學習路線
AI 應用開發
從需求拆解、結構化輸出、檢索增強到評測、安全與發布,建立可維護的 AI 應用。
← 返回知識中心
閱讀進度0%0/10 已完成
繼續閱讀 →01
開啟專題AI 應用開發
從需求拆解、結構化輸出、檢索增強到評測、安全與發布,建立可維護的 AI 應用。
TUTORIAL_CHAPTERAI 应用需求拆解:先定义边界与失败 (原文)
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。
開啟專題 →TUTORIAL_CHAPTER结构化输出与工具调用:把模型接入业务代码 (原文)使用 schema 校验模型输出,隔离工具权限和业务副作用。
開啟專題 →TUTORIAL_CHAPTER应用内 RAG:检索、引用与权限过滤 (原文)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。
開啟專題 →TUTORIAL_CHAPTERAI 应用测试:事实、行为与安全三层回归 (原文)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。
開啟專題 →TUTORIAL_CHAPTER安全与隐私:输入过滤、最小权限与审计 (原文)在模型调用前后建立敏感信息、提示注入和越权防线。
開啟專題 →TUTORIAL_CHAPTER生产运维:延迟、成本、缓存与人工接管 (原文)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。
開啟專題 →案例实战:FastAPI 结构化 AI 接口 (原文)用 Pydantic schema、错误码和人工确认状态搭建可测试的应用接口。
開啟專題 →案例实战:带权限过滤的本地 RAG 服务 (原文)用 SQLite FTS 验证角色过滤、来源引用、无结果和删除语义。
開啟專題 →TUTORIAL_CHAPTERAI 应用流式输出与部分失败:让用户看见真实状态 (原文)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。
開啟專題 →案例实战:AI 应用流式中断与恢复提示 (原文)在本地事件流中模拟断网、取消和重试,确保 UI 不把半截结果当作完成。
開啟專題 →