- Published on
从 demo 到生产，难的不是写出漂亮提示，而是用确定性套件把概率性 LLM 包起来。本文给出护栏、故障切换、动态 few-shot 与 CI/CD 质量门禁等可落地做法，帮助读者打造有韧性的工程化 AI 工作流。
最新文章
俞凡的技术博客 DeepNoMind，专注于 AI 智能体、系统架构、软件工程和 DevOps 的深度分享。涵盖前端开发、后端架构、微服务设计、云原生部署、分布式系统、性能优化、团队管理等前沿技术的实战经验与最佳实践，助力开发者持续成长。
- Published on
真正的企业知识应该是确定的、可追踪的、对人和机器都易读的，Google OKF 就是这样的操作系统。- Published on
从乔布斯早年的事无巨细，到后来的高标准授权，这篇文章讲清了 10-80-10 法则为什么在 AI 时代依然适用。- Published on
规则越加越多，AI 却越用越乱，这是很多团队都踩过的坑。真正有效的不是“补丁式规则清单”，而是 4 条行为原则：先问清、少过度、少乱改、以可验证目标驱动闭环。- Published on
AI 编程助手每次新会话都要花大量 token 在代码库里"翻箱倒柜"找代码，这个隐藏成本比你想象的高得多。CodeGraph 通过 Tree-Sitter 解析代码结构，生成本地 SQLite 知识图谱，通过 MCP 协议让智能体直接查询，平均减少 70% 的工具调用和近一半的 token 成本，并且代码始终保留在本地。