EDITORIAL NOTEBOOK / 2026
把碎片化学习内容,整理成可持续迭代的知识出版物。
这里不是单纯的文章列表,而是按主题演进的长期知识工程。
PERSONAL KNOWLEDGE SYSTEM
面试八股、后端原理与工程化实践整理
EDITORIAL NOTEBOOK / 2026
这里不是单纯的文章列表,而是按主题演进的长期知识工程。
# 从 Activiti 到 LangGraph:为什么说 AI Agent 的本质是“工作流引擎”? ### 引言 如果你是一名深耕 Java 领域、用过 **Activiti** 或 **Flowable** 的开发者,当你第一次接触
# 告别硬编码工作流:深入理解 Deep Agents 的动态智能体架构 在传统的 AI 智能体开发(如 LangGraph 的标准用法)中,我们习惯于像画流程图一样定义节点(Node)和边(Edge)。这种“铁路模式”虽然稳定,但在面对
# 停止歇斯底里的prompt调教:如何靠 Tool Calling 让 LLM 乖乖输出 JSON? 在开发 AI 应用(如答题插件、数据爬虫或自动化 Agent)时,开发者最头疼的问题莫过于:如何让 LLM 100% 稳定输出格式完美
# 把一个 RAG 项目做成可插拔的知识基础设施 很多 RAG 项目看起来都像“能回答问题的 Demo”,但真正难的从来不是把答案跑出来,而是把它做成一套**可替换、可观测、可回归、可接入 Agent 生态**的知识基础设施。 这个项目
# 告别 Token 焦虑:LangGraph 工业级记忆模块实现深度指南 在构建长对话 AI Agent 时,开发者通常会面临一个“不可能三角”:**对话长度**、**推理成本**(Token 消耗)以及**记忆准确度**。 传统的滑
超星作业半自动答题插件实战,围绕提取、生成、回填三步完成重复流程自动化。
一篇面向初学者的 Vibe Coding 指南,涵盖目标定义、提示词编写、工具选择与迭代实践。
通过 csdnAutoBlogMcp 把 Markdown 发布流程接入 MCP,在 VS Code 中实现一键发布 CSDN 博客。