漫游的渔夫

AI 应用的稳定性不取决于它在成功时有多聪明，而取决于它在失败时有多体面。本文聊聊为什么 AI 工程化必须具备“防御性思维”，以及如何设计一套高韧性的错误处理链路。

在大模型应用开发中，`json.loads()` 只是开始，而不是结束。本文聊聊为什么我们要像对待“外部攻击”一样对待模型的 JSON 输出，以及如何构建一套稳健的 AI 数据消费防线。

大模型很聪明，但“不稳定”是它进入生产环境的最大障碍。本文聊聊为什么 AI 工程化的第一步不是换模型，而是让模型学会“按字段说话”

刚开始接触 AI 应用开发时，很多人都会有一种很自然的反应： “结果不好，是不是模型不够强？” 这个反应太常见了，也太合理了。但这就是事实吗？

如果你是前端开发者，第一次用 Python 写 API 请求时，大概率会有一种熟悉又陌生的感觉。 熟悉，是因为“发请求、拿结果、处理 JSON”这条链路你早就见过。 陌生，是因为写法从浏览器环境切到了

前端开发者转向 AI 工程时，常常会先遇到一个很真实的问题： “我不会 Python，是不是得先苦学很久，才有资格开始做 AI 项目？” 这个问题看起来像语言学习问题，实际上更像路径选择问题。 很多人