标签 · 工程实践

输入规范化：先把用户输入弄干净

脏输入是「模型变笨」的常见原因。本文给出六个规范化动作（按优先级）、规范化要可解释的三个要求、四类不该被规范化掉的内容，以及该观测的指标与最小实现。

把评测失败分类成可行动的类型

失败不分类就只能一条条看。本文给出一张 8~12 类的失败类型表、每类对应的修复方向（重点区分「事实错误」与「编造」）、让分类被执行的四个动作与三个反模式。

AI 功能怎么验收：把验收标准写进需求

验收标准必须在开工前写好且可测。本文给出四级结构（功能/质量/性能/边界）、阈值怎么定、三次检查时点、不通过怎么办与三个反模式。

把评测指标接进发布门禁：哪些指标不允许退化

只在有空时跑评测，质量会慢性退化。本文给出该进硬门禁的五类指标与方向、只该提醒的指标、门禁的三个工程细节（与上版比、冒烟集要小、假红要处理）与人工门。

把重试做对：什么时候该重试、什么时候该放弃

重试能救瞬时故障，也会放大成本甚至压垮上游。本文给出四类失败的分类与处置、三条硬规则、绝对不要重试的三种情况、重试可观测的三个指标与一份可抄的配置。

把评测做成可复跑的脚本，而不是一份文档

写在文档里的评测等于没有评测。本文给出评测脚本的四个部分（样本/调用/判定/报告）、三条硬性要求（可复跑/可对比/可存档）、把人工判定纳入流程的做法，以及评测脚

AI 与人工的分工线怎么划：效率与风险的平衡

分工线由后果决定，不由技术成熟度决定。本文给出三种分工模式与适用场景、定线的四步（含「出事回退一格」）、该测的四个指标、三个反模式与一个务实起点。

容量演练：主动断一次上游，验证降级链

没演练过的降级链等出事时大概率不生效。本文给出演习前要明确的四件事、六步流程、该验的六个点（含「恢复是否自动」）、把可降级做进日常的三个做法与两个反模式。

AI 功能的文档怎么写：能力、限制与示例

只罗列能力的文档帮不了用户。本文给出能力该怎么具体写、限制必须包含哪些（不适合场景/失败模式/上限/数据处理）、示例怎么选、出错怎么办专章，以及六个部分的最小结

把评测做成组织能力：谁来写、谁来跑、谁来读

评测不能是一次性项目。本文给出三个角色的分工（业务写样本与标准、工程接流水线、业务+管理每周读）、让评测活起来的四个机制与一个小团队最小落地方案。

把提示词改动接进流水线：四道关与各自判据

提示词改动最容易悄悄上线。本文给出四道关（本地试跑、离线对照、影子灰度、上线留痕）与各自可抄的通过判据、两个常见反模式，以及一条「能否 5 分钟内归因」的判据。

小团队怎么排 AI 需求的优先级：四象限与一个否决项

AI 需求最容易失控在范围。本文给出按「价值确定性 × 实现成本」的四象限、判断价值确定性的三件事、一个否决项（错了会怎样）、三个实操建议、排期文档的四栏与季度

把「人工兜底」设计好：什么时候转人、转给谁

转人工最容易被做坏。本文给出四条转人判据、交接单该带的六项信息、要告诉用户的四件事、值班排班要点与三个反模式，以及一条「不用重讲」的判据。

处理长尾输入：白名单、兜底与礼貌地拒绝

长尾输入是事故入口。本文给出三类白名单（格式/大小/字段）、四步兜底（规范化、截断并标注、降级、明确失败）、拒绝文案的改写对照、该观测的指标与一条判据。

AI 功能的灰度开关设计：谁、什么时候、怎么关

上线是一组开关：总开关、版本切换、降级、流量比例、白名单、单请求上限。本文给出六类开关与作用、四条设计要求、权限划分、五个反模式与可直接抄的上线前检查清单。

如何在内部推动 AI 工程规范：从门禁开始

规范推不动常因为缺少自动反馈。本文给出把规范拆成可检查项的方法、阻断与提醒两级、让规范顺手的三种做法（脚手架/一键检查/报错给修法）、用数据说明价值与三条经验。

服务降级时的用户体验：把「抱歉」写成有用的提示

大多数失败提示都写错了。本文给出提示该回答的三个问题、按降级层级给不同提示、让提示可操作的三个技巧、错误信息里不该出现的东西，以及用五个状态走查验证提示的方法。

AI 功能的需求评审：先问这七个问题

AI 需求常写成「用大模型完成 X」，这不是需求。本文给出评审必问的七个问题（输入/判定标准/后果/合规/评测/预算/降级）、三个反模式与该产出的五样东西。