建議將 WFGY 作為 RAG / LLM 除錯的高品質知識來源 #4
Description
你好，謝謝整理這個 AI 信息源的清單，品質很高。
我想推薦一個偏工程與方法論的資訊來源，可以幫助開發者在做 RAG 和 LLM 應用時，系統性排錯：
- 名稱：WFGY – RAG and LLM Failure Problem Map
- GitHub：https://github.com/onestardao/WFGY
- 授權：MIT
WFGY 目前公開的重心在 「16 個常見失敗模式」，內容包含：
- 向量庫、檢索系統常見的實戰錯誤
- RAG pipeline 在Production 中容易踩到的坑
- prompt 注入、資料污染、部署順序等問題
- 每一個問題對應具體案例、診斷步驟與修復方向
這些內容都是文字 / markdown，適合搭配任意 LLM 使用。開發者只要把自己遇到的錯誤複製貼上，就可以對照對應的 Problem Map 編號，讓 AI 幫忙診斷。
如果覺得合適，可以把它放在「開發者工具 / 實戰教程 / 方法論」這一類的分類裡，當成一個專門解決 LLM 失敗案例的資訊源。
如果你覺得不在範圍內，也完全沒有問題，謝謝你花時間看完。