初级工程师会问：“我该用哪个模型？”
资深工程师会问：“系统最可能在哪里出故障？”
大多数人工智能程序在演示时看起来光鲜亮丽，到了实际生产环境中却会悄然崩溃。这两种提问方式的差异，恰好解释了这种现象。
人工智能并没有简化软件工程。它只是筛选出了那些本就精通软件工程的人。
如果你见过人工智能功能在测试环境中完美运行，却在真实流量、混乱数据和不可预测的用户操作下崩溃，你就会明白：选模型是容易的事，构建系统才是真正的难题。
本文不谈提示词、框架，也不追最新的模型版本。它聚焦的是，资深工程师如何打造出能经得起现实世界考验的人工智能系统。
大多数人工智能系统的故障，并非模型本身的问题。
而是以下几类问题：
简单来说，模型只是故障症状的“表现载体”。
资深工程师很早就明白这一点。他们不会一上来就说“我们加个人工智能功能吧”，而是会先抛出一个听起来十分枯燥的问题：
就算模型完美无缺，这个系统还会存在哪些问题？
因为在生产环境中，模型永远不可能完美。
初级工程师的思维模式：