别等模型说完再解析：Node.js 流式结构化输出的增量解析
不必等模型输出结束。本文介绍用 Node.js 增量解析流式 Structured Output，边收边校验并消费已闭合字段，降低首包到可用数据的延迟。
<tag />
#AI 工程
标签「AI 工程」下共有 44 篇文章，第 2 / 4 页。
实时语音智能体状态机：处理打断、轮次与音频背压
从全双工并发问题出发，用可运行的 TypeScript 状态机处理用户插话、过期响应、播放背压与异常恢复。
多代码智能体并行开发：用 Git Worktree 隔离与回收变更
从工作区污染和并发冲突出发，搭建包含任务分支、独立环境、自动验收、串行合并及失败清理的智能体开发流水线。
别让 AI 值班变成盲目执行：用 Node.js 构建证据驱动的止损闭环
通过证据采集、只读检查、分级止损和人工接管，构建一套可审计、可回放的 Node.js 智能故障诊断流程。
AI 应用也需要供应链清单：统一追踪模型、提示词与工具版本
用 Node.js 建立可哈希、可审计的 AI 运行时清单，记录模型、提示词、工具、Schema 与依赖，并在请求和发布时阻止未授权变更。
别让模型差异渗进业务代码：TypeScript LLM Provider 适配层实战
从流式事件、工具调用、Token 用量和结束原因出发，设计稳定的 TypeScript 内部接口，并用能力矩阵与契约测试降低模型替换成本。
智能体不该拿长期密钥：用 Node.js 构建短期凭证代理
通过一个可运行的 GitHub 凭证代理，实践按任务签发、权限收窄、审计关联、自动过期与紧急吊销。
别让 AI 任务队列变成黑盒：Node.js 租约、重试与死信实战
从状态机、消费者租约和心跳续租出发，实现一个可诊断、可回收并支持死信处理的 Node.js AI 任务队列。
AI 编程会话如何留痕：用 Git Notes 构建可追溯提交
将代码提交与 AI 会话证据解耦，再用 Trailer、Git Notes 和 CI 构建证明形成可验证的审计链路。
AI 生成代码如何进入主干：用 Diff、测试与风险门禁建流水线
从提交、审查到合并，建立基于变更范围、文件类型和风险信号的测试选择与阻断机制，让 AI 生成代码可审计、可回滚地进入主干。
智能体数据不是日志越多越好：用 TypeScript 构建轨迹清洗与质量分层流水线
从真实智能体运行日志出发，处理失败污染、近重复、敏感信息与结果偏置，建立可解释评分和版本化数据集，为微调、提示词优化与离线评测提供可靠样本。
别让工具结果撑爆上下文：用 Node.js 构建分页、摘要与引用保留层
通过 Node.js 为工具返回结果增加分页、字段裁剪、日志摘要和可回取引用，在控制上下文体积的同时保留可验证的证据链。