LLM-as-a-Judge 校准:盲化人工锚点、偏差探针与发布门禁
Judge 与人工评分相关,不代表它能稳定比较新模型。本文把盲化锚点、位置互换、风格反事实、校准映射和 Judge release 组成可复验的裁判准入合同。
Articles
沉淀 AI、Web、云原生和独立开发经验。
Judge 与人工评分相关,不代表它能稳定比较新模型。本文把盲化锚点、位置互换、风格反事实、校准映射和 Judge release 组成可复验的裁判准入合同。
Context 用着简单,但值一变所有消费者全重渲染——高频场景这是性能杀手。本文讲清 Context 的重渲染机制、为什么"把所有状态塞一个 Context"是反模式、怎么拆(多 Context/选择性订阅/useContextSelector)、以及什么时候该换 Zustand。
本地服务启动成功,不代表数据库迁移、鉴权范围和消息主题已经可用。本文用版本化能力探针、稳定窗口与失败分类,把“等一会再刷新”改造成可验证且可回退的开发启动门。
并发改数据靠锁保正确,但锁用不好会慢、会死锁。本文讲清 PG 的行锁/表锁/咨询锁、死锁的产生与自动检测、SELECT FOR UPDATE 的并发控制、以及怎么减少锁冲突(短事务/固定加锁顺序/乐观锁)。
同一证据放在开头能答对,移到中段却可能漏读。本文构造位置可控的变形样本,按最差位置而非平均分阻断模型与装配器退化。
Function Calling 是 Agent 影响真实世界的接口,但"模型说我要调工具"和"可靠地执行完"之间隔着好几道工程关。本文讲清它的工作机制、并行与多轮调用、参数校验与错误恢复,以及它和 MCP 的关系——把 function calling 从"能跑"用到"生产可靠"。
收款成功不代表卖家份额已经可打款,Transfer 成功也不代表银行最终到账。本文冻结分成政策和结算批次,用多方平衡账本、准备金、稳定 Payout 身份与 UNKNOWN 对账阻止超付和重复打款。
CORS 和 CSP 名字像但完全不同:CORS 管跨域请求,CSP 管页面能加载什么。本文讲清 CORS 的预检/简单请求/凭证、CSP 的指令(restrict 来源/禁内联)、两者各自的坑,以及上生产必配的一套安全 header。
MCP Server 的审计日志不能只记一行成功或失败。本文设计调用关联 ID、授权决策、输入输出摘要、敏感字段脱敏、保留策略和事件查询方式,为安全与排障提供证据链。
代码部署 ≠ 功能发布——Feature Toggle 让你把代码部署上去但功能关着,想开再开。本文讲清 Toggle 的四种类型(release/experiment/ops/permission)、实现粒度(配置/数据库/专用服务)、Toggle 的生命周期(别忘了清理)、以及"Toggle 不是免费的"代价。
URL mode 的 accept 只表示用户同意导航,不代表授权或付款已经完成。本文隔离表单数据与敏感凭据,绑定用户身份、目标域、完成通知和原请求重试。
每次改数据手动触发下游同步?CDC 自动捕获数据库变更,实时推给下游(搜索/缓存/数仓)。本文讲清 CDC 的原理(读 WAL 日志)、工具(Debezium)、适用场景(同步 ES/缓存/数仓/微服务事件)、以及它比"双写/定时轮询"强在哪。