技术实践

项目里有一个预训练好的 NLP 模型，原本用于文本分类任务。

数学题直接给答案往往是对的，追问「怎么推出来的」就开始胡编步骤。

做文本分类，零样本 prompt 把四类定义写得明明白白，主流样本没问题，一到边界就翻车：「这个功能怎么收费」被判成技术问题，「登录一直转圈」被…

这篇是系统重构的实操备忘，偏决策和限制条件。

CI 流水线里最拖时间的一步是拉镜像：一个基于 Ubuntu 的全量 Python 镜像 1.2GB，冷启动要八分钟。

从纯相关性模型到因果推断的实践过程，包括为什么必须做、怎么在实际数据上实现、以及在尝试过程中踩过的坑。

图像分类上线后，用户调对比度模型就认错；记录 FGSM、PGD、TRADES 对抗训练的取舍和结果。

然而，在实际项目中，如何设计合理的测试策略、平衡测试覆盖率与开发效率、选择合适的测试工具和技术，都是需要深入思考的问题。

如果只能用一句话说领域驱动设计：先把失败复现出来。

因为最近遇到一个实际问题：需要做一个图像分类任务，但标注数据只收集到了 500 张，而手里躺着 5 万张无标注…