← 返回全部课程
学习路径
Production AI 可靠性
让 AI 系统可观察、可恢复、安全并能够做发布决策。
- 学习目标
- 从 Trace 诊断失败，并用证据完成发布决策。
- 最终产出
- 一份带明确 Veto 与 Fallback 的 SHIP / BLOCK / INCONCLUSIVE 决策。
本地学习记录
0 / 19 个可用 Guide 已读0 / 2 个 Practice 已完成
只统计已发布 Guide 与有确定完成信号的 Practice，不把浏览行为解释为掌握。
课程结构
评测并观察
9 个主题- 从 Input 到 Outcome 的 TraceabilityTraceability 是因果执行历史Guide
6 分钟 - Evaluation Environment 与 Verifier DesignGuide
7 分钟 - Outcome 与 Trajectory EvaluationConcept · Guide 正在扩展
- Slice 与 Regression SuiteDataset Slice、Regression 与 Aggregate Improvement 陷阱Guide
7 分钟 - Confidence、Variance 与 Sample-size HumilityConfidence、Variance 与 Sample Size 谨慎Guide
6 分钟 - Release Economics（发布经济性）把成本、延迟、质量与 Release Veto 合并为一个决策Guide
7 分钟 - Observability 是诊断界面Guide
6 分钟 - Failure Attribution（故障归因）跨 Model、Retrieval、Tool 与 Runtime 归因失败Guide
7 分钟 - Online Monitoring（线上监控）在线监控与 Drift SignalGuide
7 分钟
执行 Trust 与 Human 边界
4 个主题架构与发布
5 个主题- 跨层架构分解Concept · Guide 正在扩展
- Rollout 与 FallbackBounded Rollout、Fallback 与 Graceful DegradationGuide
7 分钟 - SHIP / BLOCK / INCONCLUSIVE将证据综合为 SHIP / BLOCK / INCONCLUSIVEGuide
7 分钟 - Queue、Concurrency 与 BackpressureConcept · Guide 正在扩展
- Versioned Dependencies 与 Change Boundary显式管理外部能力版本Guide
6 分钟