2026年10月15日证据能否在人工智能流水线中存续?——证据保全链证据在源头可能是正确的,但在经过解析、规范化、分块、检索和上下文组装之后,仍可能变得不可靠。证据保全链追踪的是身份、来源、范围和含义是否在整个AI流水线中得以保留。阅读更多
2026年10月15日为什么AI会检索某些来源而忽略其他来源?——检索权威层找到相关文档还不够。AI系统还需要区分哪些来源是当前的、权威的、适用的和可追溯的,哪些来源只是看起来相似。检索权威层定义了这种来源选择的边界。阅读更多
2026年10月15日AI主张与证据之间有多远?——证据距离并非所有被支持的答案都与其证据同样接近。证据距离是一种实用的方式,用来描述一个AI主张与可直接检验的证据之间相隔了多少次转换、摘要、假设和推理步骤。阅读更多
2026年10月8日MLOps 与 LLMOps:当模型是 LLM 时,会发生哪些变化MLOps 运维机器学习系统;LLMOps 将这些实践扩展到围绕大型语言模型的提示、上下文、检索、提供商、工具、评估和运行时行为。阅读更多
2026年10月8日MCP 解析:它连接什么、不做什么以及它适用于何处模型上下文协议通过标准的客户端-服务器边界,将AI应用程序连接到外部工具、资源和提示。了解MCP能做什么、不能做什么,以及它在智能体架构中的定位。阅读更多
2026年10月8日AI系统中的真相来源:可靠知识究竟从何而来事实来源(Source of Truth)定义了对于特定事实或状态,哪个来源具有权威性。了解它与RAG、溯源、记忆、上下文、向量数据库和记录系统有何不同。阅读更多