自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(427)
  • 收藏
  • 关注

原创 芋道框架万字详解(前后端分离)、若依框架、yudao-cloud保姆级攻略

芋道开发框架,低代码平台

2024-07-19 23:02:26 27519 15

原创 同一个问题连问两遍,召回的证据却换了:拆开 ANN 近似搜索、段合并与浮点打分的非确定性来源,用 top-k 重合率和答案翻转率定验收

同一查询两次召回不同,最常见的四个来源按检查成本从低到高排列:副本视图滞后、后台合并重建向量图、浮点并列导致截断点漂移、跨分片归并缺唯一排序键。前两个属于索引视图在动,处理方式是运维层面的:固定副本、把合并窗口挪出关键路径、评测基线建立在只读单段上。后两个属于代码层面:分数量化到容差桶、用业务主键做第二排序键、显式关掉部分结果。验收不能只看单条曲线。重合率高而翻转率也高,说明抖动精确命中了决定性证据,这种情况抽查抓不到但线上一定出问题;重合率低而翻转率为零,说明下游对名次变化不敏感,为它付延迟是浪费。

2026-11-16 08:59:02 168

原创 「部分正确」到底算不算对:分级量表、双盲标注与加权 Kappa,用类别级一致率找出评分口径的裂缝

部分正确」算不算对,不是一个可以靠投票解决的问题。投票只能处理标注员个体差异,对指南空缺和指南歧义无效,而且会把仅有的证据销毁。可操作的顺序是:先把 rubric 写成带优先级的判定规则,让每个标签都能追溯到规则 ID;再做双盲标注,标注完成前不暴露规则输出;然后算加权 κ、混淆矩阵和每个类别的一致率;低一致类别的分歧样本进仲裁,仲裁产出的是指南 diff,不是单条标签;最后用换人复标和三个门禁指标判断改没改好。加权 κ 是一个汇总数字,适合对外汇报,不适合定位问题。定位问题靠类别级一致率和混淆矩阵。

2026-11-16 08:58:27 130

原创 AI 爬虫把大学图书馆站点拖垮:按行为指纹给爬虫分类、按类发配额、用边缘缓存分层,以带宽成本结构和真实用户 P95 延迟定档

定档的顺序是固定的。先用缓存分层消掉"本来可以不花的字节",再用行为指纹把剩下的流量分四类,再按类发不同单位的配额,最后用真实用户 P95 决定收紧到什么程度。跳过第一步直接上配额,写的是为本来可以免费命中的字节服务的调度代码。三个判断可以直接拿走。配额单位跟着成本走:可缓存路径按字节,不可缓存路径按加权请求数。拒绝方式跟着关系走:要保留的类给 429 加不短于 60 秒的 Retry-After,决定排除的类才给 403,402 是商业信号不是限流手段。未知流量默认不拦,因为误判搜索引擎的代价不可逆。

2026-11-15 09:15:08 307

原创 Facebook 上的 AI 换脸诈骗广告怎么在投放前拦:名人脸比对、素材指纹与落地页联动,用漏放率和误杀申诉率验收

回到开头那条广告。它在旧系统里被放行的原因很具体:系统把一个上下文无关的分数当成了决策依据。改造后它会在第二层被拦住,靠的不是人脸模型变准了,而是账号年龄和落地页跳转这两条完全独立于人脸的证据。指纹比对的对象是变换集合而不是单张图,代价是 N 倍计算,收益是镜像、反色、裁切这三类最常见的逃逸手法被覆盖。聚合用合取和分层,不用加权和。硬否决规则控制在 3 到 5 条,每条都必须配冻结而非封禁、申诉入口、到期复核。漏放和误杀分开估。

2026-11-15 09:14:28 396

原创 Mac 上那个没有文档说明的「家庭成员分类器」:在接入 Agent 之前,先做实体消歧、关系置信度门控与来源可解释,并用误连率和越权读取率来验收

如果要把这套东西压成几条能直接用的判断:拿不到「谁是家人」这个分类器,就不要假装在调它。你能做的是把每条关系拆成一个带定位符的断言,让用户能看见、能改、能撤销。档位对应证据类型,不对应概率。E2 的判定核心是两条证据的来源链有没有公共祖先,这一步做不做,决定了你的「多源一致」是真的还是同一个源说了两遍。置信度和敏感度是两个正交维度。E3 的医疗事件在「草稿群发」这个用途下依然要被拒,这一条如果破了,整套门控就只剩下装饰作用。审计点放在数据源适配器,不放在门控函数。

2026-11-14 16:17:45 443

原创 Agent 沙箱被 PwnEscape 打穿之后:按设备模型收敛 Firecracker 攻击面、埋逃逸检测信号,用利用链拦截率与正常任务成功率损失验收

回到最初那份红队报告。它之所以能打通,不是因为某一项加固做错了,而是因为加固的粒度是"项",攻击的粒度是"链"。清单能保证做过,不能保证有效。三条可以直接拿走用的判断:先裁设备,再收 seccomp。设备面的攻击面在 guest 可控的数据结构里,裁剪它对未知漏洞同样有效;seccomp 的攻击面在 syscall 表里,它约束的是漏洞被触发之后能做什么。顺序反了,会花很多时间在打磨一个仍然很宽的入口。检测点只挑恒零计数器,并且必须带租户、镜像 digest、版本三个标签。

2026-11-14 16:17:15 472

原创 AI 让四十年的遗留漏洞集中暴露:给无测试的 PHP 老系统打 AI 补丁,用生产流量回放、差分断言与 PoC 拦截率验收

给没有测试的 PHP 老系统打 AI 补丁,能不能上线,取决于你能不能拿出三样东西:一份覆盖足够 route 的真实请求回放、一份写下来的允许变化集、一组在旧代码上真的打得穿的 PoC。三样缺一样,门禁就是在给一个没有证据的结论盖章。这套方法的能力边界也要记住:它证明的是"补丁在采到的流量上没有改坏,在已知 PoC 上打不穿",不是"补丁安全"。没有流量的路径、没有 PoC 的 CWE、以及 AI 顺手引入的新问题,都在这条链路的视野之外。

2026-11-13 08:49:01 356

原创 金标证据就在上下文里,模型还是答错:用证据消融与干扰注入分开「没读到」和「读到了不用」,以答案翻转率和位置敏感度定档

判断要不要做这套诊断,看三个条件同时成立没有:gold 确实在上下文里(不是被截断、不是没召回);有一批可判定的答案键;错例集中在同一批文档上,换模型不改错。三条都成立,改检索大概率是白做工,该往生成侧查。跑完之后你手上应该有三样东西:每条 case 的归因标签、七类标签的分布、以及每一类处置后的复测结果。分布决定优先级——position 占比高就先改拼装,format 占比高就先改渲染,instruction_or_prior 占比高说明问题不在 RAG 链路里,在提示词结构或模型选择上。

2026-11-13 08:48:07 292

原创 结构化输出格式全对、业务全错:把跨字段不变量写成可执行校验器,用定向错误回灌做修复,以首次通过率与修复后事实保真率验收

结构化输出的工程问题不在“模型能不能吐出合法 JSON”,那个问题在解码期就被解决得差不多了。真正的问题在“吐出来的 JSON 里的事实对不对”,而这一层只能靠你自己写成代码的约束去逼近。三层的划分依据是校验器需要什么输入:只看 payload 的、需要遍历 payload 内部的、需要外部业务快照的。分层的意义在于修复策略不同——结构错误整轮重生成,内部不变量定向修补,上下文不变量先判断是数据问题还是模型问题。定向回灌的关键不是把错误信息发过去,是把依赖闭包和授权修改范围一起发过去。

2026-11-12 08:45:46 263

原创 从没被检索到的那些文档:用检索日志统计文档级召回覆盖,把孤儿文档归因到解析、切块与向量退化,用覆盖率与误修率验收

文档级召回覆盖这件事,判断力集中在三个地方。第一是把"没被检索到"拆成三级。候选池未进入、候选池未排序上、进了 top-k 但没用上,三级的修复成本差一个数量级。大多数 RAG 排障失败,是因为日志只记了 top-k,团队在第二级上反复调参,而故障在第一级。第二是拒绝把零曝光直接当故障。探针回答"能不能被碰到",日志回答"有没有人碰",两个都为否才是高置信孤儿。只有日志没有探针,会把冷门文档当病修;只有探针没有日志,会把没有需求的文档当收益报。第三是给修复配一个可证伪的验收口径。

2026-11-12 08:44:49 204

原创 联网 Agent 抓网页别把内网带出去:DNS 解析后校验、重定向逐跳检查与出站代理,用 SSRF 用例集和误拦截率验收

三个决定,按重要性排。校验的对象是 IP,不是字符串,而且必须是同一次解析的产物。任何“先查一次、再让库自己解析一次”的写法都有 TOCTOU 窗口,防御手段是 pin 住解析结果去建连,TLS 的用域名保证证书校验正确。策略表自己维护,不挂在解释器的is_private上。每一跳都要过同一道门,跳数有上限。同一 host 的解析结果在单次抓取内复用,多 A 记录里有内网地址时整体拒绝。scheme 降级单独拦,它不违反 IP 策略但会泄漏明文。应用层校验是给用户的错误提示,网络层收口才是安全边界。

2026-11-11 09:11:22 713

原创 多轮对话评测不能只看最后一轮:会话状态快照、指代与更正追踪,用会话级通过率和状态一致率验收

多轮对话里"答上一个问题"这类故障,单轮评测结构性地测不到,因为评分器只能看到文本,看不到系统认为什么成立。可操作的顺序是:先把每轮结束后的实体、生效过滤条件、待确认问题固化成带来源的不可变快照;再按指代、切换、更正三类机制构造用例,每类覆盖一种状态变换;然后用会话级通过率看整体,用状态一致率看逐轮,用首次错误轮次定位到理解层、状态更新层还是生成层。判断下一步动作时,三个信号指向三个方向。状态一致率高而会话通过率低,去改生成。状态一致率低但解析器用例通过,去改 reducer 的覆盖和清除规则。

2026-11-11 09:09:40 257

原创 人工标注一致率太低,评测基线就不可比:标注指南版本化、双盲标注与分歧仲裁,用 Kappa 和复标一致率验收

回到开头那个季度评审。正确的处理不是"换一版评测集重跑所有模型",而是先回答三个问题:第一批标签和新标签是否有不同的指南版本?如果版本不同且改动属于收紧或范围级,两批不可合并,分数必须分组报。两批标签的标注员是否有重叠?如果没有重叠,需要先做一轮交叉标定,否则连"同一版本内的两批"都不可比。门禁在那两批上分别是否通过?如果旧批次在当时的记录里本来就没有复标和仲裁数据,那它的资格就是未知的,不能作为基线。这三问全部通过之后,跨版本比较才有意义。

2026-11-10 08:43:54 533

原创 中文提问搜不到英文文档:查询翻译、多语言向量与语言感知融合怎么选,用跨语言 Recall@10 和单语回归验收

把决策压成几条。语料是单语言的,这套东西一个都不需要装。跨语言检索的全部成本都在「查询语言和文档语言不一致」这个前提上。跨语言查询是长尾、且现有系统在同语言上已经不错的,先做 LID 加分语言词法索引,不要先上翻译。前者是确定性的结构改动,不引入模型调用,能立刻消掉「中文查询打英文 BM25 返回空」这个静默退化;翻译是第二步。领域术语密集的场景,词表不是可选项。没有词表的查询翻译在技术文档上大概率是负收益:它把查询变得通顺,同时把唯一能匹配上的标识符弄丢了。

2026-11-10 08:43:15 240

原创 「哪些不支持」总被答成「哪些支持」:否定条件拆解、反例检索与集合补运算,用极性错误率和排除项召回验收

否定查询答反,根因不在检索质量,在于否定是一个逻辑算子,而向量编码只保留语义主题、不保留真假态度。换 embedding、加 top-k、上重排,改善的都是相关性,极性错误率不会动。处理它的方式是把否定从语义里拆出来,变成三个可检查的结构:编译阶段的极性加封闭性判定、检索阶段的极性 metadata 硬过滤、生成阶段的证据回指校验。补运算是中间那一步的计算形式,它成立的前提是全集来自已注册的清单,而不是模型现场生成。验收看三个数:极性错误率对应「答反了」,排除项召回对应「漏答了」,误拒率对应「不敢答」

2026-11-10 08:42:43 442

原创 RAG 里的数字总答错:把算术从模型里拿出来,做单位归一、口径对齐与可复现计算

如果 RAG 系统的数字总答错,先看算术之前的那几步,而不是换一个更强的模型。具体到可执行的三件事:第一,让模型输出引文和口径声明,不输出数字。引文能被str.find定位,定位失败就拒答。这一步把「转录错误」从不可检测变成可检测。第二,单位归一是纯函数,用显式的换算表,缺单位时抛错而不是猜。百分比归一成小数,金额用Decimal。换算表是数据,不是代码逻辑,加一行就能扩一种单位。第三,口径做成,聚合前做一次相等比较,不等就抛。期间用半开区间,basis(单期/累计)和tax。

2026-11-09 14:20:41 329

原创 企业术语召回不准:用日志三元组、硬负样本与双塔微调改造 Embedding,以领域 Recall@10 和通用集回归验收

做不做微调,取决于一次失败归因。把失败查询分成四类:语义鸿沟(表述完全不同但语义一致)、词表差异(同一概念的不同写法)、数据缺失(答案不在索引里)、过滤丢失(候选被 metadata 砍掉)。只有第一类占比够高,微调才是对的方向。归因做错,后面所有投入都会打水漂,而且因为领域集可能碰巧涨了一点,你还不太容易发现方向错了。做的时候,数据侧的投入应该明显大于调参侧。挖矿、伪负例清洗、日期切分、分层评测,这四件事占掉大部分工作量。

2026-11-09 14:20:03 286

原创 后台 Agent 的 transcript 到底发给了谁:外发通道盘点、字段级脱敏与抓包对账

回答"transcript 到底发给了谁",靠代码搜索和架构图是拿不到的,因为声明和事实是两套数据。可执行的路径只有一条:在你能控制的出口终止 TLS,把每条 egress 落成(工作负载, host, 路径模板, 字段路径)的记录,拿声明清单做双向差集,用 canary 量脱敏的漏检,用单任务字节数防住"字段没变但内容暴涨"。决策上分三档。只调一个厂商 API、流量不出 VPC 的,先把路由清单做出来,确认没有第二条出站就够了。

2026-11-08 20:41:15 195

原创 AI 让写证明的成本降低了,但规格仍然昂贵:用 Lean 为关键模块设置不变量校验,以变异拦截率和证明维护工时确定适用范围

这篇文章想说的判断可以压成三句。证明的成本确实降了,降在 tactic 序列的起草上;规格的成本没降,因为它的成本在拍板:守恒范围算哪些账户、权限偏序用子集还是带作用域的格、状态机的旁路算不算在内。这些决定 AI 猜不出来,猜错了也不会报错。"证明通过"这个信号要拆成四层看,其中第三层(定理对实现有没有约束力)是唯一值得花钱买的,而它恰好是lake build返回 0 完全测不到的。变异拦截率是这一层的度量,孤儿谓词检测是它的廉价替代。

2026-11-08 20:41:00 208

原创 AI 排障助手接管告警后,人还接得住吗:用「断助手」降级演练测量人工接管能力,以接管 MTTR 与根因首因命中率决定演练配额

如果只能做一个动作:把助手的假设层从 Sev1/Sev2 界面里改成「展开可见」,预选改成不预选。这不需要任何演练基建,当天就能改,代价是正常 MTTR 会上升一点。如果只能测一个指标:跳步率。它最便宜——不需要精确的时钟,只需要证据台账;而且它的恶化通常早于 MTTR,是一个先行信号。如果能做完整套:先跑三次基线演练拿到k=3,再进配额计算。少于三次的漂移估计不可用,代码里那行raise不是防御性编程,是这套方法论的真实前提——两次演练之间的差异,大部分时候是噪声。

2026-11-07 15:28:48 269

原创 框架的 AI 成本不能只看包体积:用同一需求跑编码 Agent,按上下文 Token、补丁成功率与 review 工时定档

包体积回答的是浏览器要下载多少字节,编码 Agent 的成本回答的是「关键决定写在几个文件里」。这两个问题共用一个词,但没有共用的度量。可操作的部分是这些:固定模型快照、工具集、系统提示词、测试命令和初始 commit;规格只写行为不写路径;记录五个量并把上下文 Token 拆成桶;用「每合入一个补丁的等效 Token 成本」和「每合入一个补丁的评审分钟」两个指标分开排序,不合成总分;零合入返回inf而不是 0;逐任务算比值取中位数定档,阈值由迁移成本反推。

2026-11-07 15:28:36 337

原创 无限 token 也绕不过 review 带宽:遗留模块批量重写的分片、差分测试与按批回滚闸门

无限 token 改变的是生产队列的吞吐,它不改变审查队列的吞吐,而系统吞吐由两者中较小的那个决定。所以流水线的设计中心不是 agent,是 reviewer 的队列长度:在审批次数到了N × k就停派,批次大小按审查时长反推而不是按代码行数。每批配两层验收。第一层是 golden master 差分,它证明新旧实现在给定输入集合上不可区分;第二层是预期差异白名单,它把“哪些行为允许改变”变成事前签字。两层缺一不可——只有差分,你没法修 bug;只有白名单,你不知道改动波及了什么。门禁要分两级。

2026-11-06 09:51:51 295

原创 重建索引的那两个小时线上不能停:双写窗口、别名原子切换与新旧索引答案一致性抽样

对账差值为空,且连续若干分钟没有新的差异产生——说明双写和对账把增量对齐了;固定问题集的 Wilson 上界低于阈值,且单向丢失条数为零——说明新索引的检索行为可接受;双写仍在运行,旧索引完整——说明回滚窗口还开着。三个条件里,第三条最容易被提前放弃。它不产生任何指标,看起来只是“多跑一倍的写入”,但它是唯一能在切换出问题时把损失控制在秒级的机制。观察期结束之前,旧索引的价值不是“备份”,是“退路”。

2026-11-06 09:50:24 272

原创 示例库越加越多效果反而变差:动态 few-shot 的选择、去重与污染清洗,用任务成功率与选择一致率验收

把「加了示例效果变差」当成一个笼统的现象,就永远调不动。它至少是三条互相独立的链路,每条有自己的度量。通道一:冗余。库容量增长快于语义覆盖增长。同一条业务规则被不同人写成五个版本,检索器无法区分,Top-K 全部落在这一簇里。后果不是「少了信息」,而是多样性被挤掉:K 个位置本该覆盖 K 种不同情况,实际只覆盖 1 种。通道二:抖动。动态选择的输入是当前 query 的向量,输出是示例 ID 列表。这个映射不稳定时,同一条 query 在不同时刻可能拿到不同示例集;

2026-11-05 09:02:20 227

原创 刚上传的文档第一问检索不到:用写入水位、请求级直查与状态回执补齐 RAG 的读己之写,以首问命中率和可见延迟 P95 验收

回到开头那个工单。运营的问题不是知识库坏了,是系统没有告诉她「你刚传的文档还在处理」,也没有在处理的这 41 秒里做任何补救。三个部件各管一段:写入水位把「索引做到了哪」从隐性假设变成一个可查询的量,请求级直查在未可见的那一小部分文档上提供一条不依赖索引的临时路径,状态回执把前两者的判断结果翻译成调用方能理解的信息。三者缺一不可——只有水位没有旁路,用户还是检不到;只有旁路没有水位,旁路会一直开着,成本和延迟都失控;两者都有但没有回执,用户仍然不知道发生了什么。

2026-11-05 09:01:48 286

原创 人工标注不一致不是噪声:双标、仲裁与分歧聚类怎么把评测集做稳,用 κ 一致性、争议样本复用率和门禁波动验收

分歧不是要被清理的脏数据,它是三种不同信号的混合体:随机错误要返工,定义差异要改指南,不可约模糊要保留并标记。把三类混在一起删掉,得到的是一个高分、干净、和生产无关的评测集。工程上有四个决定值得记住。一致性报告必须同时给Poκ和边际校正版本,只报 κ 会在稀有类上系统性误导。门禁建在 bootstrap 置信下界而不是点估计,否则门禁在批次大小变化时自己就会抖。争议样本要按比例回流并同时看复用率和复发率,只换新样本的评测集无法观测指南补丁的效果。

2026-11-04 08:41:37 650

原创 中文提问检索英文手册:语言识别、查询翻译与双语索引怎么选,用跨语言召回率和答案语言错配率验收

跨语言检索的核心不是选一条路线,而是把两件事分开管:证据的跨语言召回,和答案的语言对齐。它们可以独立失败,也必须分开验收。先统计数据,再设计路由。查询语言和文档语言是两个独立的分布,决策发生在它们的笛卡尔积上。矩阵里没有量的格子不值得为它建索引,矩阵里没有目标语言文档的格子是知识覆盖问题,翻译解决不了。三条路线的差别在于失真发生在哪里:多语言向量把失真留在模型对齐里,查询翻译把失真放在检索之前,双语并列索引把失真挪到离线阶段,并让它变成可校对、可抽检的产物。术语密度高、文档更新慢,往离线挪;

2026-11-04 08:41:03 433

原创 检索慢在召回还是重排:把请求剩余 deadline 逐段下传,按降级档位测 P99 与答案可用率

回到标题那个问题。"检索慢在召回还是重排"在尾部分布上没有稳定答案,因为瓶颈随并发度移动。能稳定回答的是另一个问题:哪一段吃掉了后面所有段的预算——而这个问题的答案要靠和段耗时的比值,不是靠一次 profile。四段共享一份 deadline,比四段各有超时重要得多。前者的失效模式是"降级按计划发生",后者的失效模式是"超时在最外层落下,归因丢失,重试放大负载"。降级顺序不是教条。先跳重排,是因为它的延迟形状是整批同步、没有中间状态可退,而且它是最容易变成僵尸计算的一段;

2026-11-03 08:50:21 245

原创 关键证据被埋在中段就答错:上下文装配的顺序策略、分段锚点与位置敏感度验收

位置敏感度不是"模型不够强",而是一个可以被输入结构影响的倾向。既然可影响,就可以工程化:把装配从 Prompt 模板里拆出来,做成一个有明确不变量、有降级路径、有验收指标的独立一层。三个动作的优先级:分段锚点和结论前置几乎零成本,先做;首尾交替分配在"单条关键证据"场景收益最大,其次;分级降级和句柄回读是预算紧张时的必需品,但它改变的是成本结构,不是准确率。验收比实现更重要。没有排列扰动的验收,你无法区分"策略生效了"和"这批数据恰好不难"。

2026-11-03 08:49:49 234

原创 “除了 A 其他都要”这种查询怎么检索:把否定与排除条件解析成结构化过滤,再用误包含率与漏召率验收

否定查询的失败不是因为模型不够聪明,是因为它被交给了错误的组件。相似度函数优化的是话题接近度,否定翻转的是命题真值,两者正交。把“除了 A”翻译成“和 A 更接近”,方向从一开始就反了。可执行的路径是把排除条件外化成约束,按可执行性分成两档:能映射到白名单 metadata 字段的,下推成 pre-filter;映射不上的、置信度不够的、明确声明为语义条件的,降级成 post-filter 逐条判定。降级是默认动作,丢弃不是——丢弃一条排除条件等于保证它失效,而且不留任何信号。验收必须同时看两个比率。

2026-11-03 08:49:15 337

原创 回答总在关键处被截断:把 max_tokens 预算、停止序列与续写恢复分开做,用截断率和补全后可用率验收

它出现在。

2026-11-02 09:01:00 337

原创 服务刚上线那两分钟最慢:模型权重加载、向量索引映射与连接池的预热顺序,用冷启动窗口 P95 与就绪误判率验收

回到开头那条误判链。它的根因不是探针写错了,而是探针被要求回答一个它回答不了的问题。可操作的结论有四条。把启动阶段先分类再排序,分类依据是资源读写关系而不是直觉,排序依据是本机实测耗时而不是文档。伪并行比伪串行更贵,因为它多付了上下文切换还拖慢了关键路径。预热流量必须走与真实请求相同的中间件链,覆盖 shape 分布的两端,并且在接近稳态显存占用的条件下执行;验证焐热程度用 Rss、显存池、连接池、autotune cache 这些可观测证据,不用请求计数。

2026-11-02 08:59:57 215

原创 同一个请求在德州排碳是瑞典的 8.5 倍:把电网碳强度接进路由与批处理调度,用 gCO2e/请求与 P95 延迟的帕累托验收

做碳感知调度,先做漂移门禁,再做可等待任务时移,最后做实时请求区域偏好。顺序不能反,因为漂移是碳路由引入的新风险,必须先把新风险控制住,再追求碳收益。反过来做,碳账好看了,质量掉了,团队会在两周内失去对碳路由的信任。可等待任务时移的收益最确定,因为它不影响用户感知的延迟;实时区域偏好的收益受 RTT 和合规约束,能做的空间小;漂移门禁是两者的前置条件,不做门禁就没有资格做切流。验收用帕累托前沿,不用加权和。前沿上的每个点都是一个可选策略,选哪个取决于业务约束。

2026-11-01 10:25:10 370

原创 当所有模型对同一件事说法一致:先测跨模型分歧矩阵,再决定多模型投票和 LLM 陪审团值不值

多模型投票和 LLM 陪审团不是坏技术,它们是被默认假设拖着走的技术。默认假设是「不同模型的错误独立」,而这个假设在公共语料、相似偏好数据、同一批榜单驱动的选型环境下,越来越难成立。判据可以压缩成三句话:先算两两分歧率和独立基线的比值 h。h 低于 0.5,等权投票基本等于重复多数派的选择,不值得付钱。再把 maj 的错误拆成「全错」和「多数错 ∧ 少数对」。全错率高,钱该投给检索和工具;第二项高但缺在线验证器,钱该投给验证器,而不是加模型。

2026-11-01 10:25:06 365

原创 CT 筛查检出 42.9% 之后:把阈值从 AUC 挪到复核产能上,用每千次扫描的复核队列长度与阳性捕获率定 operating point

AUC 是把所有可能的阈值遍历一遍、对真阳性率和假阳性率做积分得到的单个标量。它的语义是"随机取一个阳性和一个阴性,模型给阳性打更高分的概率"。这个定义里根本没有"阈值"这个变量——它是排序质量,不是工作点质量。后果很直接:两个模型 AUC 都是 0.91,一个在假阳性率 2% 处敏感度 0.80,另一个在同一点只有 0.62。前者可以支撑一个每天复核 30 例的分诊台,后者不行。AUC 相等,部署价值差一倍以上。

2026-10-31 17:29:31 385

原创 4.5 万封邮件写成一本每条都有出处的 wiki:抽取式写作、引用回链与冲突事实合并,用可回链率和未标注冲突率验收

这套系统做的事情可以压缩成三句话。写作方式从生成换成抽取,代价是覆盖率和可读性,收益是每条断言都能用一个的字符串比较验证,不需要模型参与验证。这个交换是否值得,取决于读者是想要一段好读的总结,还是想要一条能拿去对质的证据。后者的话,没有第二条路。回链的正确性建立在「正文规范化只做一次、之后不再改动」这条不变量上。MIME 解码、换行统一、NFC 归一化,每一步漏掉或者重复做一次,偏移都会漂,而且漂移量随位置增长,测试集里看不出来。引用掩码必须保守,因为把正文误判成引用的代价远小于反过来。

2026-10-31 17:29:25 127

原创 离线批处理和在线请求抢同一张卡:优先级队列、抢占点与批窗口,用在线 P95 与批吞吐的帕累托曲线验收

离线批处理和在线请求共享一张卡,干扰的根源不是"并发太多",是"每步被塞进去的预填充 token 太多"。限制并发数踩不到这个点,限制每步的 token 预算才踩得到。dp95是在线 P95 相对基线的增量,tloss是批样本完成数相对基线的损失。窗口策略和优先级队列都在这条前沿上,独立副本也在,区别在于后者的隔离是结构性的,不依赖调度器。如果要做共享,优先级的三个不变量必须守住:抢占点只落在步边界、在线请求进入解码后不可驱逐、驱逐代价按已投入 token 数计算。

2026-10-30 08:56:32 289

原创 工具报错信息其实是写给模型看的:错误分类、可重试标记与自愈提示,用自愈成功率和无效重试次数验收

工具错误体的设计分歧不在"写不写清楚",在"承认不承认它有两个消费者"。code进指标,class决定分支,retryable和idempotent归执行器且必须分开,hint和归模型,归运维。分类的判据是"谁有能力让下一次调用成功",不是异常类名也不是 HTTP 状态码。四类各自绑定一个不同的下一步动作,合并或拆分都以此为准。分类不确定时默认不可重试,因为错标的代价不对称。验收必须用联合指标:无效率重试下降了但自愈率没降,才算契约真的变好;只有自愈率涨而无效重试也涨,那是模型在暴力搜索。

2026-10-30 08:55:49 265

原创 上线后人工抽检抽多少条才够:分层抽样、置信区间与停止规则,用区间宽度和漏检代价反推样本量

回到开头那份报告。正确的写法不是"抽了 200 条未发现错误,建议放行",而是"一般层抽 200 条零缺陷,单侧 95% 上界 1.49%,高于该层 1% 容差,未达到认证条件;高风险层预算不足,标记为未认证"。两句话的差别不在措辞,在于第二句可以被反驳,因此也可以被改进。三个可以直接拿去用的判断:容差决定的是下界,不是答案。零缺陷公式给出的是"只有完美产品才能通过"的门槛,它的检出率通常只有 20% 上下。如果抽检的目的是发现问题而不是开证明,样本量要按检出率算,量级是它的 5 到 7 倍。

2026-10-29 08:45:00 205

【数据库建模】Dify平台PostgreSQL表结构解析:基于SQLAlchemy模型的132张业务表用途与字段映射分析

内容概要:本文档基于 Dify 后端源码中的 SQLAlchemy 模型(api/models/*.py),系统梳理了 PostgreSQL 数据库中 132 张数据表的详细映射关系。每张表均列出了对应的模型类、所属模块、核心用途、存储的数据内容以及主要字段,涵盖用户账户、租户管理、应用配置、知识库、文档处理、Agent、工作流、API 请求、权限控制、文件上传、工具集成、OAuth 认证等多个核心业务领域。文档旨在为开发者提供一份清晰的数据库结构参考,帮助理解 Dify 平台的数据持久化设计与各模块间的数据关联。; 适合人群:Dify 平台的后端开发人员、数据库管理员、系统架构师,以及需要进行二次开发或深度定制的技术人员。; 使用场景及目标:① 快速掌握 Dify 的数据库表结构与业务模型对应关系;② 在开发新功能或调试现有功能时,精准定位所需操作的数据表与字段;③ 进行数据库查询、性能优化或数据迁移时,作为权威参考依据;④ 理解多租户、权限体系、工作流引擎等复杂模块的数据实现方式。; 阅读建议:此资源以数据表为核心组织信息,建议结合 Dify 源码和实际业务场景对照查阅。对于重点关注的模块(如工作流、知识库),可集中分析其关联表的结构与字段含义,以深入理解其数据流转逻辑。

2026-07-07

Kafka 自动发送消息 Demo 实战:从配置到发送的完整流程(java)

Kafka 自动发送消息 Demo 实战:从配置到发送的完整流程(java)

2026-01-18

幼儿园管理系统(Vue3+SpringCloud+DM)客户端+用户端

幼儿园管理系统(Vue3+SpringCloud+DM)客户端+用户端

2025-04-21

使用NPS内网穿透图文详细教程

nps

2025-01-14

定时任务腾讯云自动发送短信(双数据源:MySQL和clickhouse)

定时任务腾讯云自动发送短信(双数据源:MySQL和clickhouse)

2024-12-09

SpringAMQP资料包

SpringAMQP

2024-09-09

rabbitMQ.tar

rabbitMQ.tar

2024-09-08

SpringCloud:服务保护和分布式事务详解

SpringCloud:服务保护和分布式事务详解

2024-08-18

芋道框架万字详解(前后端分离)、若依框架、yudao-cloud保姆级攻略

芋道框架万字详解(前后端分离)、若依框架、yudao-cloud保姆级攻略

2024-07-17

Dockerfile语法,自定义镜像

Dockerfile语法,自定义镜像

2024-07-01

Mysql建表语句转化为postgre语句

Mysql建表语句转化为postgre语句

2024-06-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除