LLM Zoomcamp 2026 Monitoring 模块图片资产 Rollout：12 分制评分表筛选、确定性裁剪与 19 个提交的审计台账

LLM Zoomcamp 2026 Monitoring 模块图片资产 Rollout：12 分制评分表筛选、确定性裁剪与 19 个提交的审计台账

【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 👇🏼项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp

LLM Zoomcamp 2026 期 "Module 5: Monitoring" 的 14 节课依赖一套课程截图——从终端输出、Streamlit 运行状态到 Grafana 仪表盘——这些截图的全部价值在于与课程代码"逐字精确一致"。本文以该模块的图片 rollout 报告 .tmp/llm-monitoring-image-rollout.md 为主体，完整还原这套图片资产治理实践：20 个 Markdown 图片引用如何被 12 分制评分表逐一点评、18 个保留源从原始 JPEG 到确定性裁剪、Lanczos 放大的派生管线、19 个提交构成的 commit ledger，以及报告对验证结果与局限性的显式声明。读完本文，你可以把"评分表筛选 + 确定性派生 + 聚焦提交 + 可验证台账"这套方法，迁移到自己管理课程、文档或开源仓库截图资产的场景中。

1. Rollout 背景与范围：Monitoring 模块的"证据型"截图

这份 rollout 报告的作用域是cohorts/2026/05-monitoring/**。报告开篇给出盘点结果：清单中共有20 个本地 Markdown 图片引用，每一个源文件都被结合课程上下文与插图评分表（illustration rubric）逐一检查，最终18 个保留、2 个因冗余或与标题不符被移除。

理解这份报告的前提，是理解 Monitoring 模块本身：模块 README 列出的 14 节课覆盖从 RAG 助手搭建（Assistant Setup）、Streamlit 聊天应用、LLMCallRecord指标采集、PostgreSQL 持久化、Streamlit 仪表盘、用户反馈按钮、内置 LLM judge，到 Grafana 仪表盘与 Docker Compose 部署的完整在线监控链路。这些课的教学载体就是"代码 + 真实运行输出"，因此课程截图不是装饰性配图，而是与正文代码一一对应的运行时证据。这正是该模块图片治理采用如此严格标准的原因。

报告对提交粒度的要求是：每个保留的源都有一个聚焦提交（focused commit），同时包含该源的同级资产文件、Markdown 引用更新和报告条目本身；唯一的例外是一个"意外的共享仪表盘检查点"（提交9c94774），它把两个相邻的仪表盘资产装进了同一个提交。两个被移除的引用则各有对应的聚焦移除提交，其原始源文件仍被保留。

2. 筛选标准：12 分制评分表与"为什么刻意不用 imagegen"

2.1 评分格式与两个移除案例

报告中每个源都给出了形如11/12 (2,2,2,1,2,2)的评分：6 个维度、每维 2 分、满分 12 分。报告正文没有逐一展开各维度定义，但通过保留与移除案例可以清楚看到评分如何裁决：

• 移除案例一：05-database-02-timezone-aware-timestamp.jpg（8/12，判定 remove / redundant）。该帧是课程中紧随其下的 schema 代码的 GitHub 渲染副本，没有新增任何运行时状态或证据。报告指出它"尽管 caption 很具体，仍未通过 primary-question test（主问题测试）"，且源画面中还带有文本选择/光标伪影。
• 移除案例二：14-next-steps-01-grafana-dashboard-recap.jpg（5/12，判定 remove / redundant and mismatched）。画面实际内容是叠在未完成仪表盘上的Save dashboard对话框，与 caption 宣称的"dashboard recap"不符；它复用了第 12 课已完成的仪表盘证据，没有引入任何新的学习事实。

两个移除案例的共同点是：图面证据与教学主张不一致，或完全重复了正文/他课已有的证据——这正是"primary-question test"在起作用的场景。

2.2 为什么刻意不使用 imagegen

报告明确写道：imagegen 能力当时可用，但这 20 个源没有一个是"有界的解释性示意图"（bounded explanatory diagram）——它们全部是精确代码、终端输出、Streamlit 状态、图表或 Grafana UI。一旦用生成式图像替换，其中的文本或数字就有可能被改变，从而篡改课程的证据。因此 imagegen 被刻意弃用，18 个保留源全部改走"确定性裁剪 + Lanczos 放大"路线。

这条原则值得单独强调：当一张图的价值恰恰来自其逐字内容（代码、数值、控件标签）时，只有确定性派生（deterministic crop）是可接受的变换，任何会改动像素语义的生成式手段都不应采用。

一个边界说明：从 cohorts/2026/05-monitoring/images/ 目录看，第 10、11、13 课确实各有一张独立制作的-imagegen.png解释性示意图（如 13-docker-compose-01-service-topology-imagegen.png 的服务拓扑图），但它们不属于本次报告审计的 20 个本地引用，不在本报告范围内。

3. 资产派生管线：原始 JPEG → 确定性裁剪 → Lanczos 放大

报告声明的派生管线是："18 个保留源使用确定性裁剪与 Lanczos 放大，全部 20 张原始 JPEG 均被保留"，裁剪坐标以源图像素表示，格式为WIDTHxHEIGHT+X+Y。

当前仓库的 images/ 目录印证了三件套文件谱系：每个保留源都有.jpg（原始录屏帧）、-cropped.png（确定性裁剪结果）和-crisp.png（放大后的清晰版本）三种文件，且课程 Markdown 现在引用的是-crisp.png变体——例如 01-intro.md 中引用images/01-intro-02-ragbase-pipeline-code-crisp.png。这与报告"18 个保留引用全部解析到存在的同级 PNG"的验证结论一致。

从决策表的裁剪坐标可以归纳出三组高频裁剪预设（从报告数据观察所得，而非报告原文声明）：

裁剪的取舍规则在每行决策中反复出现：移除浏览器外框（browser chrome）、录课摄像头瓦片（webcam tile）、侧边栏与 Zoom 水印；保留精确的命令、输出、UI 标签与面板数值。报告同时诚实记录了边界情形：02-assistant-04的长终端行在裁剪后仍然被画面边缘截断；04-metrics-05的底边保持截断；07-streamlit-dashboard-04保留了原生的图表 tooltip/光标状态、08-user-feedback-06与14-next-steps-02保留了原生文本选择——凡去除这些原生 UI 状态会损伤代码、标签或数值的地方，一律保留并在对应行中显式注明。

4. Per-source 决策表（全量继承自报告）

以下是报告Per-source decisions一节的全部 20 行记录，未做删减：

5. Commit Ledger：19 个提交的审计台账

报告为本次 rollout 维护了一份完整的提交台账，共 19 条记录（17 个裁剪提交——其中9c94774为合并检查点，含两个相邻仪表盘资产——加 2 个移除提交）：

Commit	内容
76ca2dd	RAG pipeline code crop
43c2baa	Makefile and terminal crop
5f4a857	browser chat result crop
1a23cd1	printed metrics call record crop
47ad89e	Streamlit metrics crop
74c1692	redundant schema screenshot removal
5bbcd66	database initialization crop
9abfdd6	saved PostgreSQL row crop
3e64fcf	database query output crop
9c94774	dashboard chart and overview crops (combined checkpoint)
812ea38	feedback buttons crop
e4e9c68	feedback confirmation crop
5e1ce71	judge output crop
c0eb0a5	Grafana contenteditable="false">【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 👇🏼项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp 创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！ 网站建设 2026/9/16 13:55:58 TileLang Layout 系统深度指南：Layout/Fragment 核心类型、CuTe 代数与布局推断 TileLang Layout 系统深度指南：Layout/Fragment 核心类型、CuTe 代数与布局推断 【免费下载链接】tilelang Domain-specific language designed to streamline the development of high-performance GPU/CPU/Accelerators kernels 项目地址: https://gitcode.com… 李华 网站建设 2026/9/16 13:55:52 抖音批量下载：从主页作品到BGM全量存档的实操手册 抖音批量下载：从主页作品到BGM全量存档的实操手册 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fallback support. … 李华 网站建设 2026/9/16 13:55:32 Shaka Player LCEVC 集成指南：MPEG-5 Part 2 增强视频的解码与渲染架构 Shaka Player LCEVC 集成指南：MPEG-5 Part 2 增强视频的解码与渲染架构 【免费下载链接】shaka-player JavaScript player library / DASH & HLS client / MSE-EME player 项目地址: https://gitcode.com/GitHub_Trending/sh/shaka-player 本文详解 Shak… 李华 网站建设 2026/9/16 13:54:45 PP-OCRv6 深度拆解：三档 OCR 模型族与 50 种语言识别实战 PP-OCRv6 深度拆解：三档 OCR 模型族与 50 种语言识别实战 【免费下载链接】PaddleOCR Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 … 李华 网站建设 2026/9/16 13:52:48 garak 测试生成器 generators.test 全解析：从 Blank 到 ReasoningLipsum 的测试基座 garak 测试生成器 generators.test 全解析：从 Blank 到 ReasoningLipsum 的测试基座 【免费下载链接】garak the LLM vulnerability scanner 项目地址: https://gitcode.com/GitHub_Trending/ga/garak garak 是一套开源的 LLM 漏洞扫描框架，其 ge… 李华 网站建设 2026/9/16 13:51:10 Level 4自动驾驶系统设计62——VMC 2 本文提出一种1ms~5ms级硬实时轮胎抓地力估计模型（μ估计器），基于扩张状态观测器（ESO）与多体动力学刚性方程，全时在线融合滑移率与极限垂直载荷，实现对路面附着系数的毫秒级精准估算。该模型在49吨重卡高速行驶中应对暗冰等突发低附着工况时，通过一类硬中断触发物理熔断… 李华