← 返回蜂巢洞察

Expedia利用由人工智能驱动的服务遥测分析工具来加快事故调查的速度。

栏目 技术实践
分类 大数据
标签 模型 构建 工作 分析 工程师

Expedia集团推出了STAR这一内部开发的、由人工智能辅助构建的观测平台。该平台能够帮助工程师利用服务遥测数据以及大语言模型来调查各类生产故障。STAR基于FastAPI、Datadog、Celery、Redis和Langfuse等技术构建而成，它遵循结构化的工作流程来分析遥测数据、生成根本原因分析报告，并为事故应对工作提供支持，同时确保工程师能够及时获取相关进展信息。 作者：Leela Kumili

Expedia集团推出了STAR这一内部开发的、由人工智能辅助构建的观测平台。该平台能够帮助工程师利用服务遥测数据以及大语言模型来调查各类生产故障。STAR基于FastAPI、Datadog、Celery、Redis和Langfuse等技术构建而成，它遵循结构化的工作流程来分析遥测数据、生成根本原因分析报告，并为事故应对工作提供支持，同时确保工程师能够及时获取相关进展信息。

作者：Leela Kumili

相关文章

技术实践

新的开发工具组合：开发团队如何在实际生产环境中使用Claude、Cursor和Copilot这些工具

两年前，人工智能编码工具还只是个新鲜事物。各广告机构会允许初级开发人员在内部项目或副业中试用这些工具，因为在这种工作中，即使代码存在缺陷，也不会造成什么严重后果。 对于客户委托的项目，代码仍然都是手写的。没有人会把自动完成功能作为完成截止日期的保障。 但那个时代已经结束了。如今，这些工具已经成为软件开发过程中的核心工具。那些过去需要六个月才能完成MVP开发的团队，现在只需六周就能完成任务，而客户们也开始质疑：为什么还会有人要求更长的开发时间呢？ 这些工具发展得非常迅速，围绕它们的工作流程也发生了巨大的变化：出现了新的代码审核机制、新的定价模式，而且高级工程师们的工作重点也从编写代码转变为评估机

阅读全文
技术实践

用于估算人工智能提示设计效果的产品实验反事实方法

想象一下，你的团队在两周前将A提示在全球范围内推广使用。由于时间紧迫且对效果充满信心，因此在没有进行任何A/B测试、也没有设置测试对照组或保留用户群的情况下，这一更新就应用到了100%的用户身上。 虽然各项完成率看起来都很稳定，但深夜时一位同事从测试环境中提交了一个新的提示方案，这就引发了一个重要的问题：这个替代方案是否才是更合适的上线选择呢？ 现在你陷入了这些已记录的数据所构成的困境之中。这个问题看似无解，但实际上并非如此。产品团队会通过前瞻性实验来观察如果推出某个功能会发生什么结果；而反事实估算则能帮助我们了解：如果选择了其他方案，最终会得到什么样的结果。 对于那些负责处理大语言模型产品日

阅读全文
技术实践

如何利用Gemini构建人工智能功能：面向开发者的提示工程实用指南

大多数关于提示工程的教学教程都遵循相同的流程：安装SDK，输入API密钥，调用 generateContent 函数，然后打印输出结果。模型会生成一些看似合理的内容，之后教学教程也就结束了。 但当你真正尝试将这个系统投入实际使用时，才会发现其实真正的准备工作根本还没有开始。 “API返回的文本”与“让用户感到可信的实际功能”之间的差距，正是需要耗费大量精力去解决的地方。 这个差距中充满了各种棘手的问题：模型生成的内容听起来和其他聊天机器人没什么两样；它会编造用户从未说过的话；它返回的数据会被用Markdown格式包裹起来；系统会在凌晨2点出现故障；而对于那些只是想得到答案的用户来说，系统展示的

阅读全文
技术实践

如何使用MONAI在超声数据上训练肿瘤分割模型

大多数分割教程都是从选择一个模型开始，将图像输入该模型中，然后调整超参数直到相关指标得到改善。但这种方法忽略了通常最为关键的一步：理解数据本身。 在本教程中，我们首先会对数据集进行详细分析，随后会根据这些分析结果来决定MONAI分割流程中的每一个设计细节。 我们将涵盖以下内容： 本教程适合谁？ 关于数据集 什么是MONAI，为什么使用它？ 什么是Dice评分？ 第1部分——建模前的数据分析 类别平衡对分割结果的影响 患者数量对数据划分的影响 第2部分——构建分割流程 单一配置对象 按患者分组的数据划分方式 由快照自动选择的转换操作 模型、损失函数与评估指标 结果解读 预测结果可视化 失败模式比

阅读全文