AI 应用开发实战：服务、项目与验收
以可复现交付为目标，完成后端契约、RAG/agent 任务、权限缓存实验和评估报告。
TOPIC / engineering
工程实践
从相关笔记、实验和原始资料开始，建立自己的理解。
学习路径
AI 架构与面试：容量、可靠性与项目证据
以已完成的应用为背景，练容量成本、系统边界、SLO、评估解释和六类面试案例。
RAG 与智能体工程：从资料到可验证执行
拆解切片、召回、证据、工具、记忆、协作、MCP、评估与安全，形成一套可测试的应用方案。
MLOps 支线：从可复现运行到监控反馈
串联数据、指标、统计、版本、性能、安全和漂移，定义模型发布与回滚的验证闭环。
笔记与实验
AI 应用实战路线：从开发到架构与面试
衔接现有基础、后端、RAG/agent 综合项目、实测与架构讨论，按可交付成果学习。
已核验
AI 容量与成本：并发、存储和请求预算
用明确单位估算流量、在途请求、向量存储和模型费用，再用真实负载修正假设。
已核验
AI 开发与架构面试：六类案例和回答证据
用项目、容量、权限、可靠性与工具故障练习技术讨论，区分理解、实现和生产经验。
已核验
AI 服务后端：流式响应、取消与重试
把模型应用接入服务工程：定义请求契约、流式事件、截止时间、幂等和身份传播。
已核验
AI 服务可靠性：SLI、SLO 与错误预算
把用户体验转成可测量的服务目标，区分流式完成、答案质量、告警和故障处置。
已核验
AI 系统设计：边界、数据流与架构取舍
从业务约束设计知识助手的数据、检索、工具与运行边界，说明扩展和一致性的理由。
已核验
权限与缓存实验：同问不同人、撤权与版本
用 3 份自制文档和 10 个顺序场景复现缓存越权与过期，记录基线、改进和版本漏更新的边界。
已核验
AI 应用安全：数据、权限、注入与执行
把安全落实到认证身份、资料可见性与工具执行程序，理解提示注入、泄漏与数据生命周期。
已核验
数据漂移与监控：分布变化不等于质量下降
区分输入、标签先验和概念漂移，结合数据质量、迟到标签及告警调查维护模型。
已核验
MLOps 生命周期：版本、测试、发布与回滚
把数据、模型、代码和配置形成可追溯版本，明确数据测试、行为测试与模型发布门槛。
已核验
AI 推理工程：延迟、缓存、吞吐与复现
区分 prefill、decode 和端到端延迟，理解 KV/prefix cache、批处理与量化的工程取舍。
已核验
原始资料
Google SRE Workbook：SLO 与可靠性实践
定义服务级别指标、目标、错误预算、告警和负载管理，形成服务可靠性的决策依据。
Google SRE Workbook 作者团队
System Design Primer：容量、缓存与设计面试
需求与约束、容量估算、负载、缓存、异步队列、存储和系统设计讨论方法。
Donne Martin 与项目贡献者
Full Stack Deep Learning：2022 产品工程课程
数据管理、训练与服务、发布、反馈及持续学习闭环。
Full Stack Deep Learning 讲师与笔记贡献者
Made With ML：测试、版本与产品工作流
数据处理、实验追踪、数据/行为测试、版本、部署与监控。
Goku Mohandas / Anyscale
vLLM 推理服务：缓存、吞吐与指标
KV cache、prefix caching、推理指标与基准。选取具体章节作为学习依据，保留 GitHub 快照与复用边界。
vllm-project 及课程/项目贡献者
MDN：字符串 Unicode 规范化
查阅 JavaScript normalize 的定义与 NFKC 行为，为关键词检索中的全角字符处理提供依据。
MDN contributors