# 工程实践

榜单不测你的任务。这篇讲一个 30 道题的自建评测集怎么建、怎么评分、怎么长期维护。

算 AI 费用最容易漏的三块：输入、输出、缓存。这篇给出公式与四个降本手段，按性价比排序。

# 大模型结构化输出怎么做才稳：从字段约束到后处理校验 只要把大模型接进程序里，迟早会遇到同一个问题：它偶尔会“多说一句”。你要求返回 JSON，它在外面裹一层“好的，以下是结果：”；你要求三个字段，它自作主张加了个备注。人在界面上看着无所谓，程序解析时就是一次失败。 这篇不谈怎么把提示词写得更

静态化不是为了技术浪漫，是为了成本、稳定性与抓取。这篇给三个判断条件、四个坑，以及为什么静态化救不了内容差的站。

最强不等于最合适。这篇给一套六维度对比法，以及一套用二十条真实任务做测试的选型方法。

上下文窗口越来越长，RAG 是不是要没用了？这篇从成本、时效、权限三个角度给结论，并拆开真正影响效果的检索细节。

关于 Agent 的文章很多，但多数在讲模型。这篇从工程角度拆三关：工具调用、记忆、规划，并给出普通人判断一个 Agent 能不能用的四个问题。