構建生成式AI平台

本文作者通過研究多家公司部署生成式AI應用的方式，發現其平台存在許多共同點。文章從最簡單的架構開始，逐步添加組件，最終構建出一個完整的生成式AI平台。

最簡單的形式是：應用接收查詢並將其發送給模型，模型生成響應返回給用户，沒有任何防護欄、增強上下文或優化。然而，實際應用需要更多功能。

第一步：增強上下文 平台的首要擴展通常是添加機制，讓系統為每個查詢補充必要信息，即上下文構建。最常見的模式是RAG（檢索增強生成），它由生成器（語言模型）和檢索器（從外部源檢索相關信息）組成。檢索可以採用基於術語的方法（如BM25、Elasticsearch）或基於嵌入的方法（向量搜索，如FAISS）。生產系統通常結合多種方法，形成混合搜索（hybrid search）。此外，對於表格數據，可採用Text-to-SQL流程；而網絡搜索則賦予模型訪問互聯網最新信息的能力，形成Agentic RAG。查詢重寫（query rewriting）是提高檢索準確性的關鍵，通常由另一AI模型完成。

第二步：添加防護欄 防護欄有助於降低AI風險，保護用户和開發者。輸入防護主要防止敏感信息泄露和模型越獄（jailbreaking）。輸出防護則評估生成質量並處理失敗模式，如空響應、格式錯誤、有害內容、幻覺、敏感信息泄露等。失敗管理包括重試邏輯、並行調用和人工兜底。防護欄的引入需要在可靠性與延遲之間權衡，也要考慮自託管與第三方API的選擇。

第三步：添加模型路由與網關 隨着應用複雜度增加，需要管理多個模型。路由器根據意圖分類將不同查詢分派給專用模型，以提升性能和節約成本。模型網關為所有模型提供統一接口，便於代碼維護，並實現訪問控制、成本管理、負載均衡和故障切換。許多現成的網關如Portkey、MLflow AI Gateway等可直接使用。

第四步：緩存降低延遲 緩存是常被低估但效果顯著的組件。提示緩存（prompt cache）複用重疊文本段（如系統提示），顯著減少處理量。精確緩存（exact cache）存儲已處理結果，避免重複計算。語義緩存（semantic cache）允許相似查詢複用結果，但依賴高質量嵌入和相似度閾值，實施風險較高。緩存可應用於向量搜索、推理等多個環節。

第五步：添加複雜邏輯與寫入操作 應用流程可包含循環和條件分支，模型輸出可反饋給自身以迭代細化（如規劃旅行行程）。寫入操作（如發送郵件、更新數據庫）使系統能力大幅提升，但也帶來安全風險，必須防範提示注入（prompt injection）等攻擊。需要在系統能力與安全之間取得平衡。

可觀測性與編排 可觀測性應從項目初期就集成，包括指標、日誌和追蹤三大支柱。指標涵蓋系統指標和模型指標（如延遲、令牌數、錯誤率），日誌應記錄一切，追蹤則呈現請求的完整執行路徑。編排工具（如LangChain、LlamaIndex）幫助定義組件並鏈接成管道，但應避免過早引入，以免增加複雜性。

總之，文章從基礎架構出發，逐步添加組件以應對不斷增長的複雜性。每個組件都有其利弊，需要仔細權衡。文章還指出，許多細節（如模型評估、提示工程、微調）將在作者的新書《AI Engineering》中深入討論。