【AI Agent 知识库】10-AI群聊与协作系统
AI群聊与协作系统（详解版） 目标：精通AI群聊设计、角色扮演、协作对话 目录 AI群聊概述 角色设计 对话管理 协作模式 群聊架构 工程实现 实战案例 面试高频问法 记忆要点 AI群聊概述 1. 什…
【AI Agent 知识库】09-多Agent系统设计与开发
多Agent系统设计与开发（详解版） 目标：精通多Agent协作、架构设计与工程实现 目录 多Agent系统概述 协作模式 架构设计 通信机制 任务调度 工程实现 实战案例 面试高频问法 记忆要点 多…
密码保护：【AI Agent 知识库】08-性能与成本-详解版
无法提供摘要。这是一篇受保护的文章。
【AI Agent 知识库】07-安全与风控-详解版
模块七：安全与风控（详解版） 覆盖：Prompt Injection 防御、PII 脱敏、内容过滤、对抗攻击 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频问法 记忆要点 最小 Demo…
【AI Agent 知识库】06-评估与回归测试-详解版
模块六：评估与回归测试（详解版） 覆盖：Golden Set、离线评估、在线 A/B、LLM-as-Judge 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频问法 记忆要点 最小 Dem…
【AI Agent 知识库】05-Prompt工程与约束输出-详解版
模块五：Prompt 工程与约束输出（详解版） 覆盖：模板管理、Few-shot、输出约束、JSON Mode、Pydantic 验证 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频问法…
【AI Agent 知识库】04-工具接入与权限控制-详解版
模块四：工具接入与权限控制（详解版） 覆盖：Tool Calling、权限系统、限流、审计日志 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频问法 记忆要点 最小 Demo 实战场景 必…
【AI Agent 知识库】03-工作流编排-详解版
模块三：工作流编排（详解版） 覆盖：DAG、FSM、LangGraph、CrewAI、Supervisor 模式 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频问法 记忆要点 最小 De…
【AI Agent 知识库】02-RAG与检索优化-详解版
模块二：RAG 与检索优化（详解版） 覆盖：Embedding、Vector DB、Chunking、Re-ranking、混合检索、评估 目录 必须掌握的概念 关键设计点 常见坑与解决方案 面试高频…
【AI Agent 知识库】01-Agent基础范式-详解版
模块一：Agent 基础范式（详解版） 覆盖：ReAct、Plan&Execute、Tool-Calling、Multi-Agent、Memory、Reflection 目录 必须掌握的概念 …
如何优雅地“摘掉” main 分支的一个提交，并把它单独保存到其他分支
写给已经会用 Git，但开始在意“提交历史质量”的工程师 在写代码的早期阶段，很多人对 Git 的态度只有一句话： 能提交、能回滚、不丢代码就行。 但当项目开始变得长期维护、对外展示、甚至作为个人技术…
用 CAS 思维设计一个高并发系统（工程级）
本文是承接上一篇 CAS 基础文的工程级进阶篇。 目标只有一个： 让你具备一种能力：看到“高并发系统需求”，脑子里自动浮现 CAS 结构，而不是先想 synchronized / Lock。 这篇文章…
一文彻底掌握 CAS（Compare-And-Swap）
一文彻底掌握 CAS（Compare-And-Swap） —— 并发编程绕不开的底层真相 本文是一篇“一次看懂、以后不再查资料”的 CAS 终极文章。 目标很明确：只要你把这篇文章完整看完，以后无论是…
Java并发面试题300道（详解版）
Java并发面试题300道（详解版） 每道题包含：答案详解 + 代码示例 + 记忆要点 目录 基础篇（1-50） 锁机制（51-100） 线程池（101-150） 并发集合（151-200） 并发工具…
Java高并发完整指南
Java高并发完整指南 从入门到专家 – 完全掌握Java高并发开发 学习路线图 [[高并发学习路线图.svg]] 目录 核心概念 Java并发基础 线程池深入 锁机制详解 并发集合 无锁编程 JMM…
一键配置 WSL 使用 Windows Clash（7890）代理的完整方案
本文内容强调：背景 → 原理 → 脚本 → 使用 → 常见坑 → 最佳实践，一次写清楚，后面不用再解释。 在使用 WSL（Windows Subsystem for Linux）进行开发时，一个绕不开…
都有哪些Embedding向量化嵌入模型？金融领域适合用哪些？
下面给你一份工程可用、选型导向的 Embedding 向量化模型全景说明，并重点回答金融领域该怎么选。 一、Embedding 向量化模型，本质在做什么？ 一句话： 把“文本”压缩成“语义坐标”，让“…
向量检索层参数（Embedding / Vector DB）search_type dense / sparse / hybrid是什么意思？
在向量检索里，search_type = dense / sparse / hybrid指的是“用什么信号来判断‘相关’”。三者不是版本高低，而是信息来源不同。 一句话先给直觉 dense（稠密向量）…
检索器的优化，动态检索策略，怎么基于用户问题动态调整检索参数？
这是一个典型 RAG / Agent 工程里的核心问题，你已经问到“检索器从静态工具 → 智能组件”这一步了。 下面我不讲泛泛而谈的“可以用 LLM 判断”，而是给你一套可落地、可编码、可扩展的动态检…
什么时候调整Top K？ 什么时候调整Top P？
这个问题问得非常工程化。 结论先行：Top-K 和 Top-P 不存在“谁更高级”，而是“什么时候该动哪一个”。 一句话决策规则（先记住这个） 你想“限制模型别乱跑” → 调 Top-K 你想“在合理…