参考文献索引
全书 12 章共 61 节正文中「## 参考资料」小节的链接，经脚本自动提取（解析 Markdown 链接语法）→ 按 URL 去重 → 按主题分组后汇总如下：共扫描 61 个文件、265 条引用，去重后收录 128 条唯一链接。「出现章节」列出引用该链接的章节，可反查引用位置；同一链接被多章引用时合并为一行。
生成日期：2026-09-12
FDE 岗位、公司案例与行业报道（71 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | A Day in the Life of a Palantir Forward Deployed Software Engineer | Palantir 官方博客，FDSE 一日工作实录，理解岗位日常的第一手材料。 | Ch1 进场判断 | 打开 |
| 2 | Agentic AI的"基建时刻"——从SaaS到RaaS — 界面新闻 | 从 SaaS 到 RaaS 的商业模式演进报道。 | Ch1 进场判断 | 打开 |
| 3 | AI advancing faster than expected as AIG builds multi-agentic solution - Reinsurance News | AIG 多智能体方案与核保指标变化的后续报道 | Ch2 进场诊断 | 打开 |
| 4 | AI is Rewriting Enterprise Software Pricing — The Codew | Gartner 对 2030 年 40% 软件支出转向用量/结果计价的预测及行业案例汇总 | Ch10 验收与归因 | 打开 |
| 5 | AI 来袭，神策数据说：要先做更落地的事 — 36氪专访 | 桑文锋对"不盲目承诺效果"的表态，OLA 边界的厂商视角 | Ch10 验收与归因 | 打开 |
| 6 | AIG Investor Day 2025 | AIG 投资者日：大型企业如何用统一数据基础支撑 AI 承保（案例详见 2.5 节） | Ch2 进场诊断 | 打开 |
| 7 | AIG: Turning One Human Underwriter Into Five - Carrier Management | AIG 案例：AI 部署如何横跨承保、理赔多个干系人职能（详见 2.5 节） | Ch2 进场诊断 | 打开 |
| 8 | Airbus launches Skywise（新闻稿） | 2017 年 Skywise 发布的原始报道：数据源清单（工单/备件/构型/传感器/航班计划）与"开放数据平台"定位。 | Ch5 本体与语义层、Ch11 复盘与沉淀 | 打开 |
| 9 | Anthropic to triple international workforce in global AI push - CNBC | CNBC 报道：Anthropic 2025 年将 Applied AI 团队扩大五倍 | Ch2 进场诊断 | 打开 |
| 10 | Anthropic 官方客户故事：Novo Nordisk | 临床文档生产从 10+ 周缩短到 10 分钟、器械验证资源降低 95% 的一手披露来源 | Ch6 数据安全质询、Ch7 变更与评估 | 打开 |
| 11 | As Klarna flips from AI-first to hiring people again — Fortune | Fortune 报道 Klarna 2025 年回摆 hiring 人类客服，说明"全自动放权"被收回的真实案例，与本节放权-回退机制互证。 | Ch8 建议到执行 | 打开 |
| 12 | Building a new enterprise AI services company - Anthropic | Anthropic 官方新闻稿：Applied AI 工程师与客户团队并肩工作的驻场模式 | Ch2 进场诊断 | 打开 |
| 13 | Escaping the Cargo Cult — Palantir Blog | Palantir 官方博客，"forward-deployed engineer"一词的诞生地。 | Ch1 进场判断 | 打开 |
| 14 | FDE: Has the call for career transformation in the AI era already sounded? | 行业媒体对 FDE 热潮的分析 | Ch12 结业与就业 | 打开 |
| 15 | Forward Deployed Engineer (FDE) - SF — OpenAI Careers | OpenAI 商业侧 FDE 岗位描述，与 Gov 版对照读出能力侧重差异 | Ch12 结业与就业 | 打开 |
| 16 | Forward Deployed Engineer Interview Guide: Questions, Rounds, and Preparation | FDE 面试的方法与追问结构，与答辩质询环节同构 | Ch12 结业与就业 | 打开 |
| 17 | Forward Deployed Engineer, Applied AI — Anthropic (General Catalyst Job Board) | 含 20-30 万美元年薪区间的招聘信息镜像。 | Ch1 进场判断 | 打开 |
| 18 | Forward Deployed Engineer, Applied AI — Anthropic (Greenhouse) | Anthropic 官方 JD：职责与要求的原文本。 | Ch1 进场判断 | 打开 |
| 19 | Forward Deployed Engineer, Gov — OpenAI Careers | OpenAI 官方 JD，FDE 职责的一手描述，用于能力-岗位匹配 | Ch12 结业与就业 | 打开 |
| 20 | Forward Deployed Engineers - SVPG | Marty Cagan 团队分析 FDE 模式为何需要直接接触客户的用户、干系人和数据 | Ch2 进场诊断 | 打开 |
| 21 | How Incident SLAs Work: Priority, Uptime, and Credits | SLA 条款拆解：P1-P4 分级、可用性换算成停机时长、赔付结构，To B 常识部分的事实来源。 | Ch8 建议到执行 | 打开 |
| 22 | How Palantir Invented the Forward Deployed Engineer Model - FDE Academy | FDE 模型的起源分析，解释"驻场深度理解问题"的传统 | Ch2 进场诊断 | 打开 |
| 23 | Klarna AI assistant handles two-thirds of customer service chats in its first month | Klarna 官方新闻稿：AI 客服首月 230 万次对话、承担三分之二客服会话，企业级 AI 结果导向的标杆案例。 | Ch1 进场判断 | 打开 |
| 24 | Klarna AI assistant handles two-thirds of customer service chats in its first month | Klarna 官方新闻稿，本节及 8.5 案例的核心事实来源（首月 230 万次对话等）。 | Ch8 建议到执行 | 打开 |
| 25 | Klarna Reverses AI-Only Customer Service Push, Rehires Humans — The Ledger | 回摆事件的时间线与背景梳理（二手来源，用于交叉核对）。 | Ch8 建议到执行 | 打开 |
| 26 | Klarna's AI assistant does the work of 700 full-time agents — OpenAI | OpenAI 官方案例页：同一个 Klarna 案例的厂商侧叙述，适合对比双方口径。 | Ch1 进场判断、Ch8 建议到执行 | 打开 |
| 27 | Manager, Forward Deployed Engineering — Anthropic | FDE 管理岗 JD，可见团队已层级化。 | Ch1 进场判断 | 打开 |
| 28 | Mastering Behavioral Interviews: Complete STAR Method Guide | 行为面问题结构，答辩陈述环节的表达框架来源 | Ch12 结业与就业 | 打开 |
| 29 | Morgan Stanley AI: 98% of Advisor Teams on GPT-4 | Morgan Stanley 助手演进（检索→Debrief）的案例汇总 | Ch11 复盘与沉淀 | 打开 |
| 30 | Morgan Stanley uses AI evals to shape the future of financial services | OpenAI 官方博客：Morgan Stanley 超过 98% 理财顾问团队活跃使用 AI 助手。 | Ch1 进场判断、Ch7 变更与评估、Ch11 复盘与沉淀 | 打开 |
| 31 | Novo Nordisk Claude Code case study | Anthropic 官方案例：客户驻场式交付带来的文档流程改造（详见 2.5 节） | Ch2 进场诊断 | 打开 |
| 32 | OpenAI Confirms Deployment Company Launch With More Than $4 Billion Backing — Pulse2 | 对官方公告的独立转述与细节核对。 | Ch1 进场判断 | 打开 |
| 33 | OpenAI Deployment Company — OpenAI Business | 部署公司官方页面，含诊断驱动的典型交付流程描述。 | Ch3 需求与SOW | 打开 |
| 34 | OpenAI Forward Deployed Engineer: Role, Skills, and Salary Guide | FDE 角色技能拆解的行业视角，复评维度的外部参照 | Ch12 结业与就业 | 打开 |
| 35 | OpenAI just acquired the consulting firm it was born alongside — The Next Web | 分析文章：明确指出 OpenAI 在复制 Palantir 的 FDE 模式。 | Ch1 进场判断 | 打开 |
| 36 | OpenAI launches the OpenAI Deployment Company | OpenAI 官方公告：40 亿美元初始投资、19 家投资伙伴、收购 Tomoro 带来约 150 名 FDE。 | Ch1 进场判断、Ch3 需求与SOW、Ch4 数据诊断与demo | 打开 |
| 37 | OpenAI 官方数据使用政策（Enterprise Privacy） | OpenAI 官方关于企业数据不用于默认训练与保留期的说明 | Ch6 数据安全质询 | 打开 |
| 38 | OpenAI狂砸40亿美刀下场抢FDE — 36氪 | 中文报道：Tomoro 收购与 FDE 人才争夺的中文视角。 | Ch1 进场判断 | 打开 |
| 39 | Palantir and Airbus Extend Strategic Collaboration | Palantir 投资者关系公告，现场定制经验产品化为 Skywise 平台并持续扩展的一手披露 | Ch11 复盘与沉淀 | 打开 |
| 40 | Palantir and Airbus Extend Strategic Collaboration（Palantir IR 新闻稿，2026-02） | 多年续约、50,000+ 用户、主权云迁移条款的官方口径。 | Ch5 本体与语义层 | 打开 |
| 41 | Palantir DevCon | Palantir 官方活动页，含 AIP Evolve x Tampa General 专题（AI 生成利用率审查成本削减近 70%、患者出院 Agent 在护士审批处暂停的演示）。 | Ch9 生产级硬化 | 打开 |
| 42 | Palantir Forward Deployed Software Engineer Interview Guide | 前置部署模式的工程文化分析，含定制化与可扩展性张力的讨论 | Ch11 复盘与沉淀、Ch12 结业与就业 | 打开 |
| 43 | Palantir Foundry Ontology 产品页 | 本体作为企业操作系统语义层的整体设计理念 | Ch2 进场诊断、Ch5 本体与语义层 | 打开 |
| 44 | Palantir Foundry Ontology 官方文档 | 单一事实来源与本体语义层的工业级实践（与"三口径"问题呼应） | Ch2 进场诊断、Ch5 本体与语义层 | 打开 |
| 45 | Palantir Foundry：Action Types | Action 的严格定义：对对象/属性/链接的真实变更，提交后反映到所有应用 | Ch2 进场诊断 | 打开 |
| 46 | Palantir Foundry：Explore action types | Action 类型的规则种类（创建/修改/删除对象、管理链接、Webhook 回写）官方说明。 | Ch5 本体与语义层 | 打开 |
| 47 | Palantir Impact: Airbus and Skywise（官方案例页） | A350 五百万零件、四国八厂的挑战描述与 Skywise 定位的一手来源。 | Ch5 本体与语义层 | 打开 |
| 48 | Palantir Q1 2025 Earnings Call | Palantir 2025 一季度财报电话会记录，Tampa General 脓毒症监测自动化部署的公开陈述（二手交叉来源）。 | Ch9 生产级硬化 | 打开 |
| 49 | Palantir's Skywise: the Runway to Monopolize the Sky | Skywise 如何把定制部署经验平台化，反衬"定制泥潭"的商业代价 | Ch11 复盘与沉淀 | 打开 |
| 50 | Palantir-Airbus Partnership Overview（Palantir 官方 PDF） | A350 交付加速 33%、100+ 航司接入、平台价值估算的官方合作资料。 | Ch5 本体与语义层 | 打开 |
| 51 | Sensors Data 神策数据 — 全链路用户行为分析 | 国内数据服务商对"数据接入前的口径与埋点治理"的实践，与本章诊断动作互为印证。 | Ch4 数据诊断与demo | 打开 |
| 52 | Tampa General Hospital Selects Palantir's AI Software to Power Connected Care Coordination — TGH 官方新闻稿 | TGH 官网新闻稿（2024-06-05），83%/28%/30% 核心数字与 2021 年合作起点的一手来源。 | Ch9 生产级硬化 | 打开 |
| 53 | Tampa General Hospital Selects Palantir's AI Software... — Palantir 投资者关系页 | Palantir 官方（IR）同步发布，含 Alex Karp 与 John Couris 引语的官方版本。 | Ch9 生产级硬化 | 打开 |
| 54 | The AI Was the Easy Part: What is a Forward Deployed Engineer for Supply Chain? — Samir Saci | 米兰零售商案例作者原文：FDE 的第一件事是让各方对定义达成一致，而不是先调模型。 | Ch3 需求与SOW、Ch4 数据诊断与demo、Ch5 本体与语义层 | 打开 |
| 55 | The EDA Primer: From RTL to Silicon — SemiAnalysis | 半导体验证工程背景：验证占项目总投入最高可达 70%，复杂度年增 50% vs 生产力年增 20% 的剪刀差。 | Ch3 需求与SOW | 打开 |
| 56 | The Forward Deployed Engineer Career Path | FDE 职业路径分析，能力项与长期发展的映射背景 | Ch12 结业与就业 | 打开 |
| 57 | What Fleet Data Actually Reveals About Aviation AI Maturity in 2026 | 不同行业数据成熟度差异的背景阅读，迁移分析的行业校准素材 | Ch11 复盘与沉淀 | 打开 |
| 58 | What is a Forward Deployed Engineer in a Supply Chain? — Towards Data Science | FDE 视角的数据现实："干净的表是输出，不是输入"。 | Ch4 数据诊断与demo | 打开 |
| 59 | What Is a Good NRR for SaaS? | 无移交路径失败最终在续约/NRR 指标上显形的量化背景 | Ch11 复盘与沉淀 | 打开 |
| 60 | What Is Net Revenue Retention (NRR)? | 复盘产出与 To B 售后指标衔接的背景阅读 | Ch11 复盘与沉淀 | 打开 |
| 61 | ZenML LLMOps Database：OpenAI Forward Deployed Engineering | 对该访谈的整理，含 Morgan Stanley 案例的时间结构与信任积累描述 | Ch7 变更与评估 | 打开 |
| 62 | 从单品到矩阵，神策的"数据便利店"开张了 — 36氪 | 订阅制收费、付费客户超 1000 家的公开数据点 | Ch10 验收与归因 | 打开 |
| 63 | 从卖工具到卖效果：RaaS如何重塑To B市场格局？ — 知乎 | RaaS（按效果付费）模式与结果归因的分析文章。 | Ch1 进场判断 | 打开 |
| 64 | 从客服到客户成功：SaaS 增长的真正起点 | 36 氪对国内 To B 项目"交付后死亡"现象的分析，F6 无移交路径的国内样本 | Ch11 复盘与沉淀 | 打开 |
| 65 | 客户成功：它是什么，为什么它很重要以及如何实现它 | 结业后进入 To B 岗位的客户成功语境背景 | Ch12 结业与就业 | 打开 |
| 66 | 小白也能看懂：FDE岗位年薪百万 — 知乎/中新经纬 | FDE 岗位数量 42 倍增长、国内外薪资区间的媒体报道。 | Ch1 进场判断 | 打开 |
| 67 | 硅谷最火的新岗位，划出了AI时代职场的斩杀线 — 36氪 | FDE 岗位在国内外的招聘现状与趋势报道。 | Ch1 进场判断 | 打开 |
| 68 | 神策数据 CEO 桑文锋：服务了超 1000 家公司，我发现了 ToB 的一个秘密 — 新浪科技转载（混沌大学） | 私有化+订阅制、"只签一年、不卖期货"的商业模式自述 | Ch10 验收与归因 | 打开 |
| 69 | 神策数据 Sensors AI 产品发布会报道 — 极客公园 | 神策"从交付软件到交付工作量再到交付结果"的战略表述 | Ch10 验收与归因 | 打开 |
| 70 | 神策数据官网 | 国内数据分析与营销科技厂商（本节行为层指标的产业背景，详见 10.5 案例） | Ch10 验收与归因 | 打开 |
| 71 | 联想复盘法首度完全解密 | 极客公园对沈磊《复盘》一书的解读，复盘方法论 3.0 的中文一手来源 | Ch11 复盘与沉淀 | 打开 |
咨询方法、合同与商业指标（17 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | About North Star Framework — Amplitude | 北极星框架官方文档：指标是结果而非产出，不应能被直接操纵。 | Ch3 需求与SOW | 打开 |
| 2 | DSO（应收账款周转天数）实用指南 — beancount.io | DSO 公式、实例与现金流影响的计算方法 | Ch10 验收与归因 | 打开 |
| 3 | Every Product Needs a North Star Metric: Here's How to Find Yours — Amplitude | 北极星指标框架的提出方之一，讲指标如何代表客户价值。 | Ch3 需求与SOW、Ch10 验收与归因 | 打开 |
| 4 | Fin Pricing — Intercom（官方定价页） | 按 outcome 计费（$0.99/次）的最激进效果定价实践 | Ch10 验收与归因 | 打开 |
| 5 | How to Write a Solid Statement of Work — Icertis | 合同科技公司的 SOW 指南：明确责任边界与预期结果。 | Ch3 需求与SOW | 打开 |
| 6 | Llama Guard 3 — Meta 官方模型卡 | Meta 官方文档：输入/输出双向分类、安全类别体系、prompt 格式。 | Ch9 生产级硬化 | 打开 |
| 7 | Llama Guard — Meta PurpleLlama 模型卡 | Meta 开源仓库模型卡，Llama Guard 作为输入输出防护模型的原始定义。 | Ch9 生产级硬化 | 打开 |
| 8 | Minimum Wages and Employment — NBER Working Paper 4509（Card & Krueger） | DiD 方法的经典出处：新泽西/宾州最低工资研究 | Ch10 验收与归因 | 打开 |
| 9 | Net Promoter System 商标与许可说明 — Bain & Company | NPS 的所有权归属与正规使用方式 | Ch10 验收与归因 | 打开 |
| 10 | OpenAI Pricing Documentation | OpenAI 官方定价页，token 成本核算的定价基准来源。 | Ch9 生产级硬化 | 打开 |
| 11 | Statement of Work (SOW): Definition, Process & Free Templates — Institute of Project Management | SOW 中的范围界定与范围外（exclusions）写法，取舍结果固化的参照。 | Ch3 需求与SOW、Ch4 数据诊断与demo | 打开 |
| 12 | The Effect 第 18 章 Difference-in-Differences | 因果推断教材对 DiD 与平行趋势假设的讲解 | Ch10 验收与归因 | 打开 |
| 13 | The Minto Pyramid Principle — Barbara Minto 官网 | 金字塔原理（结论先行、论据金字塔）的原始出处 | Ch10 验收与归因 | 打开 |
| 14 | The Mom Test by Rob Fitzpatrick | 用户访谈方法经典小书，"问过去不问未来"三原则的一手出处 | Ch2 进场诊断 | 打开 |
| 15 | What Makes a Good vs Bad North Star Metric — Amplitude | 北极星指标的定义与判断标准（先行指标、客户价值导向） | Ch10 验收与归因 | 打开 |
| 16 | 《数据出境安全评估办法》全文（中国法律翻译网） | 2022 年 9 月 1 日施行的出境评估规则原文 | Ch6 数据安全质询 | 打开 |
| 17 | 什么是工作说明书 (SOW)？ — SAP | SOW 要素概述：范围、时间表、交付物与验收，范围蔓延是头号失败原因。 | Ch3 需求与SOW | 打开 |
数据、本体与语义层（7 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | A simple two-step procedure using the Fellegi-Sunter model for frequency-based record linkage — PMC | Fellegi-Sunter 模型中字段频率权重的推导与应用，理解"为什么手机号权重远大于性别"。 | Ch5 本体与语义层 | 打开 |
| 2 | Cube — Semantic Layer 官方产品文档 | 定义+服务一体的开源语义层，指标 API 化消费（BI/嵌入式/AI）的工程范本。 | Ch5 本体与语义层 | 打开 |
| 3 | dbt Semantic Layer — dbt Developer Hub | "定义一次、处处复用"的指标语义层官方文档，本章语义注册思路的工程原型。 | Ch3 需求与SOW、Ch4 数据诊断与demo、Ch5 本体与语义层 | 打开 |
| 4 | Probabilistic Matching Compared to Deterministic Matching for Student Enrollment Records — IEEE | 确定性 vs 概率匹配的实证对比，含三分法（匹配/非匹配/待定）的落地讨论。 | Ch5 本体与语义层 | 打开 |
| 5 | Probabilistic Record Linkage and Deduplication after Indexing, Blocking, and Filtering — J. S. Murray (Duke University) | 系统梳理 Fellegi-Sunter 框架与分块/过滤工程实践的经典讲义。 | Ch5 本体与语义层 | 打开 |
| 6 | Prompt caching ／ OpenAI API | OpenAI 官方提示缓存指南：默认启用、前缀匹配规则、缓存输入最高 90% 折扣。 | Ch9 生产级硬化 | 打开 |
| 7 | Semantic layer, metric layer, or a hybrid solution — Metric Stack | 指标层/语义层选型的深度比较，理解口径集中管理的行业实践。 | Ch3 需求与SOW | 打开 |
Agent 与大模型技术（7 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | Anthropic: Building Effective Agents — Anthropic | Agent 工程的官方实践指南：从简单可组合的模式起步，与"范围窄链路完整"的 demo 设计原则一致。 | Ch4 数据诊断与demo、Ch5 本体与语义层、Ch8 建议到执行、Ch9 生产级硬化 | 打开 |
| 2 | Function calling ／ OpenAI API | OpenAI 官方工具调用指南，工具定义 JSON Schema 与五步调用流程的第一手说明。 | Ch8 建议到执行、Ch9 生产级硬化 | 打开 |
| 3 | MCP (Model Context Protocol) — 官方文档 | 案例中 Agent 连接供应链数据所用的开放协议，本课程底座工具注册的参照。 | Ch4 数据诊断与demo、Ch5 本体与语义层 | 打开 |
| 4 | modelcontextprotocol/servers — GitHub | 官方参考 server 实现，学习"怎么写一个干净的 MCP server"的最佳范本。 | Ch5 本体与语义层 | 打开 |
| 5 | Qwen 系列开源模型 — Hugging Face | 阿里通义千问官方开源仓库，多尺寸权重适配不同算力条件。 | Ch9 生产级硬化 | 打开 |
| 6 | Tools - OpenAI Agents SDK | OpenAI Agents SDK 官方文档，工具命名空间、函数工具包装的工程实践。 | Ch8 建议到执行 | 打开 |
| 7 | 多智能体架构在零售供应链运营中的实践 — AWS 技术博客 | 零售场景多源系统数据不一致的工程处理实践，印证"系统边界是脏数据产地"。 | Ch4 数据诊断与demo | 打开 |
评估与实验方法（4 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | OpenAI Evals 指南（官方文档） | OpenAI 官方评估方法论：定义任务、跑测试输入、分析结果迭代，本节对比实验可视为其最小实现 | Ch6 数据安全质询、Ch7 变更与评估 | 打开 |
| 2 | openai/evals（GitHub） | OpenAI 开源评估框架，私有评估集（不公开数据）构建的参照实现 | Ch6 数据安全质询、Ch7 变更与评估 | 打开 |
| 3 | Practical guide to controlled experiments on the web — ACM | 上文的 ACM 正式版，A/B 测试与可信实验的奠基文献 | Ch10 验收与归因 | 打开 |
| 4 | Practical Guide to Controlled Experiments on the Web（Kohavi 等） | 微软在线受控实验指南：相信实验数据而非 HiPPO | Ch10 验收与归因 | 打开 |
生产部署、可观测与成本（10 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | Argo Rollouts — Progressive Delivery for Kubernetes | 开源渐进式交付控制器文档，setWeight 分步放量与指标分析自动回退。 | Ch9 生产级硬化 | 打开 |
| 2 | DeepSeek-V3 / R2 开源模型 — Hugging Face | DeepSeek 官方开源权重仓库，国产模型私有化部署选型的第一手来源。 | Ch9 生产级硬化 | 打开 |
| 3 | Feature Toggles (Feature Flags) — Martin Fowler | Martin Fowler 官方文章，功能开关的四类分类与生命周期管理，配置化灰度的理论底座。 | Ch9 生产级硬化 | 打开 |
| 4 | GPTCache — Zilliz 开源语义缓存 | 语义缓存的参考开源实现，README 含误报/漏报风险的官方说明。 | Ch9 生产级硬化 | 打开 |
| 5 | OpenTelemetry Documentation | CNCF 官方文档，trace/span/attributes 语义与 OTLP 协议，三支柱的技术底座。 | Ch9 生产级硬化 | 打开 |
| 6 | Progressive Delivery: Canary, Blue-Green, and Feature Flags — System Design Space | 灰度/金丝雀/功能开关的系统化综述，含 Argo Rollouts、Flagger 的自动化回退机制。 | Ch9 生产级硬化 | 打开 |
| 7 | Prompt Caching — Anthropic Docs | Anthropic 官方缓存文档：显式缓存标记、写入与读取定价（读取为标准输入价 0.1 倍）。 | Ch9 生产级硬化 | 打开 |
| 8 | Trace with OpenTelemetry — LangSmith Docs | LangSmith 官方 OTLP 接入指南，LLM 场景 trace 属性（模型、token 数、输入输出）的工程实现。 | Ch9 生产级硬化 | 打开 |
| 9 | vLLM Documentation | 开源推理引擎官方文档，私有化部署的吞吐、量化与部署实践，支撑"按客户实际算力验证"。 | Ch9 生产级硬化 | 打开 |
| 10 | Yahoo Finance：OpenAI exec explains how his team helps companies move from AI hype to adoption | OpenAI 前向部署工程负责人 Colin Jarvis 访谈：6-8 周技术 + 约 4 个月信任打磨的出处 | Ch7 变更与评估 | 打开 |
安全、合规与隐私（12 条）
| # | 标题 | 一句话说明 | 出现章节 | 链接 |
|---|---|---|---|---|
| 1 | Anthropic: Connect Claude Code to tools via MCP | 官方对 MCP 集成模式、传输方式（stdio/HTTP）与安全注意事项的说明。 | Ch5 本体与语义层 | 打开 |
| 2 | GB/T 22239-2019《信息安全技术 网络安全等级保护基本要求》解读 | 等保 2.0 标准内容与 2019-12-01 施行要点的权威整理 | Ch6 数据安全质询 | 打开 |
| 3 | GDPR 官方文本（EUR-Lex） | 第 4 条定义了匿名化与假名化的法律区分，脱敏方案的国际法参照 | Ch6 数据安全质询 | 打开 |
| 4 | Microsoft Presidio（GitHub） | 微软开源的 PII 识别与匿名化框架，脱敏工程的基础工具之一 | Ch6 数据安全质询 | 打开 |
| 5 | NeMo Guardrails ／ NVIDIA Developer Docs | NVIDIA 官方护栏文档，生产级"输入/输出护栏 + 自定义动作"分层与安全审查维度互证。 | Ch9 生产级硬化 | 打开 |
| 6 | OWASP Cheat Sheet Series: MCP Security | 工具投毒、Rug Pull、跨服务器干扰等风险与最小暴露、人工确认等缓解措施的权威清单。 | Ch5 本体与语义层 | 打开 |
| 7 | OWASP GenAI Security Project | OWASP 官方 GenAI 安全项目，LLM 应用数据安全风险与缓解措施的权威社区参考 | Ch6 数据安全质询 | 打开 |
| 8 | OWASP LLM and Gen AI Data Security Best Practices | OWASP 官方数据安全最佳实践指南，纵深防御与最小权限原则的落地参考 | Ch6 数据安全质询 | 打开 |
| 9 | OWASP Top 10 for LLM Applications 2025 | LLM02 敏感信息披露风险及缓解措施，脱敏是其中的核心控制之一 | Ch6 数据安全质询、Ch7 变更与评估、Ch8 建议到执行、Ch9 生产级硬化 | 打开 |
| 10 | PostgreSQL 行级安全（RLS）文档 | 数据库层行/列级控制的官方实现参照，多种主流数仓均有等价能力 | Ch6 数据安全质询 | 打开 |
| 11 | 个人金融信息保护技术规范 JR/T 0171—2020 解读 | 海问律所对央行 C1/C2/C3 分级及金融数据防护要求的解读 | Ch6 数据安全质询 | 打开 |
| 12 | 数据出境安全评估办法（国家网信办，2022 年 9 月 1 日施行） | 网信办官网相关法规页，数据出境制度的法定依据 | Ch6 数据安全质询 | 打开 |
**合计：128 条去重后的唯一链接。**若某条引用在正文中被多处使用，此处仅保留一行并合并出现章节。