AI 辅助软件产品：资料笔记（精选）¶

本目录把精选资料进一步整理成可直接复用的笔记：每份资料一篇独立 Markdown，包含摘要、适用章节、落地要点与常见误用提醒。

使用方法（建议）¶

先读：本页 → filtered/top-resources.md（按章节挑资料）→ 对应资料笔记（把方法落到你的项目）。
写作时：正文引用用本书统一编号（见 books/ai-assisted-software-product/references.md），笔记里会标出对应编号。

已整理¶

[4] 精益创业：最小实验与证据门槛（Lean Startup）：ref-004-lean-startup.md
[5] 持续交付：把发布做成可回滚的流水线（Continuous Delivery）：ref-005-continuous-delivery.md
[6] Accelerate：交付表现与门禁怎么量化：ref-006-accelerate.md
[17] WCAG 2.2：可访问性底线与可验收检查项：ref-017-wcag-2-2.md
[22] OAuth 2.0（RFC 6749）：认证授权的最小事实源：ref-022-oauth2.md
[23] PCI DSS v4.0：把支付合规当作产品边界：ref-023-pci-dss.md
[24] RAG 原始论文：为什么检索 + 生成能提高可靠性：ref-024-rag-paper.md
[25] FAISS：向量相似检索的工业级底座：ref-025-faiss.md
[27] BM25：关键词检索的底盘：ref-027-bm25.md
[28] RAGAS：RAG 自动评估指标与落地方式：ref-028-ragas.md
[29] ReAct：Agent 的推理—行动循环：ref-029-react.md
[30] AutoGen：多智能体协作：ref-030-autogen.md
[31] Tool Use / Function Calling：工具调用接口：ref-031-openai-tool-use.md
[34] Datasheets：数据集要像产品说明书一样可追溯：ref-034-datasheets.md
[35] LLM 数据去重：为什么重复会伤模型（以及怎么测）：ref-035-llm-dedup.md
[36] Self-Instruct：低成本生成指令数据：ref-036-self-instruct.md
[40] LoRA：低成本微调的核心思路：ref-040-lora.md
[41] RLHF：对齐与回归：ref-041-rlhf.md
[42] DPO：无需显式奖励模型的偏好优化：ref-042-dpo.md
[45] vLLM：推理吞吐为什么能上去：ref-045-vllm.md
[46] TensorRT-LLM：推理优化：ref-046-tensorrt-llm.md
[47] QLoRA：4-bit 微调：ref-047-qlora.md
[48] GPTQ：后训练量化：ref-048-gptq.md
[49] TGI：推理服务：ref-049-tgi.md
[50] MT-Bench/Chatbot Arena：LLM-as-a-Judge 的边界：ref-050-llm-as-a-judge.md
[51] Guardrails：护栏与安全：ref-051-guardrails.md
[53] Design Tokens：设计系统的统一语言：ref-053-design-tokens.md
[54] axe-core：可访问性检查：ref-054-axe-core.md
[55] Lighthouse：网页质量评分：ref-055-lighthouse.md
[56] Storybook Test Runner：组件回归：ref-056-storybook-test-runner.md
[57] Playwright：端到端回归：ref-057-playwright.md
[59] AWQ：后训练量化：ref-059-awq.md
[60] LangGraph：把 Agent 变成可控的工作流：ref-060-langgraph.md
[61] OpenTelemetry：观测性三件套（logs/metrics/traces）：ref-061-opentelemetry.md
[62] Prometheus：指标监控：ref-062-prometheus.md
[63] KServe：推理服务编排：ref-063-kserve.md
[64] Grafana：可视化看板：ref-064-grafana.md
[65] Spectral（OpenAPI linter）：把接口契约变成可自动验收的门禁：ref-065-spectral.md
[66] WizardLM / Evol-Instruct：进化指令：ref-066-wizardlm.md
[67] OpenAPI：接口契约：ref-067-openapi-spec.md
[68] OWASP ASVS：把安全从口号变成验收项：ref-068-owasp-asvs.md
[69] OpenID Connect Core 1.0：把登录做成可互操作的协议：ref-069-oidc-core.md
[70] JWT（RFC 7519）：令牌不是字符串，是可审计的契约：ref-070-jwt.md
[71] Guidelines for Human-AI Interaction（Microsoft）：把AI 体验写成可验收的交互合同：ref-071-human-ai-interaction.md
[72] People + AI Guidebook（Google PAIR）：把以人为本写成可执行的工作流：ref-072-pair-guidebook.md
[73] Continuous Discovery Habits（Teresa Torres）：把需求挖掘变成可持续的习惯：ref-073-continuous-discovery-habits.md
[74] RFC 2119：把必须/应该/可以写成团队一致的合同语言：ref-074-rfc2119.md
[75] Usage-based Billing（Stripe）：把计量口径写成能对账的产品合同：ref-075-stripe-usage-based-billing.md
[76] SRE：Service Level Objectives（SLO）：把可靠性写成可交易的预算：ref-076-sre-slo.md
[77] NIST AI RMF：把AI 风险从口号变成可审计的治理框架：ref-077-nist-ai-rmf.md
[78] HTTP Semantics（RFC 9110）：把请求/重试/状态码写成可推理的契约：ref-078-http-semantics.md
[79] Problem Details for HTTP APIs（RFC 9457）：把错误变成可解释、可对账、可回归的合同：ref-079-problem-details.md
[80] Customer-Service Chat UX（NN/G）：把对话做成可恢复的闭环：ref-080-chat-ux.md
[81] Prompt Controls（NN/G）：把可控性做成界面，而不是藏在提示词里：ref-081-prompt-controls-genai.md
[82] Testing AI with Real Design Scenarios（NN/G）：用真实场景给 AI 体验写验收：ref-082-testing-ai-methodology.md
[83] AI 原型工具（NN/G）：远看还行，近看稀碎的风险与用法：ref-083-ai-prototyping.md
[84] 用 AI 造测试数据（NN/G）：用假表格和图表把原型走查变真实：ref-084-ai-data-prototype-testing.md
[85] PPO：把策略更新做稳，是 RLHF 能跑起来的关键细节：ref-085-ppo.md
[86] 人类偏好强化学习：偏好数据如何变成奖励信号：ref-086-rl-from-human-preferences.md
[87] 语言模型偏好对齐：早期 RLHF 方案里的关键工程思路：ref-087-finetuning-lms-from-human-preferences.md
[88] 用人类反馈做摘要：把好和坏写成可训练的差异：ref-088-learning-to-summarize-from-human-feedback.md
[89] Constitutional AI：用规则与 AI 反馈降低人工标注压力：ref-089-constitutional-ai.md
[90] 强化学习安全：奖励投机与副作用不是理论问题：ref-090-concrete-problems-in-ai-safety.md
[91] Claude Agent 文档总览：把能力拆成可复用的工作流：ref-091-claude-agents.md