AI 应用可观测性与成本治理
Token 计量、链路追踪、质量指标与模型降级——AI 功能上线后如何管得住。
返回
#AI
7 篇文章
AI Agent UI 设计模式与交互架构
Tool Calling 可视化、Multi-Agent 协作界面、Human-in-the-Loop 与 Agent 状态机的前端设计。
生产级 Prompt 工程与评测体系
Prompt 模板化、版本管理、离线 eval 与 CI 门禁——让 AI 功能像发版一样可回归。
AI 应用工程化：MCP 工作流与 Agent 编排
MCP 协议、Tool Calling 架构、Agent 状态机、Prompt 版本管理与 AI 应用从 Demo 到生产的工程化路径。
LLM RAG 前端架构设计
检索增强生成的完整前端链路：文档上传、向量检索、上下文注入与引用溯源 UI 设计。
AI SDK 前端集成与流式响应实践
Vercel AI SDK、OpenAI API 流式调用、SSE 处理和 AI 聊天界面的前端架构设计。
前端 AI 应用入门：普通开发者第一条链路
从零理解 LLM、Token 与 Chat 接口，用 React + Route 跑通第一个流式对话，并建立后续 RAG/Agent 的知识地图。