文章
共 62 篇 · FDE 范式、方法论与全行业落地实践
深度专题一 RAG 进阶与上下文工程实战
专题定位 :RAG 是企业 AI 系统的"知识地基",也是 FDCE(前沿部署上下文工程)的核心实现。本专题把 RAG 从"能跑"讲到"跑得好、跑得稳",覆盖分块、嵌入、检索、重排、查询改写、GraphRAG、Agentic RAG、评估与工程化的全部实战细节。 一、为什么企业 RAG 比 Chat…
深度专题二 Agent 编排实战:六种拓扑、HITL、状态契约与故障应对
专题定位 :Agent 编排是 2026 年 FDE 的核心技能(本书第 8 章),但"知道有哪些框架"和"能在客户现场把多 Agent 系统跑稳"是两回事。本专题深入编排拓扑、状态契约、HITL 设计、故障应对的实战细节。 一、从"调一个 LLM"到"编排一群 Agent" 单次 LLM 调用是"…
深度专题三 评估驱动开发(Eval-Driven Development)
专题定位 :2026 年 LLM 工程的最大共识是"评估前移"——不再等上线才知道效果,而是把评估嵌入开发全循环。本专题讲 FDE 如何搭一套能持续度量、驱动迭代的评估体系。 一、为什么"评估驱动"是 2026 的范式 传统软件有单元测试/集成测试,效果可自动验证。但 LLM 应用长期是"黑盒"——…
深度专题四 Prompt 工程与认知重置:从"咒语"到工程
专题定位 :Prompt 工程被低估为"写咒语",但 2026 的 Prompt 工程已是一门有方法、有模式、有版本管理、有评估的工程学科。本专题讲 FDE 如何把 prompt 当代码一样工程化管理。 一、认知重置:Prompt 不是"咒语",是"接口" 大众误解 :prompt 是"神奇的咒语"…
深度专题五 数据工程实战:企业 AI 的 70% 与看不见的地基
专题定位 :行业里有句话——"企业 AI 项目 70% 的工作量在数据工程"。这不是夸张。本专题讲 FDE 在客户现场面对的真实数据工程挑战,以及如何用工程化方法搞定它们。 一、为什么数据工程占 70% 模型是现成的(开源/国产),prompt 可以调,但 客户的真实数据,是 FDE 必须亲手处理的…
深度专题六 模型部署与推理优化:vLLM、量化与生产级推理
专题定位 :把模型变成"可调用的服务",并让它在客户的算力/成本约束下跑得快、跑得省,是 FDE 的硬功夫。本专题深入推理服务化、量化、性能优化、成本控制。 一、推理服务化:从模型权重到生产 API 模型权重(.safetensors)不能直接被业务调用,要变成"服务"。 推理服务的职责 接收请求(…
深度专题七 技术选型决策工程:七步法与决策树
专题定位 :FDE 在 Design 阶段最频繁的决策就是"选什么"。本专题把技术选型从"凭感觉"变成"七步法 + 决策树"的工程化过程,覆盖模型、RAG、Agent、向量库、推理、部署的选型逻辑。 一、选型的本质:约束下的权衡 技术选型没有"最优",只有"在客户真实约束下的最合适"。 FDE 选型…
深度专题八 跨行业踩坑总集与防坑 Checklist
专题定位 :FDE 的成长,一半靠方法论,一半靠踩过的坑。本专题汇总金融、医疗、制造、政务、Agent、RAG、部署的典型踩坑,以及一份可照用的防坑 Checklist。 一、通用踩坑(FDE 必避) 坑1:客户说什么就信什么 客户说的"痛点"往往不是真痛点; 防:多层级访谈 + 数据验证 + 现场…
深度专题九 MLOps 与持续交付（LLM 应用的工程化）
9.1 为什么传统 MLOps 框架在 LLM 时代失灵 把一个 GPT 4o 或 Qwen Max 接进业务，看上去只是"调一次 API"，但只要它进了生产链路，就会立刻撞上和传统 ML 流水线完全不同的几条事实： 核心论断：传统 MLOps 管的是"模型权重 + 特征"，LLM MLOps 管的…