#评估测试
共 11 篇相关文章
第 7 章 CDEF 四阶段方法论与 2026 演进(Context / Design / Engineer / Feedback)
本章一句话 :把第 6 章的方法论内核,落成一个可执行的"四阶段流程"——Context 勘探 → Design 设计 → Engineer 工程 → Feedback 反馈,这是 FDE 在真实项目里"照着走"的操作手册。 7.1 CDEF 是什么 CDEF 是对 FDE 工作流程的一种结构化归纳…
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…
深度专题三十一 FDE 的数据科学与统计基础
FDE 不是数据科学家，但 FDE 若没有数据科学功底，就只能在客户的 BI 报表和算法同事的结论之间做"翻译搬运工"，永远拿不到对结果的话语权。本专题把一名合格 FDE 必须内化的统计与评估素养压缩成可操作的清单。 31.1 为什么 FDE 必须有数据科学功底 前沿部署工程师的核心动作是"在客户真…
深度专题三十四 大模型应用架构演进
一句话定位:大模型应用不是"调一次 API"就完事的产品,它是一种会随业务复杂度持续生长的架构形态。从单点调用到企业 AI 中台,每一阶段的拆分都不是为了好看,而是为了把上一阶段爆掉的某个属性——延迟、成本、上下文、权限、可观测——单独拎出来治理。FDE 在客户现场要做的事,就是判断客户当前在哪一阶…
深度专题三十九 LLM 安全攻防实战
39.1 为什么 LLM 安全是 FDE 的新战场 传统应用安全的边界是"代码与数据",LLM 应用把这两者搅在一起:用户输入的"自然语言"既是数据又是潜在指令,模型权重是黑箱,工具调用让模型直接持有副作用。一个被 prompt injection 接管的 Agent,等同于把数据库写权限、邮件发送…
深度专题四十七 对话式 AI 与智能体产品设计
47.1 从"聊天机器人"到"智能体产品"的范式转移 理解对话式 AI 与智能体产品设计的第一步，是先把两件常被混为一谈的事情拆开： 对话 是一种交互通道， 智能体（Agent） 是一种系统能力。前者回答"用户怎么告诉系统要什么"，后者回答"系统能不能自己把事办了"。 过去十年，业内经历了三次明显的…