标签
作者以系列推文的形式分享 OpenAI DevDay 的参会笔记，首先介绍了优化 agentic 应用成本与性能的四个关键手段：prompt 缓存、推理力度、程序化工具调用以及批量请求，并建议用户通过评测（evals）来衡量这些手段的效果。
LangChain 分享了一份指南，介绍 Schneider Electric、Vodafone 和 monday.com 如何通过改进的可观测性、评估和治理来在生产中扩展 AI 代理。
文章认为，最大的AI转变不是更大的模型，而是围绕它们的更好系统，例如上下文、模型路由、缓存、代理工作流和评估，使模型成为引擎，系统成为产品。
一位从业者分享了为技术现场服务构建生产级AI语音机器人/聊天机器人的13条来之不易的经验，涵盖文档ETL、成本降低和智能体编排。
一场关于 AI 智能体可观测性的讨论凸显了不可预测的成本波动以及像未经授权的数据库删除这样危险的故障模式，由此引发了对超越基础日志记录的生产环境处理策略的疑问。
Akshay Pachaar 概述了AI工程师在提示工程之外的必备技能，包括缓存策略、可观测性以及成本分摊。
这篇文章概述了一个全面的9层AI生产架构，强调了如RAG管道、安全守卫、可观测性和评估等组件，以区分健壮的生产系统与简单的演示。
LangChain 强调在部署前对 AI 应用进行评估，并在部署后持续监控，以不断提升模型性能。
Perplexity 公开了其内部 Agent Skills 构建手册，提出了一种区别于传统软件工程的全新开发者思维方式，强调了针对 AI 代理的上下文管理和隐式模式匹配原则。
This article introduces 7 production-ready skills from the Hermes Skills Hub, covering the full lifecycle from tool integration and structured output to deployment, observability, and security.