1. 视觉回归的价值 通过比对“基线截图”与“当前截图”的差异，发现 UI 偏移、样式回归与意外变更，补齐单元测试的盲区。 2. 项目初始化

RAG（Retrieval-Augmented Generation） 将“外部知识检索”与“生成式模型”结合，兼顾准确性与可追溯性，适用于企业知识库问答、报表问答、复杂检索答疑等场景。 一、

1. 召回的上限与数据质量 切分策略与重叠对召回的影响；去重/模板化清洗减少噪声。

1. Embedding 选择与对比 通用/中文/领域模型对比；维度、速度与成本权衡。

1. 脱敏与分级字段级、模式级、上下文级脱敏；数据分级与访问策略。2. ACL 与 RLS检索阶段的权限过滤；数据库行级安全（RLS）配合 pgvector。3. 回答约束不可披露信息拒答；引用可追溯保障不越权。

1. 检测信号提示绕过、安全拒答失败、异常模式输出等。多级评分器：规则 + 小模型判别 + 人审抽样。2. 自动化处置降级/拒答；替换为安全模板；冻结会话。速率限制与黑名单；隔离高危来源。3. 复盘与改进样例沉淀为回归集；提示/工具/策略迭

1. PII/DLP 策略识别：正则 + 词典 + 小模型判别。处理：掩码、替换或拒答；保留证据以备审计。2. 输出约束Schema/正则/判别器；引用可追溯；敏感时拒答。3. 审计与留痕日志与样例存档；定期复测与策略调优。

1. 凭据管理密钥分环境/分权限；短期凭据；KMS/Secrets 管理。2. 权限最小化细粒度授权；关键操作双因子与人工确认。3. 审计留痕结构化记录参数/结果/耗时/操作者；可回放日志。

1. 样例采集真实流量与公开集；敏感策略与红队技巧。2. 对抗生成自动化生成攻击样例；多模板覆盖；多语言与变体。3. 评分与回归判别器/评分器；基线与趋势；发布门禁。

1. 架构与组件 OTel 采集层 → Collector → Tempo/Prom/Loki 后端。