Blog·Studio
文章系列日历归档关于搜索
Blog·Studio

一个记录思考、笔记与作品的技术博客。

Connect

© 2026 · Blog Studio

鄂ICP备19019526号

crafted with care

stay curious ✦

  1. 文章
  2. ›智能体与 AI 应用开发

Archive

标签「智能体与 AI 应用开发」

115 篇文章

切换标签

全部736AI 日报36AI 编程51Hermes Agent13AI 工具与产品31AI 原生架构96大模型研究97杂项2AI 行业趋势22行业研究0游戏1Agent 技术123智能体与 AI 应用开发115游戏引擎与渲染50游戏开发58游戏服务架构41
  • 01

    AI 应用交付物工程 2026:从工具结果到可验证产物

    工具返回值不是交付物本身。本文把 AI 应用的交付物当作一等工程对象,给出取回窗口、内容寻址句柄、分层验证 ROI 三套可计算方法,附 MCP Apps 规范、容器过期语义与 CSP 权限面的一手事实来源。

    • #智能体与 AI 应用开发
    2026.10.31
  • 02

    AI 应用的记忆写侧工程 2026:抽取、晋升与冲突消解

    决定 AI 应用记忆质量下限的是写侧而非读侧——一条信息凭什么被记住、被合并、被提升作用域又如何被改回。本文把写侧拆成抽取、归一、闸门、消解、晋升、过期、台账七个可审计决策点,对照 Anthropic memory tool、Mem0、Letta 一手文档核对做法。文中数值均现场实算:分层 TTL 比统一 TTL 降 48.3% 代价,显式纠正优先的消解正确率是最后写入胜的 1.51 倍。

    • #智能体与 AI 应用开发
    2026.10.30
03

向量数据库选型 2026:pgvector 与专用引擎的边界

向量库选型不是哪个库更好的榜单问题。本文把负载还原为规模维度、过滤选择性、召回形态三个正交维度,沿着 Postgres 内建路径(pgvector 的事务一致性与迭代扫描)与专用引擎路径(Qdrant 的原生过滤与 RRF/DBSF 融合、Milvus 的分布式分片)分别推演,给出过滤塌陷、多租户隔离、量化预算、embedding 迁移与离线评估的可执行判断标准。

  • #智能体与 AI 应用开发
2026.10.29
  • 04

    AI 应用的数据删除与导出工程 2026:扇出图与验证闭环

    AI 应用里的一次删除请求,横跨会话原文、嵌入向量、语义缓存、trace 快照、训练数据集与模型供应商六类派生副本,是一张有向无环图上的可达性遍历,而非一条 DELETE 语句。本文给出 DSAR 四元组与删除扇出图的形式化、三套法定时钟的对照、五种存储介质各自不同的删除语义,以及一套让「删掉了」变成「可复现地证明删掉了」的删除台账与三类验证证据。

    • #智能体与 AI 应用开发
    2026.10.28
  • 05

    AI 应用委托授权工程 2026:代用户操作的凭证边界

    当 AI 应用开始替用户去操作第三方系统——发邮件、改工单、调支付——真正的工程难题不再是模型够不够聪明,而是这份凭证到底代表谁、授权给谁、覆盖哪一次动作。本文以 RFC 9700、9449、8693、8707、9728 与 MCP 2025-06-18 授权规范为骨架,给出一套从授权码流、受众绑定、委托语义到撤销断权的完整落地方法与十二项检查清单。

    • #智能体与 AI 应用开发
    2026.10.27
  • 06

    客服 AI 应用工程 2026:意图路由、澄清与转人工

    把大模型接进客服系统,难点不在模型,而在于把一段自然语言对话翻译成可路由、可补全、可交接、可计费的工单状态机。本文给出一套从意图分层到 outcome 结算的完整落地方法。

    • #智能体与 AI 应用开发
    2026.10.26
  • 07

    数据问答应用 2026:语义层、SQL 校验与可信执行

    把问数应用的可靠性拆成四层契约:语义层的口径约束决定上限,生成后的语法与安全校验挡住幻觉,执行层的成本治理兜住下限,评估与审计决定它能否上线——Spider 2.0 与 BIRD 的落差说明这是工程问题而非模型问题。

    • #智能体与 AI 应用开发
    2026.10.25
  • 08

    LLM 应用可观测性工程 2026:采样、成本与评估的三线归一

    用 OpenTelemetry GenAI 语义约定统一采集、用 tail sampling 与列存扛住大负载、用价格表版本化与缓存 token 做成本归因、再用生产 trace 喂出评估集与回归门禁——采样、成本、评估三线归一,LLM 应用的可观测性才算真正闭环。

    • #智能体与 AI 应用开发
    2026.10.24
  • 09

    Prompt 制品化工程 2026:从版本门禁到秒级回滚

    把 prompt 当成需要版本号、评审记录、回归门禁、灰度标签和秒级回滚的一等软件制品。本文从四元组形式化出发,系统拆解存储模型选型、以行为差异为核心的评审、以统计显著性为依据的门禁、基于标签的灰度与回滚,以及编译式产出时代新增的数据集与可复现性治理。

    • #智能体与 AI 应用开发
    2026.10.23
  • 10

    AI 应用护栏工程 2026:注入防御与最小权限的统一装配

    把提示注入检测、工具最小授权、输出结构化约束与红队评测当成同一条流水线上的四个环节,而不是四个各自为政的安全组件,给出一套可落地、可回归、可降级的护栏装配方案。

    • #智能体与 AI 应用开发
    2026.10.22
  • 11

    Prompt 资产化 2026:注册表、评审与回归门禁

    把 prompt 从散落在代码里的字符串,变成可版本化、可评审、可回归、可灰度、可回滚的一等工程资产:给出 Prompt Registry 的数据模型与四态机、按语义类别路由的评审工作流、把回归成本压到不会被跳过的断言体系,以及接入 CI 与灰度面板的六阶段落地路线图。

    • #智能体与 AI 应用开发
    2026.10.21
  • 12

    LLM 应用的流式 UI 与人机协作渲染层 2026:统一装配

    把 LLM 的 token 流切成六轨道,把撤销栈从字符倒序升级为语义分类,把 diff 高亮与 AI 写作状态变成统一视觉协议,一份给 LLM 应用架构师的端到端协作契约。

    • #智能体与 AI 应用开发
    2026.10.20
  • 13

    AI 应用的多智能体编排与 A2A 通信协议工程 2026:从单体 LLM 到分布式智能体的统一装配

    把 A2A 通信协议、agent card 能力发现、四种编排拓扑、MCP 适配层、跨厂商契约和黑板共享状态压成一个可执行的多智能体编排八件套,从分布式系统视角收口,给应用架构师一份从单体 LLM 迁移到分布式智能体的完整路径与选型清单。

    • #智能体与 AI 应用开发
    2026.10.19
  • 14

    AI 应用 memory 工程 2026:从滑动窗口到 vector memory 装配

    把 memory 从按 token 截断升级为分层遗忘+索引检索+状态快照三轴闭环工程,覆盖 2026 年 AI 应用从 demo 走向 production 的架构拐点。

    • #智能体与 AI 应用开发
    2026.10.18
  • 15

    LLM 应用的多模态输入工程 2026:从图像理解到结构化抽取的统一装配

    把图像感知、文档解析、音频 ASR、跨模态对齐、张量融合统一装配成可观测、可降级、可流式的应用层中间表示,是 2026 年 LLM 应用从纯文本 Copilot 走向真正多模态智能体的关键工程转折。

    • #智能体与 AI 应用开发
    2026.10.17
  • 16

    端侧 AI 应用工程 2026:从 WebGPU 到端云协同的统一架构

    把浏览器、iOS、Android、PC 四端的端侧推理装配成一条可投产的统一架构,用 WebGPU + llama.cpp + 端云协同三栈实测,把隐私、成本与延迟三个硬指标同时拿到满分。

    • #智能体与 AI 应用开发
    2026.10.16
  • 17

    LLM 应用功能开关与渐进式发布工程 2026:从细粒度路由到 Kill-Switch 的统一装配

    把 LLM 应用的产品能力拆成一棵可逐项打开、关闭、灰度的配置图,以特性-策略-回退三段式治理在生产环境里跑出可控、可回滚、可观测的发布。

    • #智能体与 AI 应用开发
    2026.10.15
  • 18

    AI 应用的训练数据合成工程 2026:从种子蒸馏到生产闭环的统一架构

    把数据合成视为长期投资:一个百万级数据合成项目从启动到稳定产出高质量样本通常需要 3-6 个月,要有耐心与持续投入,不要期待两周搞定。当 AI 应用进入成熟期,用大模型自身(或模型协作)生成训练样本,并经过严格清洗与质量过滤,已成为 2026 年从调用 API 走向造模型的关键工程转折。

    • #智能体与 AI 应用开发
    2026.10.14
  • 19

    AI 应用的文档解析工程 2026:从 PDF 多模态到结构化分块

    把 PDF 多模态抽取、表格公式页眉脚对齐、hierarchical chunk、上下文窗口重组、增量更新和失败兜底压成一个可执行的文档解析八件套,让 RAG 应用的输入层不再是不能复现的暗盒。

    • #智能体与 AI 应用开发
    2026.10.13
  • 20

    AI 应用的测试工程 2026:从 LLM 单元测试到端到端 CI 流水线的统一架构

    把 LLM 应用测试压成 unit / contract / eval / e2e 四层金字塔,加上 schema 契约、不变式断言、LLM-as-judge 校准、red-team 反例和 8 条 SRE/QA 落地清单。

    • #智能体与 AI 应用开发
    2026.10.12
  • ← 上一页1 / 6
    下一页 →