没有经历过工程问题,可能无法判断AI架构方案。
原话 122工作流与验证
AI 做错了,你能看出来吗?
整理提要
数读提出把验证与升级做进流程;*** 仍然强调理解基础。提出检查机制之后,怎样识别危险例外的问题依然在。
大家怎么说
局部补充
问题从“必须亲自踩过所有坑”推进到“如何让错误暴露”。***仍要求有理解基础,风险识别本身未被自动解决。
不能把99/1当统计;不能把“提出机制”当成“机制已可靠”。
继续追踪这个问题
从提示词模板,谈到主动追问与场景边界
数读提出范式贬值与上下文;***强调模板可用于追问,kyrie_H补充深度和轻量部署边界。
技术、产品与风险识别的集中交锋
围绕技术无用、架构经验、99与1、岗位融合和人才评价出现多轮追问;同日还有数据脱敏与元认知讨论。
拆小问题就能解决,还是受部署资源限制?
云端与轻量部署是否允许同一种解决方式?
技术无用,还是技术实现价值下降?
“技术”这个词是否把不同能力混在了一起?
还有哪些条件没说完?
99% 与 1% 不是统计数据;“有验证机制”也不等于已经证明机制能识别全部危险。
哪些失败必须在执行前防住,哪些可以在测试环境里暴露后再改?
接着看
少盯 AI,怎么知道它做对了?
把精力放在验收与证据上,检查本身也需要预算。
实现更容易了,技术还要学多深?
亲手写出来,与判断方案是否可信,需要分开看。
基础工作交给 AI,新人怎么成长?
自由选题与必要约束,怎样一起帮助人练出判断?