存储AI–AI博客聚合
最新聚合的文章
-
本地大模型网关 CLI 使用教程
我的开源大模型网关： https://github.com/boonya-hrgk/llm-proxy-tk 目录 前置准备 安装与配置 三种模式详解 快速上手 常见问题 进阶技巧 1. 前置准备 1
-
分治、贪心、回溯、动态规划：四种经典算法思想
分治重在拆分，贪心追求局部最优，回溯通过尝试与撤销搜索答案，动态规划则利用状态转移和缓存避免重复计算。掌握核心思想，才能灵活选择算法。
-
2026最新款Electron41+React19+AntDesign电脑端后台管理系统Exe
2026/9最新跨平台实战研发Electron41+React19.2+AntDesign+Zustand5+Echarts+MockJS客户端通用后台框架系统解决方案。
-
「可重放」不是形容词：我把自家 Agent 运行时的 run 账本翻了个底朝天
「可重放」到底重放什么？我读遍了自家开源 Agent 运行时的 replay 代码：五张账本表、四种代价不同的重放路径、一个叫 in_doubt 的状态，以及现在还对不上的七个地方，每条都指到行号。
-
密码管理工具站正式上线啦
前言 互联网时代要存储的密码实在太多, 脑袋压根记不过来, 只能借助外物, 比如存到便签里, 或者建一个Excel表格, 但是存在两个问题, 那就是安全性和便捷性不够 我的要求是随时随地都能查看、编辑
-
11 · 如何把项目写进简历与面试
一、先说风险 不要虚构"在职期间做过"的项目。 最稳妥的做法：作为个人开源 / 业余技术实践写进项目经历， 面试时说明"基于工作中 Agent 相关实践的延伸与沉淀"。 二、技能栏（直接替换） 三、项
-
10 · 踩坑记录与优化清单
一、工程与环境 1. Python 3.6 装不上现代 AI 库 本机默认 Python 3.6，pip install langgraph 直接失败（还触发了安全删除钩子导致 pip 崩）。 解法：
-
09 · Java 双栈：Spring Boot + LangChain4j
一、为什么同一个业务做两遍 统计 778 条岗位时发现，Java 50 条、Python 98 条，而 Java + AI 的岗位竞争反而更小。 只做 Python 会丢掉一批机会。 更重要的是——做
-
08 · 前端：Vue3 + SSE 流式与执行链路可视化
前端是很多 Agent 项目被忽略的一环，但它决定了用户敢不敢用。 一、技术选型 技术 理由 Vue 3 + TypeScript 主栈，组合式 API Vite 秒级启动 Pinia 状态管理（比
-
07 · 记忆、可观测与成本控制
这三件事看起来是"锦上添花"，实际决定了 Agent 能不能上生产。 一、记忆：窗口 + 摘要 问题 多轮对话时如果每轮都把全部历史塞进 Prompt： 贵：token 线性增长 慢：首 token
-
06 · 工具调用：Text2SQL 与四层护栏
一、工具即 Schema 注册表对外提供三个能力： 收益：新增工具只改一处，编排层零改动。 二、目前注册的 5 个工具 工具 风险 说明 search_knowledge low 知识库检索（RAG）
-
05 · Agent 编排：LangGraph 状态图与降级内核
一、为什么不是"一次 LLM + Function Calling" 单轮 Function Calling 的三个硬伤： 只能调用一次工具：拿到结果后不能再触发新的查询 工具报错就整轮失败：没有自愈
-
04 · RAG 全流程：从切分到引用溯源
RAG 是整套系统里最容易被低估的一环。 很多人以为它就是"切分 + embedding + top-k"，但真正决定效果的是那些细节。 一、先看整体链路 二、① 切分：结构优先，而不是按字数硬切 为
-
03 · 后端：FastAPI 与分层架构
一、为什么选 FastAPI 三个理由： 原生 async + SSE：Agent 要流式输出，FastAPI 的 StreamingResponse 最好用 自带 OpenAPI：/docs 直接能
-
02 · 项目总览与 5 分钟跑起来
一、这个项目到底干什么 一句话：让业务同事用大白话问数据和制度，Agent 自己去查、去算、去核对，最后给出带出处的答案；遇到危险动作会先停下来等人点头。 三个典型场景： 用户问 Agent 做什么
