人工智能技术文章
-
RAG 问答里反复出现相同段落，通常不是模型突然变笨，而是切块重叠、相邻片段、候选数量和证据合并共同造成的。本文用一组可复现的检索样例分层排查重复来源，再说明 MMR、多样性阈值和最终去重应该放在哪一层。259 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 -
AI 能调用工具不等于可以直接相信工具参数。本文用服务端重算权限、字段白名单、资源归属校验和拒绝用例，搭一套可验收的参数越权防线。178 收藏 -
AI 网关同时承载多路流式回答时，连接复用、异步回调和日志采集很容易把不同请求的片段混到一起。本文用 request_id 贯穿入口、上游连接、事件转发和落盘日志，再配合状态机与断言，把串线问题变成可以复现、定位和验收的工程流程。407 收藏 -
Embedding 模型一换，向量维度可能跟着变化，批量写入时轻则报错，重则让新旧数据混在同一索引里。本文用维度契约、批量预检、双索引切换和回滚清单，把模型升级变成可验收的入库流程。202 收藏 -
多模态模型接收图片时，文件大小并不是唯一门槛。先检查格式、宽高、总像素和编码后的体积，再按剩余预算决定压缩、拒绝或重试，才能减少请求失败和重复上传。267 收藏 -
AI Agent 在工具调用中容易遇到参数漂移：字段名变化、旧版本参数残留和失败后无法复现。本文用版本快照、字段校验与失败回放搭出一条可验收的处理链。297 收藏 -
AI Agent 的超时不能只设一个总秒数。把模型等待、工具调用和整条任务预算分开，才能区分慢在哪里、及时停止无效工作，并在重试与回退时保留可核对的状态。357 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 -
从评测样本、提示词模板和模型输出三层排查评测集污染，给出变量隔离、快照留存与回归验收方法。496 收藏 -
排查大模型多轮工具调用中的上下文丢失，梳理 tool_call_id、并行结果配对和消息回放验收。252 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 -
从一个知识库问答召回率下降的现场出发，拆解查询与文档向量任务类型、topK基线和Recall@K验证方法，帮助定位RAG检索问题到底在编码、切块还是排序。251 收藏 -
面向需要稳定输出的 AI 应用，梳理 JSON Schema 版本兼容中的新增字段、枚举收缩、校验失败与回滚策略。449 收藏 -
在一次请求的流式窗口发生中断时，重发与否是关键风险点。本文给出以请求 ID、幂等键、状态回放与回退策略构成的恢复闭环。145 收藏