GUIDES
120 个可复用的 AI 心智模型。
Guide 用来快速理解一个 Concept；Course 用来告诉你下一步学什么。你可以直接浏览，也可以按知识域、主题、课程和难度筛选。
120 篇 Guide·想系统学习？查看 Courses →
从问题出发
不知道术语也没关系，先从你遇到的症状开始。
选择一个最像你当前问题的场景。AhaFrame 会把它映射到已有的心智模型、Practice 和进一步学习的 Course；这里不会创建第二套知识路径。
我的 RAG 总是检索到错误文档正确来源明明存在，但 Retrieval 仍反复选中更弱、过期或不相关的证据。
我的 Agent 超时后重复执行了动作系统把“没有收到响应”直接当作“执行失败”，重试因此可能重复不可逆的 Side Effect。
我的 Agent 权限太大了模型可以触达本应由 Runtime Policy 限制、人工审核或直接拒绝的 Tool 与 Side Effect。
模型升级后平均分更高，但关键场景反而坏了整体指标变好，却有重要 Slice 或 Workflow 回归，导致发布决策不能只看平均分。
我的长任务 Agent 会丢状态，或者无法安全恢复临时 Context、Durable State、Checkpoint 与 Expiry 混在一起，导致恢复流程只能靠猜。
我的 Multi-Agent 系统更复杂了，却没有更可靠Delegation 与并行增加了 Coordination Cost，但责任边界、Verification 和最终结果并没有更清晰。
当前显示 120 篇，共 120
理解 AI
34 篇 Guide
模型、Token 与生成·FOUNDATION·6 分钟·含 Practice概率性模型行为把模型输出理解为一组可能续写的概率分布，而不是从问题到唯一答案的确定性查表。用于 2 个课程 · AI 基础 · LLM 应用工程阅读 Guide 模型、Token 与生成·FOUNDATION·6 分钟·含 Practice模型声称 vs Runtime 事实模型可以描述它认为发生了什么，但只有 Runtime 与外部系统能够确认真实发生了什么。用于 2 个课程 · AI 基础 · 用 AI 做数据分析阅读 Guide 模型、Token 与生成·FOUNDATION·5 分钟·含 PracticeTokenization模型处理的是 Token 序列，而不是人眼看到的字符或单词，因此成本、限制和行为都会受到文本切分方式影响。用于 1 个课程 · AI 基础阅读 Guide 模型、Token 与生成·FOUNDATION·6 分钟·含 PracticeContext WindowContext Window 是有限的工作输入预算，System Instruction、Conversation、Retrieved Evidence 与 Tool Result 都在竞争这块空间。用于 1 个课程 · AI 基础阅读 Guide Context 与表示·FOUNDATION·5 分钟·含 Practice相关性优先于信息量当低价值材料开始与真正关键的证据竞争时，加入更多输入反而可能降低决策质量。用于 2 个课程 · AI 基础 · RAG 与知识系统阅读 Guide 推理与模型选择·INTERMEDIATE·6 分钟·含 PracticeModel Selection 是 Workload Trade-offModel 应该根据真实 Workload 与约束选择，而不是默认认为最大、最新或 Benchmark 最高的模型一定最好。用于 3 个课程 · AI 基础 · LLM 应用工程阅读 Guide AI 安全与治理·FOUNDATION·6 分钟·含 PracticeCopyright、Licensing 与 ProvenanceAI 辅助创作需要保留 Provenance，区分 Source、Transformation 与可否 Reuse / Publish 的权利边界。用于 3 个课程 · AI 基础 · 用 AI 做课程或知识产品阅读 Guide 训练与 Post-training·ADVANCED·7 分钟·含 PracticeSynthetic Data 与 DistillationSynthetic Data 可以扩展 Example 与 Transfer Behavior，但如果缺少 Quality 与 Diversity Control，也会把 Generator 的 Blind Spot 一起放大。用于 2 个课程 · AI 基础 · 模型工程阅读 Guide 训练与 Post-training·INTERMEDIATE·7 分钟·含 PracticeSupervised Fine-tuningSFT 用 Curated Input–Target Example 适配 Model Behavior，但应该解决已经被证明存在的 Behavior Gap，而不是替代 Application Design。用于 2 个课程 · AI 基础 · 模型工程阅读 Guide Embedding 与多模态·FOUNDATION·6 分钟·含 PracticeVector Similarity 是 Retrieval SignalVector Similarity 衡量 Embedding Space 中的接近程度；它适合做 Candidate Retrieval，但不能等同 Truth、Authority 或最终 Task Relevance。用于 2 个课程 · AI 基础 · RAG 与知识系统阅读 Guide 推理与规划·INTERMEDIATE·6 分钟·含 PracticeVerification 优先于 Introspection当 Correctness 重要时，应检查 World 或 Independent Artifact，而不是询问模型它自己的 Reasoning 是否正确。用于 3 个课程 · AI 基础 · 用 AI 做数据分析阅读 Guide 边界、不确定性与失败·INTERMEDIATE·6 分钟·含 PracticeUncertainty Calibration有用的 Uncertainty 意味着 Confidence 能跟真实 Error Risk 对齐，并进一步改变 System Action、Escalation 与 Communication。用于 2 个课程 · AI 基础 · 用 AI 做数据分析阅读 Guide 训练与 Post-training·FOUNDATION·7 分钟·含 PracticePretraining Objective 与 Learned BehaviorPretraining 通过大规模数据中的预测任务学习统计规律；很多有用 Capability 会从中形成，但 Product Guarantee 不会自动出现。用于 2 个课程 · AI 基础 · 模型工程阅读 Guide 模型、Token 与生成·FOUNDATION·6 分钟·含 PracticeModel Capability EnvelopeModel 拥有与 Workload 相关的 Capability Envelope；超出经过测试的边界时，应先降低 Confidence，而不是先扩大 Autonomy。用于 2 个课程 · AI 基础 · LLM 应用工程阅读 Guide 模型、Token 与生成·FOUNDATION·7 分钟·含 PracticeLatency 与 Throughput 基础AI Serving Performance 本质上是 Queueing 与 Workload 问题：响应时间、并发和 Token Generation 会共同竞争有限 Compute Capacity。用于 2 个课程 · AI 基础 · LLM 应用工程阅读 Guide 训练与 Post-training·INTERMEDIATE·7 分钟·含 PracticePreference Post-trainingPreference Post-training 会塑造 Model 在多种 plausible continuation 中更倾向选择什么行为，但 Preference Signal 不会因此变成 Hard Application Guarantee。用于 2 个课程 · AI 基础 · 模型工程阅读 Guide 指令与 Prompt·FOUNDATION·6 分钟·含 PracticePrompt Decomposition当一个复杂 Prompt 同时混合不同 Responsibility、Evidence Need 或 Verification Method 时，应拆成明确的 Reasoning / Production Stage。用于 2 个课程 · AI 基础 · 用 AI 做研究阅读 Guide AI 安全与治理·FOUNDATION·7 分钟·含 PracticePrivacy 与 Data BoundaryAI System 必须显式定义哪些 Data 可以进入 Model、Log、Retrieval Index、Memory 与 Third-party Tool，因为每一次 Boundary Crossing 都会创造不同 Exposure 与 Retention Risk。用于 2 个课程 · AI 基础 · 构建 AI 知识库阅读 Guide 推理与模型选择·INTERMEDIATE·7 分钟·含 PracticeOpen 与 Closed Model Trade-offOpen-weight 与 Hosted Closed Model 在 Control、Operational Burden、Data Boundary 与 Capability Economics 上各有取舍；正确选择取决于具体 System Constraint。用于 2 个课程 · AI 基础 · 模型工程阅读 Guide 模型、Token 与生成·FOUNDATION·6 分钟·含 PracticeNext-token Generation（逐 Token 生成）大语言模型并不是一次性取出完整答案，而是在不断增长的 Context 上逐步预测并选择下一个 Token；长文本的连贯行为来自许多局部决策的连续累积。用于 1 个课程 · AI 基础阅读 Guide 模型、Token 与生成·FOUNDATION·6 分钟·含 PracticeSampling Controls（采样控制）Temperature、top-p 等解码参数会改变 Runtime 如何从模型概率分布中采样，从而改变输出多样性；它们不会修复缺失证据、错误 Context 或模型能力不足。用于 1 个课程 · AI 基础阅读 Guide Embedding 与多模态·FOUNDATION·7 分钟·含 PracticeEmbeddings 与 Semantic SpaceEmbedding 把输入编码成向量，向量几何可以表达特定模型下的相似模式，用于 Retrieval 与聚类；但距离本身不等于意义、事实或 Source Authority。用于 1 个课程 · AI 基础阅读 Guide 边界、不确定性与失败·FOUNDATION·7 分钟·含 PracticeHallucination（无证据生成）Hallucination 是看似可用、但缺少系统证据或约束支持的生成内容；工程修复重点应放在 Evidence 与 Verification，而不是要求模型“更自信地谨慎”。用于 1 个课程 · AI 基础阅读 Guide Context 与表示·FOUNDATION·6 分钟·含 PracticeContext 与 Memory 的边界Context 是模型在当前调用中真正能够使用的输入；Memory 是应用跨调用保存状态、并在需要时选择性重新放回 Context 的机制。用于 1 个课程 · AI 基础阅读 Guide Context 与表示·FOUNDATION·7 分钟·含 PracticeAttention Budget（注意力预算）Context Window 变大并不等于有效 Attention 无限。每增加一段 Token 都会与真正相关的信息竞争模型注意力、Latency 与 Cost，因此 Context 仍然需要围绕任务证据做预算。用于 1 个课程 · AI 基础阅读 Guide 指令与 Prompt·FOUNDATION·7 分钟·含 PracticeInstruction Authority（指令权威层级）可靠 Prompting 的前提，是知道不同 Instruction Source 谁有权决定行为。System、Developer、Retrieved Context 与 User Text 并不是可以平等互相覆盖的 Peer。用于 1 个课程 · AI 基础阅读 Guide 指令与 Prompt·FOUNDATION·7 分钟·含 PracticeInstruction Conflict（指令冲突）Instruction Conflict 指多个看起来都合理的 Source 要求系统采取彼此不兼容的行为。可靠系统需要显式识别冲突，而不是让模型临场“折中”。用于 1 个课程 · AI 基础阅读 Guide 指令与 Prompt·FOUNDATION·7 分钟·含 PracticePrompt、Context 与 Runtime BoundaryPrompt Wording、Supplied Context 与 Runtime Enforcement 解决的是不同问题。可靠 AI System 会把 Persuasion、Evidence 与 Capability Control 分开，而不是全部当成 Prompt Design。用于 1 个课程 · AI 基础阅读 Guide 推理与规划·INTERMEDIATE·7 分钟·含 PracticeReasoning Budget（推理预算）Reasoning Effort 是工程预算，不是免费的 Quality 开关。更多 Search、Deliberation 或 Model Effort 可能改善困难任务，但同时增加 Latency、Cost，甚至扩大 Error Exposure。用于 1 个课程 · AI 基础阅读 Guide 边界、不确定性与失败·FOUNDATION·7 分钟·含 PracticeCapability 不等于 Guarantee模型在 Example 或 Benchmark 中表现出某种 Capability，并不保证每个 Production Input 都会稳定产生同样行为。可靠性需要在概率能力之外建立 Contract、Evidence 与 Control。用于 1 个课程 · AI 基础阅读 Guide 指令与 Prompt·FOUNDATION·7 分钟·含 PracticePrompt Specificity（提示词具体性）Prompt Specificity 会把任务、约束、输出 Contract 与成功标准写得足够具体，让模型不必从含糊语言中自行补全关键 Requirement。用于 1 个课程 · AI 基础阅读 Guide Embedding 与多模态·FOUNDATION·7 分钟·含 PracticeMultimodal Representation（多模态表征）Multimodal System 必须把 Text、Image、Audio、Video 转成能保留任务关键信息的 Representation；支持多种输入并不代表所有模态都同样可观察或可互换。用于 1 个课程 · AI 基础阅读 Guide 边界、不确定性与失败·INTERMEDIATE·7 分钟·含 PracticeDistribution Shift（分布漂移）Distribution Shift 指 Production Input、User、Tool 或 Environment 与原先 Evaluation 所覆盖的数据显著不同，使过去的 Quality Estimate 不再可靠。用于 1 个课程 · AI 基础阅读 Guide AI 安全与治理·INTERMEDIATE·7 分钟·含 PracticeBias & Fairness（偏差与公平性）Bias / Fairness Engineering 关注 AI System 是否对相关群体或情境产生系统性不同的 Error、Opportunity 或 Burden，以及这些差异是否违反产品 Policy。用于 1 个课程 · AI 基础阅读 Guide
构建 AI
67 篇 Guide
LLM 应用工程·FOUNDATION·6 分钟·含 PracticeStructured Output 是应用契约JSON 结构只有在应用同时验证语法与下游业务语义时，才真正成为可依赖的边界。用于 1 个课程 · LLM 应用工程阅读 Guide Context Engineering·FOUNDATION·6 分钟·含 Practice有限 Context 预算Context Engineering 本质上是资源分配：决定哪条指令、证据、Memory 与 Tool State 值得占据下一份预算。用于 1 个课程 · LLM 应用工程阅读 Guide Context Engineering·INTERMEDIATE·7 分钟·含 PracticeContext ManagementContext Management 会随着任务变化不断决定哪些内容需要加载、刷新、压缩或移除。用于 4 个课程 · LLM 应用工程 · Vibe Coding 与 Agentic Software Engineering阅读 Guide RAG 与 Retrieval·INTERMEDIATE·6 分钟·含 PracticeDense、Sparse 与 Hybrid Retrieval不同 Retrieval Signal 能捕获不同证据；Hybrid Retrieval 将语义相似与精确词项信号结合起来。用于 1 个课程 · RAG 与知识系统阅读 Guide RAG 与 Retrieval·INTERMEDIATE·6 分钟·含 PracticeFreshness、Authority 与来源优先级最相似的 Passage 并不一定是系统最应该信任的来源。用于 5 个课程 · AI 客户支持 · RAG 与知识系统阅读 Guide Memory 系统·INTERMEDIATE·6 分钟·含 PracticeWorking Memory vs Durable Memory把当前步骤使用的临时推理上下文，与必须跨越压缩、重试、崩溃和新 Session 继续存在的 Durable State 分开。用于 1 个课程 · RAG 与知识系统阅读 Guide Agent Runtime·INTERMEDIATE·6 分钟·含 PracticeAct → Observe → Verify LoopAgent 是一个 Control Loop：选择 Action、观察 Environment，再验证 Task State 是否真的向目标推进。用于 3 个课程 · Agent Engineering · AI 客户支持阅读 Guide Agent Runtime·INTERMEDIATE·6 分钟·含 PracticeBounded Autonomy给 Agent 足够的自由去完成有价值的工作，同时对成本、时间、权限与不可逆 Side Effect 设置硬边界。用于 2 个课程 · Agent Engineering · AI 客户支持阅读 Guide Agent Runtime·INTERMEDIATE·7 分钟·含 PracticeWorkflow Decomposition在增加更多 Agent 智能之前，先把复杂目标拆成拥有明确 Input、Output 与 Verification 的阶段。用于 4 个课程 · Agent Engineering · Multi-Agent 与编排阅读 Guide 评测与可靠性·INTERMEDIATE·6 分钟·含 PracticeTimeout 歧义Timeout 只能证明没有及时观察到 Response，并不能证明远端 Operation 已经失败。用于 1 个课程 · Production AI 可靠性阅读 Guide 评测与可靠性·INTERMEDIATE·6 分钟·含 PracticeIdempotency Boundary重复 Attempt 应该代表同一个 Business Intent，而不是每一次都悄悄创建新的 Side Effect。用于 1 个课程 · Production AI 可靠性阅读 Guide 可观测性·INTERMEDIATE·6 分钟·含 PracticeObservability 是诊断界面只有当 Log 与 Trace 能帮助 Operator 重建 Model、Retrieval、Tool 与 Runtime 之间的因果路径时，它们才真正有价值。用于 1 个课程 · Production AI 可靠性阅读 Guide 评测与可靠性·INTERMEDIATE·7 分钟·含 PracticeEvaluation Environment 与 Verifier DesignAI Evaluation 的可信度取决于 Environment、Task Contract 与 Verifier 如何共同定义“什么才算真正成功”。用于 6 个课程 · Agent Engineering · Multi-Agent 与编排阅读 Guide Tools 与 Function Calling·INTERMEDIATE·6 分钟·含 PracticeHuman Review BoundaryHuman Review 只有在高后果 Boundary 上拥有明确 Decision 时才真正有价值，而不是让人随手看一眼 AI Output。用于 5 个课程 · Agent Engineering · AI 客户支持阅读 Guide Vibe Coding 与 Agentic Coding·FOUNDATION·6 分钟·含 PracticeGeneration 之前先 Specification当 Intended Behavior 与 Acceptance Evidence 在生成代码前已经定义，AI-assisted Implementation 才真正可控。用于 2 个课程 · Vibe Coding 与 Agentic Software Engineering · 用 AI 做课程或知识产品阅读 Guide 评测与可靠性·INTERMEDIATE·6 分钟·含 PracticeConfidence、Variance 与 Sample-size HumilityAI Evaluation Result 是对 Variable System 的 Sampling；可信 Confidence 需要 Repeated Observation、Uncertainty Estimate 与足够 Sample。用于 2 个课程 · Production AI 可靠性 · 用 AI 做数据分析阅读 Guide Tools 与 Function Calling·INTERMEDIATE·6 分钟·含 Practice使用 Tool Result 之前先 ValidationTool Call 返回响应并不等于 Business Action 已成功；Runtime 仍需要验证 Shape、Semantics 与 Intended Action 的关系。用于 2 个课程 · Agent Engineering · AI 客户支持阅读 Guide 生产架构·INTERMEDIATE·6 分钟·含 PracticeVersioned Dependencies 与 Change BoundaryAI Behavior 依赖会独立变化的 Model、Prompt、Tool、Schema 与 Retrieval Source，因此 Production System 必须显式 Version Boundary。用于 2 个课程 · Production AI 可靠性 · Vibe Coding 与 Agentic Software Engineering阅读 Guide 安全与人工控制·INTERMEDIATE·6 分钟·含 PracticeAuditability 是 Durable Decision Evidence可 Audit 的 AI System 会保留足够 Durable Evidence，重建发生了什么、适用了什么 Rule，以及谁或什么授权了 Consequential Action。用于 2 个课程 · AI 客户支持 · Production AI 可靠性阅读 Guide RAG 与 Retrieval·INTERMEDIATE·7 分钟·含 PracticeRetrieval 是 Pipeline，不是一次 Search Call可靠 RAG 会分离 Candidate Generation、Filtering、Reranking、Context Assembly 与 Provenance，让每一种 Failure 都可测量、可修复。用于 3 个课程 · RAG 与知识系统 · 构建 AI 知识库阅读 Guide Tools 与 Function Calling·INTERMEDIATE·7 分钟·含 PracticeAgent Tool ContractTool Contract 定义 Agent 能请求什么、Runtime 保证什么、可能如何 Failure，以及哪些 Side Effect 需要更强 Control。用于 2 个课程 · Agent Engineering · AI 客户支持阅读 Guide RAG 与 Retrieval·INTERMEDIATE·6 分钟·含 PracticeGeneration 之前先 Evaluation RetrievalRetrieval Evaluation 先判断必要 Evidence 是否被正确 Surface、Rank 与 Authority-filter，再去评价 Generated Answer。用于 2 个课程 · RAG 与知识系统 · 构建 AI 知识库阅读 Guide Vibe Coding 与 Agentic Coding·ADVANCED·6 分钟·含 PracticeParallel Agent Work只有 Subproblem 真正独立，或者 Parallel Worker 能提供 Independent Verification 时，并行才可能超过 Coordination Cost。用于 2 个课程 · Multi-Agent 与编排 · Vibe Coding 与 Agentic Software Engineering阅读 Guide Tools 与 Function Calling·INTERMEDIATE·6 分钟·含 PracticeAI Capability 的 Least Privilege只给 AI System 当前 Task 真正需要的 Permission，并尽可能限制 Scope 与 Duration；Irreversible Effect 需要更强 Gate。用于 2 个课程 · Agent Engineering · AI 客户支持阅读 Guide Agent Runtime·INTERMEDIATE·6 分钟·含 PracticeVerification Loop可靠 Agent 会反复比较“预期状态”和“实际观测状态”，再根据差异决定继续、修复、升级人工或停止，而不是一路相信自己的叙述。用于 1 个课程 · Agent Engineering阅读 Guide 安全与人工控制·INTERMEDIATE·6 分钟·含 PracticeAI System 的 Trust BoundaryTrust Boundary 标记 Data、Instruction 或 Action 在不同 Authority、Ownership 或 Reliability Assumption 的组件之间发生跨越的位置。用于 1 个课程 · Production AI 可靠性阅读 Guide 评测与可靠性·INTERMEDIATE·6 分钟·含 Practice从 Input 到 Outcome 的 TraceabilityTraceability 把 User Request、Selected Evidence、Model Decision、Tool Action 与最终 Outcome 串成一条可重建的跨层执行链。用于 1 个课程 · Production AI 可靠性阅读 Guide 评测与可靠性·INTERMEDIATE·7 分钟·含 PracticeSlice 与 Regression SuiteAggregate Quality 不够；Release Evaluation 需要代表关键用户、任务与失败模式的 Stable Slice，以及防止已解决问题重新出现的 Regression Case。用于 1 个课程 · Production AI 可靠性阅读 Guide Memory 系统·INTERMEDIATE·7 分钟·含 PracticeMemory LifecycleDurable AI Memory 需要 Admission、Provenance、Update、Retrieval 与 Deletion Rule；没有 Lifecycle 的 Persistence 只会让陈旧错误更难清除。用于 2 个课程 · RAG 与知识系统 · 构建 AI 知识库阅读 Guide Multi-Agent 与编排·INTERMEDIATE·7 分钟·含 PracticeOrchestration Topology Trade-offLoop、Graph、Supervisor 与 Parallel Worker 解决的是不同 Coordination Problem；Topology 应由真实 Dependency Structure 决定，而不是跟随 Architecture Fashion。用于 1 个课程 · Multi-Agent 与编排阅读 Guide Memory 系统·INTERMEDIATE·6 分钟·含 PracticeMemory Expiry 与 Invalidation当 Evidence 过期、Scope 结束或更强信息 Supersede 旧状态时，Durable Memory 就应该停止影响 Decision。用于 2 个课程 · RAG 与知识系统 · 构建 AI 知识库阅读 Guide Agent Runtime·INTERMEDIATE·7 分钟·含 PracticeCheckpoint 与 Resume长任务 Agent 只有把已完成的 Durable Work、外部副作用和下一步安全 Transition 写入显式 Checkpoint，才能在中断后可靠恢复，而不是重新猜测状态。用于 1 个课程 · Agent Engineering阅读 Guide Agent Runtime·ADVANCED·7 分钟·含 PracticeAsynchronous Long-running Work超过一次请求生命周期的任务需要显式 Job Identity、Durable State、Cancel 与 Result Retrieval；把 HTTP 或模型连接一直保持打开并不是长任务架构。用于 1 个课程 · Agent Engineering阅读 Guide Tools 与 Function Calling·INTERMEDIATE·6 分钟·含 PracticeReversible Actions（可逆操作）当系统优先提供可 Preview、Undo、Compensate 或分阶段 Commit 的操作时，Agent 即使做错决定，影响也更容易控制。用于 1 个课程 · Agent Engineering阅读 Guide Context Engineering·INTERMEDIATE·7 分钟·含 PracticeContext Compaction（上下文压缩）Context Compaction 的目标是保留未来决策真正需要的最小任务状态，而不是每一轮都把完整 Interaction History 继续塞进 Prompt。用于 2 个课程 · LLM 应用工程 · 用 AI 写一本书阅读 Guide LLM 应用工程·INTERMEDIATE·7 分钟·含 PracticeStreaming 与 BackpressureStreaming 只有在 Producer、Consumer 与下游 Parser 对 Flow Control 达成 Contract 时才真正改善体验；否则快速 Token 输出会压垮较慢 Client 或后续处理。用于 1 个课程 · LLM 应用工程阅读 Guide 评测与可靠性·INTERMEDIATE·7 分钟·含 PracticeRetry Amplification（重试放大）Retry 原本是为了提高可靠性，但当多个层级面对同一个模糊失败都独立重试时，负载和 Side Effect 会被成倍放大；没有共享 Budget 与 Idempotency 的重试反而会制造事故。用于 1 个课程 · Production AI 可靠性阅读 Guide 安全与人工控制·INTERMEDIATE·8 分钟·含 PracticePrompt Injection DefensePrompt Injection 是 Untrusted Content 试图影响模型行为；真正防线来自 Capability Boundary、Source Label 与 Runtime Enforcement，而不是写一句更强的“忽略攻击指令”。用于 1 个课程 · Production AI 可靠性阅读 Guide 可观测性·INTERMEDIATE·7 分钟·含 PracticeOnline Monitoring（线上监控）Offline Evaluation 用来预测能否发布；Online Monitoring 用来检查上线后真实 Traffic、Dependency 与 User Behavior 是否仍然符合发布时的假设。用于 1 个课程 · Production AI 可靠性阅读 Guide 生产架构·ADVANCED·7 分钟·含 PracticeRollout 与 FallbackAI Release 最安全的方式是逐步增加 Exposure，并准备经过测试的 Fallback；当新模型、Prompt 或 Dependency 失败时，产品仍能保留关键行为。用于 1 个课程 · Production AI 可靠性阅读 Guide RAG 与 Retrieval·INTERMEDIATE·7 分钟·含 PracticeReranking（候选重排）Reranking 是 Retrieval 后的第二阶段：先用便宜方法保证 Candidate Recall，再对小规模候选投入更多计算，让真正与任务相关的 Evidence 排在更前面。用于 1 个课程 · RAG 与知识系统阅读 Guide Multi-Agent 与编排·ADVANCED·7 分钟·含 PracticeCoordination Overhead（协调开销）Multi-agent System 会真实支付 Handoff、重复 Context、Conflict Resolution 与 Verification 成本；只有 Independent Work 节省的价值超过协调成本时，Parallelism 才值得。用于 1 个课程 · Multi-Agent 与编排阅读 Guide Vibe Coding 与 Agentic Coding·INTERMEDIATE·7 分钟·含 PracticeTest-first AI Coding在代码生成前先存在可执行 Expectation，会让 AI Coding 更可控，因为 Test 给 Agent 与 Reviewer 提供独立 Contract，而不是依赖生成代码自己解释“为什么正确”。用于 1 个课程 · Vibe Coding 与 Agentic Software Engineering阅读 Guide Vibe Coding 与 Agentic Coding·INTERMEDIATE·7 分钟·含 PracticeAI Code ReviewReview AI-generated Code 的核心，是用 Repository Evidence 独立检查 Behavior、Scope、Security 与 Maintainability，而不是接受看起来合理的 Diff 或 Agent 自己的解释。用于 1 个课程 · Vibe Coding 与 Agentic Software Engineering阅读 Guide LLM 应用工程·INTERMEDIATE·7 分钟·含 PracticeConversation State（对话状态）Conversation State 是应用拥有的 Structured State，用来描述当前 Interaction 正在进行什么；它不应与 Raw Chat History、Model Memory 或“刚好塞进 Context Window 的内容”混为一谈。用于 1 个课程 · LLM 应用工程阅读 Guide LLM 应用工程·INTERMEDIATE·7 分钟·含 PracticeModel Routing 与 Fallback生产级 LLM Application 不应把所有请求永久绑定到一个 Model；应根据 Task、Risk 与当前 System Condition 做 Routing，并在首选路径不可用、过慢、过贵或不够可靠时提供显式 Fallback。用于 1 个课程 · LLM 应用工程阅读 Guide RAG 与 Retrieval·INTERMEDIATE·7 分钟·含 PracticeEvidence Granularity（证据粒度）RAG Quality 很大程度取决于 Evidence Granularity：既要保留足够语义，又要足够 Selective，才能让 Ranking 与 Context Budget 工作。Chunk Size 因此是工程 Decision，而不是 Magic Constant。用于 1 个课程 · RAG 与知识系统阅读 Guide Memory 系统·INTERMEDIATE·7 分钟·含 PracticeMemory Authority ConflictDurable Memory 即使曾经有用，也可能不再适合当前 Decision。当 Remembered Fact 与更 Fresh 或更高 Authority 的 Evidence 冲突时，系统需要显式 Authority 与 Update Policy。用于 1 个课程 · RAG 与知识系统阅读 Guide MCP 与能力接口·INTERMEDIATE·7 分钟·含 PracticeMCP BoundariesMCP 把 Model 与 External Capability 连接起来，但 Protocol Boundary 不等于 Permission Boundary。Client 与 Runtime 仍然需要显式 Trust、Capability 与 Side-effect Control。用于 1 个课程 · Agent Engineering阅读 Guide MCP 与能力接口·INTERMEDIATE·7 分钟·含 PracticeMCP Capability NegotiationCapability Negotiation 让 MCP Client 只启用双方都支持、且当前 Task 被允许使用的 Feature 与 Operation，而不是默认所有 Available Capability 都处于 Active 状态。用于 1 个课程 · Agent Engineering阅读 Guide Agent Runtime·INTERMEDIATE·7 分钟·含 PracticeInterrupt / Cancel Long-running AgentLong-running Agent 必须有显式 Interrupt 与 Cancellation Semantic，才能让 User/Operator 安全停止任务，区分“已请求停止”与“已经停止”，并在不破坏 Side Effect 的前提下恢复。用于 1 个课程 · Agent Engineering阅读 Guide Multi-Agent 与编排·INTERMEDIATE·7 分钟·含 PracticeLoop vs Graph当一个 Controller 能够拥有 Iteration 与 State 时，应优先使用 Agent Loop；只有显式 Branch、Join、Specialized Responsibility 或 Independent Recovery Boundary 能创造可测量价值时，才引入 Graph。用于 1 个课程 · Multi-Agent 与编排阅读 Guide 安全与人工控制·FOUNDATION·7 分钟·含 PracticeRuntime EnforcementRuntime Enforcement 会把 Policy 从“建议”变成 Executable Constraint：即使模型提出不安全方案，系统仍能控制哪些 Action、Data 与 Side Effect 真正被允许通过。用于 1 个课程 · Production AI 可靠性阅读 Guide 生产架构·ADVANCED·7 分钟·含 PracticeSHIP / BLOCK / INCONCLUSIVERelease Evaluation 应落到显式 Decision State：Evidence 通过 Required Gate 时为 SHIP；存在 Veto 或不可接受 Regression 时为 BLOCK；Evidence 太弱、无法安全判断时为 INCONCLUSIVE。用于 1 个课程 · Production AI 可靠性阅读 Guide 模型工程·ADVANCED·7 分钟·含 PracticeAdapter Fine-tuning（适配器微调）Adapter Fine-tuning 只训练较小的 Adapter Component，同时冻结大部分 Base-model Weight。当已经存在可测量 Task Gap 且确实需要 Training 时，它通常比 Full Fine-tuning 更便宜、更容易 Versioning。用于 1 个课程 · 模型工程阅读 Guide Vibe Coding 与 Agentic Coding·INTERMEDIATE·7 分钟·含 PracticeRepository Context（仓库上下文）Repository Context 是 AI Coding Agent 为了让修改真正适配现有系统而需要的 Code、Convention、Test、Dependency Boundary 与 Local History，而不是一堆孤立 Source File。用于 1 个课程 · Vibe Coding 与 Agentic Software Engineering阅读 Guide Vibe Coding 与 Agentic Coding·INTERMEDIATE·7 分钟·含 PracticeDependency / Migration VerificationDependency Upgrade 与 Data/Schema Migration 必须跨 Compatibility、Rollout、Rollback Boundary 验证，因为 Local Correct 的代码在 Production Version 或 Persisted State 不同的情况下仍可能失败。用于 1 个课程 · Vibe Coding 与 Agentic Software Engineering阅读 Guide LLM 应用工程·INTERMEDIATE·7 分钟·含 PracticeAPI Rate-limit ResilienceRate-limit Resilience 通过 Concurrency、Backoff、Queue、Budget 与 Fallback 管理 Provider 或 Internal Service 的 Quota，而不是让每个 429 都变成无控制 Retry Storm。用于 1 个课程 · LLM 应用工程阅读 Guide RAG 与 Retrieval·INTERMEDIATE·7 分钟·含 PracticeMetadata Retrieval（元数据检索）Metadata Retrieval 使用 Tenant、Document Type、Date、Authority、Product 等 Structured Field 约束或排序 Evidence，避免让 Semantic Similarity 独自决定候选集合。用于 1 个课程 · RAG 与知识系统阅读 Guide 搜索与知识图谱·INTERMEDIATE·7 分钟·含 PracticeKnowledge Graph Structure（知识图谱结构）Knowledge Graph 用显式 Entity 与 Typed Relationship 表达结构，使 Retrieval / Reasoning 能沿着仅靠 Text Similarity 很难恢复的关系进行 Traversal。用于 1 个课程 · RAG 与知识系统阅读 Guide Computer 与 Browser Use·INTERMEDIATE·7 分钟·含 PracticeAction Grounding（行动落地）Action Grounding 要求 Agent 把 Proposed Action 绑定到当前可观察 Environment State、合法 Target 与已验证 Precondition，而不是依赖过期 Assumption 或模型自己的描述。用于 1 个课程 · Agent Engineering阅读 Guide Computer 与 Browser Use·INTERMEDIATE·7 分钟·含 PracticeSandbox Permissions（沙箱权限）Sandbox Permission 用来限制 Code/Agent 能读、写、执行与访问哪些 Network Resource，使 Experiment 或 Generated Action 不会默默继承 Host Environment 的完整 Authority。用于 1 个课程 · Agent Engineering阅读 Guide Multi-Agent 与编排·ADVANCED·7 分钟·含 PracticeDelegation State（委派状态）Delegation State 定义 Parent Agent / Workflow 把哪些 Information、Ownership、Progress 交给 Worker，以及 Worker 必须返回什么 Evidence，Parent 才能安全继续。用于 1 个课程 · Multi-Agent 与编排阅读 Guide 评测与可靠性·INTERMEDIATE·7 分钟·含 PracticeCompensation & Recovery（补偿与恢复）Compensation / Recovery 处理“前一步 Side Effect 已成功、后一步却失败”的 Workflow，通过 Reconciliation、Compensating Action 与 Durable State 恢复，而不是假装整个 Transaction 可以直接 Retry。用于 1 个课程 · Production AI 可靠性阅读 Guide 评测与可靠性·ADVANCED·7 分钟·含 PracticeRelease Economics（发布经济性）Release Economics 把 Latency、Inference Cost、Operational Burden 与 Expected Failure Loss 和 Quality 一起纳入 Release Decision；无法可持续 Serving 的模型提升并不是真正 Production Win。用于 1 个课程 · Production AI 可靠性阅读 Guide 可观测性·INTERMEDIATE·7 分钟·含 PracticeFailure Attribution（故障归因）Failure Attribution 判断 Bad Outcome 最可能来自 Model、Prompt、Context、Retrieval、Tool、State、Orchestration 还是 Runtime，使 Fix 针对 Mechanism，而不是只修最终症状。用于 1 个课程 · Production AI 可靠性阅读 Guide 模型工程·ADVANCED·7 分钟·含 PracticeFine-tuning Dataset DesignFine-tuning Dataset Design 把一个 Measured Behavior Gap 转成具有代表性的 Training Example，并管理 Label、Coverage、Provenance，同时保持 Evaluation Case 足够独立以验证真正 Generalization。用于 1 个课程 · 模型工程阅读 Guide
使用 AI
19 篇 Guide
用 AI 做研究·INTERMEDIATE·6 分钟·含 Practice交叉验证独立来源当真正独立的 Evidence Path 相互收敛时，Confidence 才应该上升；很多链接重复同一个上游 Claim 并不构成独立验证。用于 2 个课程 · 用 AI 做研究 · 用 AI 写一本书阅读 Guide 长内容创作·INTERMEDIATE·7 分钟·含 Practice长内容一致性真正连贯的长内容会把 Claim、Terminology、Voice 与 Decision 外部化，而不是依赖一条超长 Prompt 记住所有事情。用于 1 个课程 · 用 AI 写一本书阅读 Guide 工作自动化·FOUNDATION·6 分钟·含 Practice选择正确的 Automation Boundary优先自动化稳定、可观察、可验证的工作，把高歧义、高责任或高异常成本的判断继续留给人。用于 1 个课程 · 用 AI 经营一人公司阅读 Guide 文档与数据分析·FOUNDATION·6 分钟·含 PracticeDocument Extraction 是保留 Evidence 的 TransformationDocument Extraction 应把复杂 Source 转成 Structured Evidence，同时保留 Location、Provenance 与 Uncertainty。用于 2 个课程 · 构建 AI 知识库 · 用 AI 做数据分析阅读 Guide 长内容创作·INTERMEDIATE·6 分钟·含 PracticeEditorial Voice Control稳定 Voice 来自显式 Editorial Constraint 与 Review Artifact，而不是反复要求模型“写得像我们”。用于 2 个课程 · 用 AI 做课程或知识产品 · 用 AI 写一本书阅读 Guide AI 知识库·INTERMEDIATE·7 分钟·含 PracticeKnowledge Base Lifecycle真正有用的 AI Knowledge Base 是持续维护的 Evidence System，拥有 Ingestion、Authority、Update、Retirement 与 Evaluation Policy。用于 3 个课程 · AI 客户支持 · 构建 AI 知识库阅读 Guide 多媒体创作·FOUNDATION·6 分钟·含 PracticeGenerated Media 的 Visual Briefing强 Visual Brief 会把审美 Intent 转成可生成、可 Review、可持续 Revision 的具体 Constraint。用于 1 个课程 · 用 AI 做课程或知识产品阅读 Guide 用 AI 做研究·FOUNDATION·6 分钟·含 PracticeResearch Question Decomposition强 Research Workflow 会在搜索前把 Broad Question 转成更小的 Claim 与 Evidence Need，让 Synthesis 由“必须建立什么”驱动，而不是被最先出现的 Source 带着走。用于 2 个课程 · 用 AI 做研究 · 用 AI 经营一人公司阅读 Guide 多媒体创作·INTERMEDIATE·6 分钟·含 PracticeMultimodal IterationText、Image、Audio 等不同 Modality 需要围绕 Cross-modal Meaning 与 Production Constraint 一起迭代，而不是各自生成后简单拼装。用于 1 个课程 · 用 AI 做课程或知识产品阅读 Guide 客服与运营·INTERMEDIATE·7 分钟·含 PracticeCustomer Support CopilotSupport Copilot 应通过 Retrieval Evidence、Case Structuring 与 Action Drafting 提升 Operator Leverage，同时让 Source Authority 与高后果 Decision 保持显式。用于 2 个课程 · AI 客户支持 · 用 AI 经营一人公司阅读 Guide 课程与知识产品·FOUNDATION·7 分钟·含 PracticeLearning Objective Design（学习目标设计）好的 Learning Objective 会说明学习者最终能够做出什么 Decision、Explanation 或 Action，并且能够用可观察 Evidence 验证，而不是只列出课程准备“覆盖”的 Topic。用于 1 个课程 · 用 AI 做课程或知识产品阅读 Guide 长内容创作·INTERMEDIATE·7 分钟·含 PracticeFact-check 与 RevisionAI 辅助长内容只有把 Claim 抽取出来、用权威 Source 独立检查，再带 Provenance 修订，才能建立信任；让同一个模型“自我 Fact-check”并不足够。用于 1 个课程 · 用 AI 写一本书阅读 Guide 文档与数据分析·INTERMEDIATE·7 分钟·含 PracticeAI 辅助数据分析的 VerificationAI 可以加速 Extraction、Transformation 与 Interpretation，但所有重要数值结论都应该能从显式 Data 与 Calculation 中独立复现，而不是只存在于模型 Narrative。用于 1 个课程 · 用 AI 做数据分析阅读 Guide 课程与知识产品·INTERMEDIATE·7 分钟·含 PracticeCurriculum Decomposition（课程拆解）Curriculum Decomposition 会把 Learning Objective 拆成有顺序的 Teachable Decision、Concept 与 Practice，保留 Prerequisite 与 Transfer，而不是生成一堆松散 Lesson。用于 1 个课程 · 用 AI 做课程或知识产品阅读 Guide 工作自动化·INTERMEDIATE·7 分钟·含 PracticeAutomation Maintenance（自动化维护）Automation 只有在 Monitoring、Exception、Dependency Drift 与 Repair Cost 低于它消除的工作量时，才真正创造 Leverage。Maintenance 是 Automation ROI 的一部分，不是上线后的附加项。用于 1 个课程 · 用 AI 经营一人公司阅读 Guide 长内容创作·FOUNDATION·7 分钟·含 PracticeResearch → Outline（研究到提纲）Research-to-outline 把收集到的 Evidence 转成 Claim、Question 与 Section Structure，让 Long-form Generation 跟随证据，而不是先编 Narrative 再去寻找 Citation。用于 1 个课程 · 用 AI 写一本书阅读 Guide 用 AI 做研究·INTERMEDIATE·7 分钟·含 PracticeClaim–Evidence Matrix（主张-证据矩阵）Claim–Evidence Matrix 把重要 Conclusion 与 Supporting / Contradicting Source、Provenance、Freshness、Confidence 对齐，使 Research 在压成 Narrative 之前可以被 Audit。用于 1 个课程 · 用 AI 做研究阅读 Guide 多媒体创作·INTERMEDIATE·7 分钟·含 PracticeMedia Quality Review（媒体质量审查）Media Quality Review 会根据 Instructional Purpose、Factual Accuracy、Accessibility、Brand Constraint 与 Technical Delivery 审查 Generated Image/Audio/Video，而不是因为“看起来漂亮”就接受。用于 1 个课程 · 用 AI 做课程或知识产品阅读 Guide 产品、营销与增长·FOUNDATION·7 分钟·含 PracticeCustomer Problem Research（客户问题研究）Customer Problem Research 在 Solo Builder 自动化或 Marketing 之前，收集关于重复 Pain、Current Workaround、Consequence 与 Willingness-to-change 的 Evidence。用于 1 个课程 · 用 AI 经营一人公司阅读 Guide