yuer2025

背景：真正危险的不是“算错风险”，而是“不该算却开始算” 在 EDCA OS / Yuer DSL 的多轮高责任场景工程测试中，我们反复遇到同一个问题： 当系统在以下状态下...

一、一个很真实的变化：我们开始把“理解”交给 AI 现在很多人的日常已经是这样： 刷到一堆信息 打开 ChatGPT / Copilot 问一句： “你怎么看？” 这一步不...

一个很多工程师都会遇到的瞬间 如果你真的把大模型接进过业务系统，大概率会经历过这个阶段： Demo 阶段： 灰度阶段： 真进生产： 常见问题包括： 同样的输入，多跑几次结果...

很多 AI 项目翻车，不是因为模型，而是因为这句： “我们有人在回路里” 如果你做过 AI 项目评审，大概率听过这句话： 这句话听起来很稳。 但在真实工程里，它经常是风险开...

最近一年，Rust + AI 成了一个很微妙的组合。 一边是 Rust 越来越火， 一边是 Copilot / ChatGPT/gemini/豆包 几乎人手一个。 很多人已...

最近一年，AI Agent 几乎成了“万金油”： 自动规划任务 自动调用工具 多 Agent 协作 一条指令跑完全流程 很多 Demo 看起来都很爽。 但如果你真的把 Ag...

这两年，AI Agent 被吹得越来越“聪明”。 自动决策、自动调度、自动执行， 看起来像是在帮工程师减负。 但我想抛一个不太讨喜的问题： 一、一个被忽略的工程事实 在很多...

这两年，AI 模型和 Agent 的能力进步非常快。 Demo 越来越漂亮，自动化程度越来越高。 但在真正的工程落地中，越来越多团队开始遇到同一个问题： 很多人下意识以为是...

很多人第一次做 AI Agent，都会经历一个相似的阶段： 我想聊的不是模型、不是 Prompt，也不是某个框架， 而是为什么大量 Agent 项目，卡死在“工程化”这一步...

如果你只是做“能说话”的语音系统， WebRTC + ASR + TTS 基本就够了。 但只要你开始做可插嘴（barge-in）的实时语音交互，你会很快发现： 这一步，99...

写分布式查询引擎久了，你会发现一个规律： 而且不是“慢慢变复杂”，而是： 开始返工 开始推翻 开始重写 开始怀疑最初的架构判断 这不是某个团队的问题，而是分布式查询引擎的工...

最近在看一个 分布式查询引擎（Distributed Query Engine） 的 Rust 项目需求，目标其实很直接： 多节点执行 低延迟 / 高吞吐 数据 Shuff...

在工程实践中，我们经常试图用“更强的能力”去解决问题： 更大的模型 更快的识别 更密的规则 更复杂的策略 但越来越多的系统级事故表明： 有一类问题，并不是能力不够，而是层级...

前言 最近一段时间，大模型在技术圈的讨论，几乎都围绕着： Prompt 怎么写 模板怎么复用 如何让 AI 一次性给出“正确答案” 但当我把 AI 引入到高风险文本场景（需...

很多人第一次使用大模型时，都会下意识把它当成一个更聪明的搜索引擎，或者一个听话的执行器。 于是最常见的问题往往是： 但如果你用得够久，就会慢慢意识到一件有点反直觉的事： 越...

这篇文章不是讲 Prompt 技巧，也不是模型评测， 而是想聊一个更底层的问题： 一、一个工程上不太舒服的结论 现在很多 AI 应用，本质是在“裸用大模型” 先把结论抛出来...

这两年大家在掘金聊 AI，基本都围绕这些关键词： RAG Agent Workflow 自动化 多模型协同 但如果你真的做过稍微复杂一点的 AI 项目，很可能已经遇到过这些...

很多销售已经在用 GPT 了。 写话术、改文案、整理客户信息，都没问题。 但一旦你尝试让 GPT 参与判断，比如： 这个单子该不该继续跟？ 要不要投入更多资源？ 是激进推进...

我把 GPT 当成 Runtime 用：只用一个客户端，跑一个可控、可审计的投资决策 DEMO 背景：为什么“问答式 AI”在真实决策中不够用？ 如果你真的用 LLM 参与...

**可控 AI 并不是：**- 给模型加更多规则- 把 AI 变得更保守 它真正关注的是：> **在某个具体业务场景中， > AI 被允许看到什么信息...