探索 人工智能
211 篇文章AI 编程实践、提示词工程、LLM 集成与前端智能化开发技巧
AI agent Access-Controlled Retrieval：权限、租户隔离和引用边界如何一起下沉到检索层
很多团队把权限控制留在应用层和工具层，却忽略了检索层本身也会泄露事实。本文讲清 AI agent access-controlled retrieval、ACL propagation 和证据可见性，让知识检索不会先天越权。
AI agent Canonical Fact Registry：业务术语、状态定义和字段口径怎么统一，不让模型自己猜
很多 AI agent 看起来缺知识，实际上缺的是统一的业务语义。本文讲清 canonical fact registry、term normalization 和状态口径治理，让系统在多来源知识之间不再靠模型自己猜字段和术语。
AI agent Chunking Policy 与 Embedding Version Set：切块、向量和召回为什么要成组治理
知识层最容易被低估的，不是索引本身，而是切块、embedding、reranker 和过滤条件混着升级后的语义撕裂。本文讲清 AI agent chunking policy 与 embedding version set，帮助团队在不打断线上检索的前提下做索引演进。
AI agent Corpus Freshness SLA：知识更新后多久应该被 agent 看见，才不至于把旧答案继续发给客户
知识是否够新，决定了 agent 该回答、该追问还是该停下。本文讲清 AI agent corpus freshness 的 SLA、同步节奏、失效证明和保守退化路径，让知识更新不再只是 ETL 指标。
AI agent Coverage Gap Heatmap：哪些问题答不好是缺知识，哪些其实是缺流程和工具
知识层效果不稳时，团队最容易继续无差别补资料。本文讲清 AI agent coverage gap heatmap 怎样区分缺知识、缺实时工具、缺约束、缺权限和缺路由，让迭代从“多喂一点”转向可解释的补洞。
AI agent Evidence Conflict Resolution：多来源文档互相打架时，系统怎样决定该信谁、该停谁
知识层最危险的时刻不是找不到证据，而是找到了互相冲突的证据。本文讲清 AI agent evidence conflict resolution 的分级规则、决策顺序、升级路径和审计记录，让系统不再把冲突交给相似度凑运气。
AI agent Knowledge Plane Architecture：为什么知识层不是检索附件，而是运行时基座
很多团队把 RAG 当成一个查询插件，真正上线后却发现 freshness、权限、证据来源和迁移才是长期成本。本文讲清 AI agent knowledge plane 的分层架构、运行契约和治理边界。
AI agent Knowledge Source Onboarding Contract：新文档库、表单流和业务系统接入前先对齐什么
知识源接入失败，往往不是索引技术不够，而是来源本身没有准备好。本文讲清 AI agent knowledge source onboarding contract，让新文档库、业务表和内容源在进入检索层前先对齐责任、时效、权限和退出条件。
AI agent Reindex 与 Re-embedding Migration：重建索引、回填向量和灰度切换怎样不停机
重建索引不是一场夜间批处理，而是一场线上迁移。本文讲清 AI agent reindex、re-embedding、backfill、shadow read 和 cutover 策略，让知识平面的版本切换不会把线上解释、权限和 freshness 一起切断。