不重复原则
原则的原文说的是:每一块知识在系统里只能有一个明确而权威的表述。
本页由繁体中文版自动转换
你每天都在替一个知识系统选结构:真相放哪、派生怎么来、边界划哪、谁决定边界。这个领域把这几题各问了几十年,答案不在程式码里,在取舍里。
原则的原文说的是:每一块知识在系统里只能有一个明确而权威的表述。
单一真相来源说的是:每个元素只在一处被维护,其他地方全部引用它。
把资料与画面分开,让同一批资料可以有多个同步的呈现。
把每一次变更存成一笔不可改的事件,当前状态改由重播那串事件得出。
更新资讯用的模型,不必等于读取资讯用的模型。
边界该开在哪,不是照功能分类决定,是照往来成本决定。
复杂度的主战场在领域本身,不在技术层。
核心用自己的语汇定义介面:外界可以要它做什么,它又需要外界提供什么。
设计系统的组织,会产出镜像自身沟通结构的设计。
团队之间的关系要像介面一样被明确宣告,而不是靠默契。
把一个应用拆成一组各自独立上线的服务,于是部署与扩充的单位变小。
网路分区发生时,一致与可用只能选一个。
规模上来之后,维持一个全域统一的正典模型会让那个模型变成瓶颈。
把模型的记忆拆成两层:压在权重里的,与生成当下才去取的。
幻觉是生成流畅却不忠于来源或不知所云。
忠实问的是这段话有没有被来源支持,事实问的是它对世界是不是真的。
Walters 与 Wilder(2023)量测 ChatGPT 产生的虚构引用:格式完整逼真,而它指向的东西不存在。
本书架有多页写到某种失效不会自己报错。见「不重复原则」「单一真相来源」「事件溯源」「命令查询职责分离」「领域驱动设计」「检索增强生成」「生成幻觉」「虚构引用」。
其中三种做法,各页写明了采用之后失效移到哪里。指定一处为准:问题由「哪一份才对」移到「指过去的那些引用还对不对」,而那些引用改了名、搬了位置也不会报错。见「单一真相来源」。另做一份给人读的投影:投影会落后于原件,落后本身不发出讯号。见「命令查询职责分离」。让模型先检索再作答:品质的上限由模型记得多少,移到检索库有多好;取回错的段落时,输出照样流畅,往往看不出来。见「检索增强生成」。
另有两页写明,对齐到一处并不保证那一处是对的。「不重复原则」写明这条原则不承诺正确,那一处若错,错误只会更一致。「忠实性与事实性」写明,来源本身错时,如实复写仍判为忠实。
边界方面,三页都把时间写进判准。「微服务」转述同作者的忠告:先在单体里找到稳定边界,再拆。「团队拓扑」写明高频共探属于发现期,边界摸清之后应该降级。「模组化与薄切面」写明往来成本会变,边界要定期重估。
本书架据此整理出两项结论。第一,采用上述三种做法的任何一种之后,要另排一个固定的查核动作:验引用,替投影标上生成时间,逐句核对输出是否为出处所说。对来源本身的查核是另一件事,这几种结构都不代劳。第二,边界未摸清之前先不切,切了之后隔一段时间重估。两项结论不是任何一份文献的原话。
一种结构到了哪一点就该换成另一种,本书架各页给的是方向与问句,没有数值。「单一真相来源」与「资料网格」只写到领域数量与变更速度「超过某个点」。「模组化与薄切面」写明原文没有给操作化的指标。「团队拓扑」写明何时降级要靠判断。「康威定律」写明这条定律有多准,该页答不了。
本书架多数页面的来源是业界书、部落格文章与作者自行发布的文件,没有经过同侪审查,各页已分别标明。「康威定律」一页载有一项 2012 年的量化研究,本站只核到摘要,不转述其强度。
「当读写两端都是模型」一段四页的主要文献发表于 2020 年至 2023 年。「虚构引用」写明,该页两个比率绑定那项研究、那两个模型版本与 2023 年的量测时点,不能直接当作今天模型的数字。「生成幻觉」写明幻觉目前只能收窄,不能假设已经归零。
各页把软体系统的结构用到个人的知识工作与模型协作上,属于本站的类推,这些文献没有检验过。「团队拓扑」与「资料网格」两页并写明,其做法针对多个团队或大规模组织,个人只借用得到其中一部分。
开架通知只在新书架开架或阅读规则变更时寄出。