部落格

154 全部

目前共 154 篇文章，涵蓋 AI、產品、創業、商業、Web3 與旅行。

AI 2026年6月12日

從 RAG 到企業級 RAG Part 11 | 系列收束：從 5 種 Query Mode 到 2026 Production RAG Landscape

Part 02-10 走完了 RAG 從最小可用到 production 的整段旅程。這篇把系列收束成一張座標系：11 個 capability flag 如何收成 5 種 query mode、為什麼跑完一輪後要重排學習路徑、哪些事我選擇暫時不做，以及 2026 Production RAG landscape 裡 shared backbone、Agentic RAG、Structured / SQL RAG、Multimodal / Document RAG、Long-context Hybrid、GraphRAG、Hierarchical RAG / RAPTOR 各自站在哪裡。

閱讀更多 中文
AI 2026年6月12日

從 RAG 到企業級 RAG Part 10 | 把 RAG 推上線：我踩過的 10 個坑

從本機 prototype 到公開 API，不是最後一步，是另一場考試。本文用 10 個真實踩坑案例（Oracle VM 搶規格、Docker env shadowing、Nginx + Cloudflare HTTPS trust chain、Qdrant payload index bootstrap、Compose healthcheck 連帶擋整個 stack 等）拆解部署過程中每個 stack 層會卡在哪裡，以及如何設計可預防的思路。個人選型（Oracle VM / Qdrant Cloud / Cloudflare）明標「這是我的選擇，不是通用建議」。

閱讀更多 中文
AI 2026年6月11日

從 RAG 到企業級 RAG Part 09 | 讓文件真的進得來、管得住、查得到：從 ingestion 到 document APIs

Part 08 把 capability 收成 5 種 query mode，但 query 端 routing 再嚴格，文件端沒設計好還是會出事。本文拆文件進系統後的 7 站：parsing、raw storage、Postgres metadata、ingestion queue、auth/permission、document APIs、citation viewer；補上 Multimodal / Document RAG 的正確位置，說明 text / table / image / layout 在 ingestion 階段要保留哪些結構訊號，以及為什麼 Vector DB 不能當 source of truth、ACL 不能只靠一層 filter。

閱讀更多 中文
AI 2026年6月10日

從 RAG 到企業級 RAG Part 08 | Query Router 與 Agentic RAG：同一個 /ask endpoint 怎麼決定下一步

Part 07 把 faithfulness / citation / tracing / cost tracking 4 個 production 級能力裝好了，但每題都跑會讓 latency 和 cost 撐不住。Part 08 把這些能力收斂成 5 種 query mode（fast / safe / deep_eval / creative / agentic），並把 Agentic RAG 明確化為受控的 multi-step runtime loop。本文補上兩層 routing：mode router 決定能力組合，pattern router 決定走文件 RAG、SQL / API tool、long-context 或 agentic workflow。重點不是讓 LLM 自由發揮，而是用 deterministic features、escape hatch、per-step trace、budget、timeout 與 final verifier，把 /ask endpoint 變成可控的 production query router。

閱讀更多 中文
AI 2026年6月10日

從 RAG 到企業級 RAG Part 07 | Production RAG 最容易死的地方：可量測、可除錯、可控

demo 階段 RAG 跑得起來、答案看起來合理，但 production 真正死點是「看起來對、其實不對」。本文把 Production RAG quality control stack 拆成 retrieval evidence、synthesis、faithfulness check、citation check、tracing、offline eval 六層，說明為什麼 RAGAS / LLM judge 不該同步卡在 user path，也補上 Agentic RAG 的 per-step trace / per-step check：每一步都要能回放、評估、停止。

閱讀更多 中文
AI 2026年6月10日

從 RAG 到企業級 RAG Part 06 | 為什麼 retrieval 比 model 更決定 RAG 表現

Vector search 找的是「語意相近」，不是「真的能回答問題」。本文從具體失敗案例出發，拆解 retrieval enhancement pipeline：hybrid retrieval 提高 recall、reranking 提高 precision、parent expansion + compression 提高 answerability、citation assembly 提高 explainability，並補上 Long-context Hybrid 的使用時機與品質 / 延遲 / 成本 tradeoff。

閱讀更多 中文
產品 2026年4月5日

PM 產品數據與實驗 07 － A/B Test 不只是假設與 p-value：PM 必懂的 exposure、SRM、guardrails 與 validity

你以為自己在比較 treatment 和 control，實際上比較的可能是兩群根本不對等的人。 你以為使用者看到了新體驗，實際上很多人只是被分流到了 variant，卻沒有真的被影響。 你以為主指標升了，結果退款、投訴、延遲、 crash 或某個關鍵下游行為一起壞掉。

閱讀更多 中文