AI技术

INP 深入解析:Interaction to Next Paint 的事件阶段与优化

--- title: "INP 深入解析:Interaction to Next Paint 的事件阶段与优化" keywords: - INP - 交互延迟 - 输入延迟 - 处理时长 - 呈现延迟 - RUM description: "拆解 INP 的三个事件阶段(输入延迟、处理时长、呈现延迟),给出定位与优化策略,并结合 RUM/CrUX 与多主线程场景的注意事项。...

Interaction to Next Paint(INP):交互响应指标与优化

--- title: Interaction to Next Paint(INP):交互响应指标与优化 keywords: - INP - PerformanceEventTiming - 交互延迟 - web-vitals - 优化策略 description: 采集并优化 INP(交互到下一次绘制),通过 PerformanceObserver 或 web-vitals 库监测交互延迟,结合长...

LCP 深入解析:Largest Contentful Paint 的定位与优化

--- title: "LCP 深入解析:Largest Contentful Paint 的定位与优化" keywords: - LCP - 最大内容绘制 - RUM - 优化路径 - DevTools - 渲染 description: "系统解析 LCP 的定义、形成机制与定位方法,结合 RUM/CrUX 与 DevTools 子阶段拆解,给出四大类优化路径与验证参考...

LLM 输出去敏与审计流水(PII Redaction、审计与验证)

--- title: LLM 输出去敏与审计流水(PII Redaction、审计与验证) date: 2025-11-26 keywords: - PII Redaction - 审计流水 - Masking - 合规 - 日志 description: 为LLM输出进行PII去敏与审计记录,通过规则与模型识别敏感信息并替换,保留审计流水与证据链,提供实现与验证方法。 cat...

LLM输出防护:提示注入、敏感信息与事实核查

--- title: LLM输出防护:提示注入、敏感信息与事实核查 keywords: ["提示注入", "敏感信息", "事实核查", "上下文隔离", "引用证据"] description: 通过上下文隔离、输入/输出过滤与引用证据,实现对提示注入与敏感信息泄露的防护,并进行事实核查。 categories: - 应用软件 - 系统工具 --- # LLM输出防护:提示注入、敏感信...

LangChain与LlamaIndex:检索与工具编排对比

--- title: LangChain与LlamaIndex:检索与工具编排对比 keywords: - LangChain - LlamaIndex - RAG - 工具调用 - 检索链路 description: 比较两大常用框架在检索链路与工具编排上的抽象与生态,指导项目选型与落地。 categories: - 文章资讯 - 技术教程 --- # LangChain与LlamaIn...

Largest Contentful Paint(LCP):测量与优化路径

--- title: Largest Contentful Paint(LCP):测量与优化路径 keywords: - LCP - PerformanceObserver - 优化路径 - preload - fetchpriority description: 使用 PerformanceObserver 采集 LCP 并围绕服务器与前端的关键路径进行优化,涵盖资源提示、优...

MDX v3 await 语法实战与注意事项

--- 标题: MDX v3 await 语法实战与注意事项 关键词: - MDX v3 - await 支持 - ES2024 语法 - Node 16+ - 框架协作 描述: 结合 MDX v3 的现代语法支持,说明在 MDX 中使用 await 的实践前提与注意事项,并提供框架兼容性验证建议,附中文文档验证。 categories: - 文章资讯 - 技术教程 --- 引言 - ...

OpenTelemetry 尾部采样与采样器配置(Tail-based、Span 过滤与成本)

--- title: OpenTelemetry 尾部采样与采样器配置(Tail-based、Span 过滤与成本) keywords: - OpenTelemetry - 尾部采样 - 采样器 - Span 过滤 - 成本 description: 深入讲解尾部采样与采样器配置,基于事务结果与特征进行采样与过滤,在控制成本的同时保持关键可见性。 date: 2025-11-26 categori...

AI Prompt Injection 防护与上下文隔离(2025)

# AI Prompt Injection 防护与上下文隔离(2025) 提示注入通过诱导模型违反边界执行敏感操作,需要在架构与提示与执行层面防护。 ## 一、上下文与权限 - 上下文隔离:用于不同任务的数据与权限分隔。 - 最小权限:工具与接口仅开放必要能力。 ## 二、提示与约束 - 引用约束:明确只能基于提供上下文回答与引用。 - 模板与过滤:对输入进行过滤与正则清洗,降低风险。 #