从需求拆解、结构化输出、检索增强到评测、安全和发布,构建可维护的 AI 应用。
AI 应用开发
从需求拆解、结构化输出、检索增强到评测、安全和发布,构建可维护的 AI 应用。
7 章节3 案例已发布
LEARNING PATH
教程章节
按学习顺序组织的可操作教程。
章节 · 已发布AI 应用需求拆解:先定义边界与失败
把模糊的 AI 需求拆成输入、输出、证据、人工介入和不可做事项。
阅读章节 章节 · 已发布结构化输出与工具调用:把模型接入业务代码使用 schema 校验模型输出,隔离工具权限和业务副作用。
阅读章节 章节 · 已发布应用内 RAG:检索、引用与权限过滤把检索结果变成可追溯上下文,避免把无权限文档送给模型。
阅读章节 章节 · 已发布AI 应用测试:事实、行为与安全三层回归建立固定样本和程序断言,持续发现答案、工具轨迹和权限回归。
阅读章节 章节 · 已发布安全与隐私:输入过滤、最小权限与审计在模型调用前后建立敏感信息、提示注入和越权防线。
阅读章节 章节 · 已发布生产运维:延迟、成本、缓存与人工接管把模型、检索和工具调用纳入可观测、可限流、可回滚的运行流程。
阅读章节 章节 · 已发布AI 应用流式输出与部分失败:让用户看见真实状态设计可取消的流式响应、超时和部分失败状态,避免把等待伪装成成功。
阅读章节PRACTICE
实践案例
围绕工具、工作流和真实任务整理的实践记录。
