据引用和复查指标，帮助知识库回答从能用走向可控。191 收藏 -
本文从 AI 接口返回 JSON 不稳定的真实场景出发，排查普通提示词、JSON 模式、结构化输出和服务端校验四个环节，给出一套让接口结果更稳定、可落库、可重试的落地方案。299 收藏 -
科技周边 · 人工智能 | 1星期前 | 人工智能 · mcp · ai agent · 工具接入 · 安全审计 · AI Agent MCP Model Context Protocol 工具清单 资源上下文 权限审计
本文从工程落地角度讲解 MCP 服务接入流程：先定义工具清单和资源上下文，再把输入校验、权限边界、限流保护、人工确认和审计日志前置，帮助 AI Agent 更稳地连接业务系统。378 收藏 -
本文整理一套 AI Agent 工具调用失败排查流程：先定义工具边界，再校验 Schema、参数和权限，最后处理超时、空结果、重试和兜底回答，帮助把不稳定的工具调用变成可验证的工程链路。195 收藏 -
本文用代入式排查方式讲解 RAG 知识库明明有资料却答不上来的常见原因：分块过大、元数据缺失、召回偏离和排序不准，并给出重切分、混合召回、结果重排和引用验证流程。453 收藏 -
本文给出一套 AI 批量调用成本控制工作流：记录请求日志、估算 token、设置预算阈值、区分实时和离线任务，并用账单复查闭环防止成本失控。202 收藏 -
本文用知识库问答跑偏的真实工程场景，拆解 RAG 从问题改写、向量检索、重排过滤、分数阈值到引用检查的完整流程，帮助你把“模型乱答”改成可排查、可复查、可拒答的系统。419 收藏 -
从一个 AI Agent 把任务交给错误方向的案例出发，排查意图识别、边界规则、上下文摘要和结果复查四个环节，给出可落地的交接治理流程。170 收藏 -
提示词一改，AI 回答可能变好，也可能让旧场景退化。本文从一次改提示词后回答跑偏的现场开始，带你搭建小样本集、评分规则、前后对比和人工复核流程，让提示词上线前有据可查。475 收藏 -
科技周边 · 人工智能 | 1星期前 | 人工智能 · tracing · ai agent · 可观测性 · 工具调用 · 可观测性 AI Agent Tracing 工具调用 OpenAI Agents SDK
本文用客服查询 Agent 场景讲清 AI Agent Tracing 的落地方法：把模型调用、工具调用、护栏检查、人工确认和最终结果拆成 trace 与 span，方便调试、复盘和监控。292 收藏 -
AI Agent 接入工具后，不能把所有动作都当成同一风险级别。本文用读、写、发布三类权限拆解工具治理流程：参数校验、风险判断、人工确认、调用落库和审计追踪。379 收藏 -
本文用内容生成场景演示一条可落地的 AI 输出质检流水线：先做规则检查，再要求结构化结果，低分输出进入自动返修或人工兜底。394 收藏 -
本文用一个企业知识库场景，演示如何按标题层级切分文档、设置重叠窗口、保留来源元数据，并通过问题回放修正过碎或过大的分块。101 收藏 -
本文从 AI 助手调用业务接口的场景出发，讲清楚如何用 JSON Schema 约束参数、在服务端二次校验、对高风险动作增加人工确认，并记录完整审计日志。233 收藏 -
通过知识库问答案例，演示 RAG 如何设计文档切分、向量检索、Top-K 召回、重排序和 Recall@K 评估闭环，减少答非所问。174 收藏