观澜Media

AI技术 · 深度资讯 · 前沿观察

如何构建具有重试和 DLQ 可见性的可追踪 AI 工作流程

我两次注意到相同的故障模式:提取结果“错误”,但实..

我两次注意到相同的故障模式:提取结果“错误”,但实际上没有任何损坏。

这种错误会让你不信任一切——你的缓存、你的提示,甚至你自己的记忆——因为系统看起来是不确定的,而实际上它只是未被观察到。

因此,我构建了一个跟踪器,将每次提取运行变成一个分类账:每个决策都成为一个节点,每次重试都成为一条边,每个“我们选择了变体 B”都成为我可以指出的事实。

关键见解:将提取视为可追踪的工作流程,而不是单个调用。

这一不明显的举措是停止将“电子邮件提取”视为一项操作。

当您有如此多的移动部件时,一种简单的方法(记录“开始”和“完成”以及一堆输出)会因以下三个原因而失败:。

来源:HackerNoon

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关于我们

观澜Media

AI技术 · 深度资讯 · 前沿观察。专注科技、AI、互联网领域的深度报道与前沿资讯。

搜索归档

Access over the years of investigative journalism and breaking reports