不止于模型-优快云博客

原创【LangChain1.0】第十一阶段：Middleware 工程化

本文介绍了LangChain Middleware机制，重点讲解了如何通过Middleware实现对Agent行为的精准控制。Middleware在Agent执行的关键节点提供6种Hook，包括before_agent、before_model等，用于干预执行流程。文章详细阐述了Middleware的核心价值（提升安全、成本控制、可靠性等）、Hook分类及签名，并提供了创建Middleware的两种方式（Decorator和类继承）。通过Middleware机制，开发者可以在生产环境中实现Agent的安全、

2026-01-23 17:39:08 1237

原创【LangChain1.0】第十阶段：Deep Agents

Deep Agents 摘要 Deep Agents 是构建在 LangGraph 上的高级代理框架，专为处理复杂多步骤任务而设计。核心功能包括：任务规划：通过内置 write_todos/read_todos 工具自动分解任务上下文管理：提供7个文件系统工具（ls/read/write/edit/glob/grep/execute）避免token超限子代理生成：使用 task 工具启动专门子代理处理特定任务长期记忆：支持跨会话信息保留相比简单代理，Deep Agents 更适合：多步骤研究分析

2026-01-22 16:41:15 1267 1

原创智慧园区业务架构深度解析：本地化部署与云边端协同模式

摘要：智慧园区业务架构正从“云端集中式”向“云边端协同”模式转型，以解决传统架构在带宽、时延、可靠性和数据安全方面的瓶颈。边缘计算（尤其是“厚边缘”模式）成为核心，通过本地闭环实现毫秒级响应和离线生存能力。云端负责全局管理与分析，边缘节点处理实时决策与异构协议融合，终端设备则执行感知与控制。关键技术包括MQTT/QoS通信保障、本地存储选型（如Redis/SQLite）及离线数据同步机制（如Merkle Tree）。典型应用如视频监控的“按需拉流”和智慧停车的离线优先架构，显著优化带宽并提升业务连续性。

2025-11-26 16:26:06 2186

原创 WVP+ZLMediaKit流媒体实战：从园区千路接入到云端级联优化的全链路解析

本文深入解析了基于GB/T 28181协议的WVP+ZLMediaKit流媒体架构方案。该方案采用信令与媒体分离的设计理念，WVP负责SIP信令管理，ZLMediaKit处理视频流转发与协议转换。相比厂商SDK方案，该架构具有跨品牌兼容性强、Web支持友好等优势。针对千路并发场景，分析了网络带宽、CPU内存等关键瓶颈，并给出TCP被动模式等优化建议。在云边级联场景中，提出了按需拉流策略以降低流量成本。文章还揭示了时间戳异常等生产环境常见问题及解决方案，为大规模视频监控系统建设提供了实用参考。

2025-11-24 14:08:45 2194 2

原创从 Hybrid RAG 到 LLM+Wiki：企业知识助手到底该怎么落地？

这篇文章深入探讨了企业知识助手的落地挑战与解决方案，指出当前RAG技术虽已成熟，但企业实际需求远不止于检索和生成。核心观点包括： Hybrid RAG的局限性：即使融合多种召回技术，仍面临版本、权限、时效性等生产级问题。企业级知识工程的关键要素：可信知识体系建设（LLM+Wiki）业务流程嵌入（Skill/Workflow）复杂场景处理（Agentic/GraphRAG）权限/版本/生命周期管理落地路径建议：高频重复问题沉淀为Wiki知识标准流程固化为可审批Skill 复杂分析采用Agent

2026-05-30 10:40:02 498 1

原创从 Agent 编排到 Skill Runtime：企业 AI 工程化的下一层抽象

很多流程编排，本质是在补旧模型的短板。模型不会稳定拆任务，你写一个任务拆解节点；模型不会稳定选工具，你写一个工具路由节点；模型总结不稳定，你写一个反思和重试节点。可一旦新模型原生具备更好的推理、规划、工具使用和上下文理解能力，这些手写节点就可能被模型能力覆盖，甚至新模型做得比你那套固定编排更自然。于是问题出现了：你花很多时间沉淀下来的，不一定是企业长期需要的业务资产，而可能只是某一代模型能力不足时的补丁。模型升级后，这些补丁不但价值下降，还可能限制新模型发挥。真正值得沉淀的，应该是模型升级也不会自动

2026-05-21 18:15:19 486

原创什么是 Agent Harness：AI 应用开发里的工程化运行时外壳

摘要 Agent Harness是AI应用开发中用于工程化运行层的概念，它将Agent的决策、工具、状态、权限和观测整合成一个可上线的运行边界。不同于测试框架或产品名称，Harness关注如何让Agent安全稳定地执行多轮任务，特别是在涉及外部状态改变的场景中。核心观点： Harness并非全新概念，而是将零散的工程能力（如上下文管理、工具调用、权限控制等）统一组织起来重点解决Agent在生产环境中的安全执行问题，包括副作用控制、状态恢复、审计追踪等适用于需要调用外部工具、执行长任务或要求可审计性的业

2026-05-20 14:48:11 430

原创生产级 RAG 全栈工程架构与落地指南

《生产级RAG系统实战演进：从grep到89%准确率的智能问答》摘要：本文记录了一个真实RAG系统的演进历程。技术团队为技术大V的500篇付费专栏搭建智能问答系统，经历了四个关键阶段：1) 初始grep方案准确率仅40%，存在关键词匹配和上下文截断问题；2) 引入Elasticsearch后准确率提升至60%，但仍受限于语义理解不足；3) 采用BGE向量模型实现语义检索，准确率达75%，但暴露版本号匹配和长文档噪声问题；4) 最终通过文档切片(500字块)和混合检索(向量+BM25+RRF融合)方案，使准

2026-04-17 14:07:51 517

原创从7行代码到生产级AI智能体：架构演进、工程实践与前沿趋势

本文探讨了AI智能体从最小内核到生产级系统的演进路径。第一部分剖析了智能体的五个核心要素（LLM、Tools、State、Loop、Environment），指出7行代码即可构建基本运行闭环。第二部分分析架构演进逻辑，解释为何真实任务会催生模型路由、工具层、上下文工程、规划、记忆等组件。第三部分强调生产化重点在于运行时治理（护栏、可观测性、评估体系），而非单纯Prompt优化。第四部分展望2025年后趋势，包括工具标准化（MCP）、智能体协作协议（A2A）等方向。全文通过一个代码重构案例贯穿始终，揭示智能体

2026-03-25 18:02:34 490

原创【AI应用开发实战】28_LangGraph子图设计与工作流组合：复杂AI系统的模块化编排

本文介绍了LangGraph子图设计在复杂AI系统中的模块化编排方法。文章首先分析了单体工作流的局限性，提出子图设计在模块化、可复用性、可测试性和可扩展性方面的优势。随后详细讲解了LangGraph的StateGraph核心概念、节点编排机制，以及子图分离的三段式流式架构（前置图、流式图、后置图）。文章还探讨了子图组合模式（嵌套、并行、条件、循环）、子图间通信机制（状态传递、事件总线）以及子图复用策略（模板化、参数化）。最后以StockPilotX系统为例，展示了三段式架构的实际应用效果，并与其他框架进行了

2026-03-06 10:38:41 1582

原创【AI应用开发实战】27_Skill机制与AI能力扩展

重要澄清：Claude Code的目录和项目自定义Skill是两个不同层面的概念。Claude Code的Skill（全局）或（项目级）作用对象：Claude Code这个AI编程助手本身目的：教会Claude Code如何更好地帮你写代码、审查代码、生成文档示例：代码审查规范、提交信息格式、测试用例生成项目自定义Skill（本文重点）（你的应用代码中）作用对象：你的应用中的Agent（如StockPilotX的分析Agent）目的：让你的应用Agent具备特定领域的专业能力。

2026-03-05 08:35:56 561

原创【AI应用开发实战】26_数据清洗Pipeline与质量保障：AI应用的生命线

数据清洗Pipeline与质量保障是AI应用的关键环节。本文系统介绍了StockPilotX的数据处理体系，包含五阶段文档处理流程（解析、表格抽取、清洗、分块、质量门禁）和多维度质量验证机制（必填字段、数值范围、可靠度阈值等）。通过冲突检测、复审队列和质量评估指标（覆盖率、乱码率等）构建了完整的数据质量保障体系，确保金融AI应用的准确性、完整性和及时性。实践表明，该方案能有效降低数据质量问题带来的风险，为AI决策提供可靠的数据基础。

2026-03-05 08:33:25 860

原创【AI应用开发实战】25_错误处理与优雅降级：构建高可用Agent系统

摘要：本文探讨金融Agent系统的高可用设计，重点分析错误处理与优雅降级策略。针对LLM服务、行情数据源等关键依赖可能出现的超时、限流等故障，提出分层错误分类体系（可重试/不可重试/部分可恢复）和多级降级机制（功能降级→性能降级→最小可用）。通过熔断器模式防止级联故障，结合补偿机制确保系统在外部服务不可用时仍能提供基本功能。文中包含多个实战案例（多LLM降级链、数据源Fallback等）并给出最佳实践建议，强调可观测性和测试验证的重要性。

2026-03-04 09:00:00 858

原创【AI应用开发实战】24_缓存策略与性能优化：从单层到多层的架构演进

本文深入探讨了StockPilotX金融分析系统中的多层缓存架构设计。通过分析金融查询场景的性能瓶颈（4-9秒/次）和重复查询浪费（年浪费成本2.88万元），提出缓存解决方案。详细解析了LRU和TTL两种核心缓存失效策略及其组合应用，并展示查询优化器、限流中间件等5个实战组件。实施后系统获得100倍响应提升（5秒→50毫秒）、年节省成本4.38万元，并发能力从50提升至500。文章还总结了缓存设计原则、性能优化技巧和常见陷阱规避方案。

2026-03-04 08:00:00 425

原创【AI应用开发实战】23_异步任务调度与队列管理

本文探讨金融分析系统中异步任务调度的设计与实现。针对报告生成、数据同步等耗时操作，分析同步执行的痛点（HTTP超时、资源竞争、错误处理不一致），提出工程化异步方案需满足可靠性、可观测性、用户体验等要求。对比Celery、Temporal等方案后，选择ThreadPoolExecutor+内存队列的轻量级实现，详细讲解任务队列、状态机、重试熔断等核心机制，并分享报告异步生成、流式查询等实战案例的最佳实践。

2026-03-03 19:13:34 529

原创【AI应用开发实战】21_SQL查询安全与只读防护：AI Agent时代的数据库守护者

SQL查询安全防护摘要在AI Agent自动生成SQL的场景下，传统数据库权限控制已无法满足安全需求。本文提出多层防护机制： SQL注入防御：通过语法分析拦截危险操作(DELETE/DROP等) 只读强制：结合数据库只读账号与应用层校验边界控制：自动添加LIMIT子句防止全表扫描白名单机制：限制可访问的表和字段审计追踪：记录原始问题与生成SQL的关联关系金融级应用需在灵活查询与数据安全间取得平衡，通过纵深防御体系确保AI查询"可观测、可控制、可审计"。

2026-03-03 13:58:41 921

原创【AI应用开发实战】22_数据源适配器设计模式：构建稳定可靠的数据接入层

摘要：适配器模式在金融数据接入中的实践本文详细介绍了StockPilotX系统如何运用适配器设计模式构建统一的数据接入层，解决金融数据源碎片化、不稳定和异构性问题。系统采用三层架构设计，通过标准化的适配器接口隔离业务逻辑与数据源实现，支持配置驱动的多源切换、自动降级和智能路由。实战部分展示了行情、财务和新闻三类数据的适配器实现，并提出了配置管理、错误处理、可观测性等最佳实践方案。该设计显著提升了系统的可靠性和可维护性，为金融数据分析系统提供了稳健的数据基础设施。

2026-03-02 09:04:01 817

原创【AI应用开发实战】20_评测系统与质量保障：AI系统的生命线

摘要：本文探讨金融AI系统StockPilotX的质量保障体系，针对非确定性输出、合规风险等挑战，提出多维度评测指标（事实准确率、幻觉率、引用覆盖率等）和自动化测试流程。通过质量门禁机制和基线管理，实现5分钟内完成代码提交检测，确保系统在快速迭代中保持高可靠性。相比传统人工抽查和单元测试，该体系能更全面覆盖语义正确性、合规性等关键维度，有效降低15-20%的幻觉率和8%的违规风险。

2026-03-02 09:03:37 802

原创【AI应用开发实战】19_Trace追踪与可观测性

摘要：本文探讨分布式Agent系统中的Trace追踪技术，重点解决金融Agent系统面临的链路追踪、性能分析和故障排查挑战。通过Trace ID串联请求全链路，实现从HTTP入口到LLM调用、工具执行、数据检索的完整追踪。对比传统日志的局限性，提出基于事件驱动的追踪模型，包含Trace ID生成传递、LLM调用追踪、工作流执行追踪等核心实现。文章还分享Trace ID设计、性能优化等最佳实践，为分布式系统可观测性提供完整解决方案。

2026-03-01 09:24:24 861

原创【AI应用开发实战】18_Agent状态管理与持久化

Agent状态管理技术解析本文系统探讨了金融Agent系统中的状态管理技术方案。首先分析了金融场景下状态管理的四大核心挑战：状态分散、持久化混乱、会话缺失和并发冲突。随后提出分层状态设计模式，将Agent状态划分为输入层、路由层、执行层、输出层和元数据层，并详细介绍了基于dataclass的AgentState实现方案。文章对比了不同状态管理方案的优缺点，结合StockPilotX项目展示了状态持久化、会话管理和异步任务状态处理的实战案例。最后总结了状态设计原则、持久化策略选择、状态同步机制和监控体系构建

2026-02-28 10:22:13 858

原创【AI应用开发实战】17_流式响应与SSE协议实战

流式响应技术解析与SSE协议实践摘要：本文深入探讨流式响应技术原理与Server-Sent Events（SSE）协议实现，通过StockPilotX金融分析系统案例，展示如何构建实时数据推送方案。传统HTTP请求-响应模式存在等待时间长、资源浪费等问题，而SSE协议通过单向事件流实现渐进式内容传输，显著提升用户体验。文章详细解析SSE协议格式、事件驱动机制，对比SSE与WebSocket等技术差异，并提供后端接口实现、前端消费、错误处理等实战方案，最后给出性能优化、监控等生产环境最佳实践。

2026-02-27 09:30:00 1412

原创【AI应用开发实战】16_多Agent辩论与观点融合实战

8角色体系：技术面、基本面、资金面、情绪面、估值、行业、政策、风险双模式支持：规则驱动（生产）+ LLM驱动（实验）加权投票融合：基于置信度的加权投票算法可解释性：保留每个Agent的分析理由和投票分布。

2026-02-27 09:15:00 828

原创【AI应用开发实战】15_Deep Agents深度推理实现：多维并行与自适应策略

摘要：本文详细解析了StockPilotX中Deep Agents的架构设计，重点介绍如何通过子任务分解、并行执行、ReAct迭代和Corrective RAG机制实现金融场景下的深度推理能力。传统RAG系统在复杂金融分析中存在检索视角单一、无法纠错、串行效率低等问题，而Deep Agents通过多维并行与自适应策略，显著提升了多维度覆盖率（+50%）、响应速度（-46%）和答案准确率（+24%）。文章系统阐述了核心概念、技术对比、实战案例及最佳实践，为复杂场景下的智能分析系统提供了创新解决方案。

2026-02-26 09:30:00 1352

原创【AI应用开发实战】14_Hook机制与事件驱动架构：构建可扩展的AI中间件系统

摘要：本文探讨如何通过Hook机制和事件驱动架构构建可扩展的AI中间件系统，解决金融AI系统中横切关注点（风控、限流、预算等）与核心业务逻辑混杂的问题。对比了装饰器、继承、AOP等传统方案的局限性，提出基于中间件洋葱模型的解决方案，实现关注点的灵活注入与组合，同时保持代码清晰和可维护性。文章包含技术背景、核心概念、方案对比及实战案例，为构建高扩展性AI系统提供实践指导。

2026-02-26 09:15:00 1755

原创【AI应用开发实战】13_LLM速率限制与防护

摘要：本文系统阐述速率限制技术在金融Agent系统中的关键作用。针对StockPilotX面临的成本失控、服务雪崩和合规风险三大挑战，深入分析用户级、接口级和资源级三维限流策略，对比令牌桶等经典算法优劣。通过中间件架构实现多层防护，包括请求限流、LLM调用预算控制和外部API配额管理，最终构建兼顾系统稳定性和用户体验的智能限流体系。

2026-02-25 11:07:25 716

原创【AI应用开发实战】12_Token预算与调用预算控制与成本优化

本文摘要：文章探讨了LLM应用中的预算控制与成本优化问题，以StockPilotX金融分析系统为例，分析了成本失控的典型场景和核心痛点，包括递归调用、Prompt膨胀和缓存失效等案例。提出了基于中间件模式的预算控制方案，涵盖Token预算、调用预算和多维度控制机制。通过截断优化、缓存策略和模型降级等方法实现成本优化，并建立监控告警体系。最终展示了预算控制在生产环境中的实践效果，为LLM应用的成本管理提供了系统化解决方案。（150字）

2026-02-25 11:05:49 529

原创【AI应用开发实战】11_Guardrail风险控制中间件：Agent系统的安全防线

金融Agent系统Guardrail风险控制中间件解决方案采用洋葱模型架构，通过多层中间件实现输入输出全流程防护。该系统包含敏感词检测、PII脱敏、SQL注入防护、预算限制和合规性检查等核心模块，以非侵入方式保障金融AI输出的安全性与合规性。方案对比了主流风控模式，展示了投资建议风控、个人信息脱敏等实战案例，并提供中间件设计原则、性能优化等最佳实践，为金融AI系统构建系统化的安全防线。

2026-02-24 10:08:07 927

原创【AI应用开发实战】10_Middleware洋葱模型与横切关注点实战

本文介绍了StockPilotX金融分析系统中基于洋葱模型的中间件架构设计，用于优雅处理横切关注点。主要内容包括：问题背景：传统实现中横切关注点代码与业务逻辑高度耦合，导致代码重复、难以维护和测试解决方案：采用中间件洋葱模型，将日志、风控、限流、预算控制等关注点分离为独立中间件层技术实现：定义中间件基础架构和接口规范实现具体中间件（风控、预算、限流、缓存等）中间件栈的组装与执行流程控制实践效果：业务代码减少38%，测试代码减少52%，系统可维护性显著提升最佳实践：中间件设计原则、执行顺序策略

2026-02-24 10:07:22 937

原创【AI应用开发实战】09_Prompt工程与模板管理：构建可演进的LLM交互层

本文探讨了Prompt工程化管理的必要性，以金融Agent系统StockPilotX为例，展示了如何将Prompt从分散的硬编码字符串升级为可管理的工程资产。文章详细介绍了Prompt注册表设计、三层模板架构（System/Policy/Task）、版本控制机制以及A/B测试等核心概念，通过SQLite数据库实现Prompt的集中存储、版本追踪和状态管理。这种工程化方法解决了Prompt散落、维护困难、合规风险等问题，显著提升了LLM交互层的质量、可控性和迭代效率。

2026-02-23 10:23:50 1024

原创【AI应用开发实战】08_LLM网关与多供应商适配：构建高可用的大模型调用层

金融AI系统中的LLM网关解决方案摘要：本文探讨了金融AI系统中构建LLM网关的必要性及实现方案。在金融场景下，LLM调用需满足高可用、成本可控和性能保障三大核心需求。通过统一网关层，可实现多供应商无缝切换（OpenAI/Claude/国产模型）、自动降级和智能路由。方案对比了直接调用与网关模式的差异，并分享了StockPilotX项目的实战案例，包括API适配、流式响应处理和监控系统设计。最佳实践部分提供了供应商选择策略、成本优化技巧和故障处理预案，帮助实现年成本降低79%的效果。

2026-02-23 10:23:00 973

原创【AI应用开发实战】07_文档解析路由与质量评估：从传统PDF解析到Docling现代化方案

一句话摘要：本文深入剖析StockPilotX的文档解析架构，对比传统PDF解析与Docling现代化方案，详解多引擎路由策略、质量评估指标体系及生产环境回退机制。在StockPilotX金融分析系统中，文档解析是RAG（Retrieval-Augmented Generation）知识库的第一道关卡。用户上传的文档类型多样，包括：研究报告类：监管文件类：内部资料类：这些文档的共同特点是：内容专业、格式复杂、质量要求高。如果解析出错，会直接影响后续的向量检索和LLM问答质量。真实场景举例：用户上传一份《平安

2026-02-22 20:19:47 1341

原创【AI应用开发实战】06_向量存储与EmbeddingProvider设计

摘要本文深入探讨了RAG系统中向量存储与Embedding提供者的设计实现。针对金融分析系统StockPilotX的核心需求，重点分析了FAISS IndexFlatIP索引原理、本地哈希向量与远程Embedding的性能对比、向量归一化与维度适配等关键技术。文章提出了多层Embedding策略，通过本地哈希向量兜底和远程API增强的方案，解决了Embedding成本高、维度不一致等痛点。详细介绍了包括EmbeddingProvider抽象设计、FAISS索引构建与检索优化、JSON Fallback机制

2026-02-22 20:19:03 726

原创【AI应用开发实战】05_GraphRAG：知识图谱增强检索实战

摘要：GraphRAG技术通过知识图谱增强传统RAG系统，解决金融分析中的关系网络复杂性。在StockPilotX项目中，它利用Neo4j图数据库和内存图存储构建三元组模型，实现显式关系建模和结构化推理。相比传统RAG，GraphRAG在多跳推理、关系量化、时效性和可解释性方面具有显著优势，使关系类查询准确率提升50%，多跳推理成功率提升86%。该技术特别适用于金融、医疗等关系密集型领域，通过可视化关系路径提升系统可解释性。

2026-02-22 20:17:43 825

原创【AI应用开发实战】04_混合检索器：BM25+向量+可靠度融合实战

本文探讨了混合检索器在金融RAG系统中的实践应用，重点解析了StockPilotX系统的三路召回融合与重排算法。文章首先分析了金融领域检索面临的三大挑战：精确匹配需求、语义理解需求和可靠性判断需求，指出单一检索方法存在的局限性。通过对比纯BM25检索和纯向量检索的失败案例，论证了混合检索的必要性。随后详细介绍了StockPilotX采用的BM25+向量+可靠度三路融合架构，包括55%BM25权重保证精确匹配、35%向量权重提供语义理解、10%可靠度权重确保信息质量的最佳实践方案。文章还通过量化数据展示了混合

2026-02-21 19:08:18 642

原创【AI应用开发实战】 03_LangGraph运行时与状态图编排：从直接执行到图编排的演进之路

摘要：本文探讨LangGraph在Agent工作流编排中的技术实现，重点分析StateGraph状态图与运行时抽象设计。针对金融Agent系统StockPilotX的实战案例，对比直接执行与图编排两种模式的优劣，提出流式场景下"前置/后置图分离"的优化方案。文章详细阐述LangGraph的声明式编排、运行时可切换和内置可观测性三大核心价值，为复杂业务场景提供模块化、可测试的流程编排解决方案。

2026-02-21 12:38:13 621

原创【AI应用开发实战】 02_多Agent工作流编排与意图路由

本文深入解析了StockPilotX金融分析Agent系统的核心技术架构，重点介绍了五阶段工作流执行模型、基于规则的意图路由算法、流式事件推送机制和洋葱模型中间件栈设计。系统通过模块化设计解决了单体Agent面临的执行路径混乱、意图识别不准、缺乏可观测性等核心痛点，实现了复杂金融分析任务的可扩展、可观测处理。关键技术包括：1）将工作流分解为准备、前置、模型调用、后置、收尾五个清晰阶段；2）采用置信度计算+冲突检测的意图路由方案；3）通过中间件栈统一处理风控、预算等横切关注点；4）流式执行机制实现实时进度追踪

2026-02-21 12:36:19 1439

原创【AI应用开发实战】01_LangChain 工具系统与 Agent 工具访问控制

本文深入解析LangChain工具系统的设计原理，并结合StockPilotX金融分析系统实战案例，提出Agent工具访问控制(Agent ACL)解决方案。文章首先分析了多Agent协作场景下的核心痛点，包括权限边界模糊、安全风险等问题，阐明传统RBAC与Agent ACL的本质区别。随后详细介绍了LangChain工具系统的工作机制，重点讲解StructuredTool如何将Python函数转化为LLM可理解的格式。通过StockPilotX项目实践，展示了ToolAccessController核心实

2026-02-21 12:33:59 714

原创【AI应用开发实战】00_StockPilotX技术博客专栏：从零构建生产级AI金融分析系统

《StockPilotX：生产级AI金融分析系统开发指南》专栏介绍了一个基于大语言模型的智能金融分析平台。该系统通过8个专业Agent协作（包括量化分析、风险管理、宏观研究等），提供多维股票分析和投资建议。技术架构采用混合决策模式（规则引擎+LLM推理），集成实时行情、财务数据等多源信息，支持RAG检索增强。工程实践涵盖流式响应、中间件防护、全链路监控等生产级特性。技术栈包括Python/FastAPI、LangChain、PostgreSQL等，前端采用Next.js+React。项目开源地址：https

2026-02-21 12:29:19 959

原创 SmartArchitect：AI 驱动的设计平台，让想法秒变流程图

SmartArchitect 是一个 AI 驱动的可视化架构设计平台，通过自然语言对话快速将想法转化为流程图和架构图。核心功能包括： AI 对话生成：3 秒将描述转换为流程图双画布系统：规范图与手绘风自由切换图片智能识别：白板照片转可编辑流程图多格式导出：支持 PPT、Slidev 等多种格式多 AI 集成：可选 Gemini、GPT-4 等模型技术栈采用 Next.js + FastAPI，部署在 Vercel 和 Render 上，完全免费。相比传统工具，SmartArchitect 降低了使

2026-02-11 19:27:25 1124

原创 AABB碰撞检测 + 分层Prompt：AI图形零重叠背后的6项关键技术

本文总结了开发AI图形应用常见的6大技术难题及解决方案：1）兼容不同AI API代理服务时，建议采用SDK+Raw HTTP双模式解决User-Agent拦截问题；2）AI返回的JSON格式错误可通过容错解析处理；3）优化Prompt工程提升生成质量；4）基于差分算法实现增量生成；5）优化流式渲染防止浏览器卡顿；6）采用AABB碰撞检测算法避免节点重叠。文章结合学术理论和实战经验，为开发者提供系统化指南，适用于各类AI图形生成工具开发。

2026-02-11 19:14:47 1216

空空如也

空空如也