重算任务要几十分钟,我用ws推送进度:
code
const WebSocket = require("ws");
const wss = new WebSocket.Server({ port: 8081 });
wss.on("connection", (ws) => {
ws.send(JSON.stringify({ type: "hello" }));
ws.on("message", (m) => {
if (String(m) === "ping") ws.send("pong");
});
});别忘了鉴权,别开放匿名ws。
我个人很看重「文本证据」留存:不只存指标,还要能回到当时模型回答的大致片段(在合规前提下)。否则业务方问你「为什么这周掉了」,你只能猜。证据链短,沟通就长。
如果你也在搭类似系统,欢迎跟帖细化:你们的问题集怎么分层?是按漏斗阶段分,还是按产品模块分?我们两种都试过,目前倾向漏斗+模块的二维表,维护成本高一些,但解释性更好。
顺带补一句我们内部的流程:所有监测指标变更都会走一个小型RFC,写清楚动机、影响面、回滚方式。听起来重,但能避免「某人改了一行配置,全公司报表失真」这种事故。企业AI落地业务对数据信任要求很高,一旦数字不可信,后面内容策略全白做。
(场景参考:北京本地企业试点)