- 博客(28)
- 收藏
- 关注
RSS订阅原创 RAG 检索优化：混合搜索、Reranking、多路召回
RAG检索优化技术总结 本文针对纯向量检索的三大局限（关键词匹配差、短查询模糊、新词处理弱），提出三种优化方案： 混合搜索：结合向量检索与BM25关键词检索，通过RRF算法融合结果，将召回率从85%提升至92% Reranking：使用BGE等交叉编码器模型对候选结果二次精排，提升排序准确性 多路召回：并行执行不同检索策略后合并去重，增强覆盖率 优化后的检索pipeline显著提升了精确匹配和语义检索效果，配合查询改写和评测体系形成完整解决方案。这些技术可有效解决实际业务中的编号查询、短文本搜索等典型问题。
2026-05-20 14:28:03
502
原创 ai-memory 技术深度剖析：我是如何让 AI 记住三个月的开发历史的
AI记忆技术核心突破：ai-memory实现长期项目上下文持续理解 本文深入解析了ai-memory技术如何解决AI编程中的长期记忆痛点。该系统通过三大核心技术方案： 智能分块处理：采用对话边界感知的分块策略，将长对话切分为语义完整的片段，配合噪声过滤预处理，有效降低40%数据量。 五层质量过滤体系： Prompt级结构化约束确保每条记忆满足5项质量标准 技术密度评分量化评估内容价值 双语废话检测过滤低质量输出 相似度去重保证知识唯一性 最终人工审核层 三路混合检索：结合关键词、语义和时序检索，确保新对话能
2026-05-11 11:38:07
703
原创 开源 | 我是怎么用 ai-memory 让 Cursor 每次开新对话都自动知道项目背景的
《ai-memory：让AI记住项目背景的开源工具》介绍了ai-memory工具如何解决开发者在使用Cursor等AI编程助手时反复解释项目背景的痛点。该工具能自动提取历史对话中的结构化记忆（如架构决策、编码规范等），支持增量更新和可视化dashboard，并通过AGENTS.md文件让AI助手在新会话中自动获取项目背景。提供零配置试用，支持多种编辑器，开源地址为https://github.com/hyxnj666-creator/ai-memory。
2026-05-07 16:37:05
1083
原创 搭建公司内部的 AI 平台（上）：架构设计与核心模块
AI平台架构设计与核心模块摘要 本文介绍了企业搭建统一AI平台的必要性和整体架构设计。当前各团队分散使用不同AI模型导致管理混乱，统一平台可集中管理API Key、Prompt、知识库和成本核算。平台架构分为前端控制台和后端核心模块，包括： AI Gateway：处理多模型路由、权限控制和配额管理 Prompt Manager：实现Prompt模板的版本化管理和在线测试 知识库系统：支持文档上传、切片、向量化存储和检索 统一鉴权与审计：通过Platform API Key调用，集中记录使用日志 平台可解决模
2026-05-06 11:08:03
365
原创 AI 应用的安全架构：Prompt 注入、数据泄露、权限边界
AI应用安全架构核心摘要 本文系统阐述了AI应用面临的两大核心安全威胁及防御方案： Prompt注入防护 攻击类型：直接注入、间接注入、越狱、编码绕过 防御策略： 输入清洗：正则过滤危险指令 System Prompt加固：设置不可覆盖的安全规则 输出校验：检测敏感信息泄露 双LLM检测：用辅助AI识别注入特征 数据泄露防护 敏感数据类型：PII信息、公司代码、财务数据、API密钥 防护措施： PII脱敏处理：电话号码、身份证等关键字段掩码 数据分级策略：根据敏感程度选择处理模型 输出拦截：正则匹配银行卡号
2026-04-30 15:45:59
634
原创 从单 Chat 到多 Agent 系统：AI 应用的架构演进路线
摘要：多Agent系统的前端架构演进与挑战 本文探讨了AI应用从单Chat到多Agent系统的架构演进路径。文章将AI应用分为五个层级（L0-L4），重点分析了多Agent系统（L4）对前端架构带来的挑战，包括状态管理和协作展示等。介绍了四种Agent编排模式：串行、并行、路由和监督者，每种模式对应不同的前端展示需求。文章提供了详细的状态模型设计，包括多Agent状态、Agent间通信和执行轨迹记录。最后提出了基于SSE协议的事件流设计方案，用于前端实时更新多Agent协作状态。这些架构方案旨在解决多Age
2026-04-29 16:11:08
424
原创 Prompt 工程：前端最容易忽略的核心技能
介绍一套实用的 RCFE 框架（Role + Context + Format + Examples），带你做一个真实的 AI Code Review 工具。让 AI 稳定输出结构化 JSON、用 Few-shot 锁定输出格式，以及五大翻车场景的修复技巧。代码同时提供 JavaScript 和 Python 版本。
2026-04-29 11:00:58
440
原创 Harness Engineering：从“AI 辅助“到“驾驭 AI“的工程效能革命
文章摘要：驾驭AI的工程效能革命 本文提出"驾驭工程"(Harness Engineering)方法论，系统化利用AI提升开发效率。作者将AI使用分为三个层次：被动使用、主动指挥和系统化驾驭。真正的效能革命在于建立四大AI基础设施：Rules(约束层)、Skills(能力层)、Hooks(守护层)和Subagents(专家层)。这些层级协同工作，将AI从辅助工具转变为工程基础设施，实现从"AI辅助写代码"到"驾驭AI做工程"的转变。通过这种系统化方
2026-04-28 15:40:18
434
原创 开源 | ai-memory v2.6.2：不用配 API Key，一行命令把 Cursor 对话变成结构化知识库
ai-memory v2.6.2 是一款开源工具，无需配置API Key即可将AI对话记录（Cursor/Claude Code等）转化为结构化知识库。通过简单命令npx ai-memory-cli extract即可运行，内置免费模型处理最多2个对话。输出为本地Markdown文件，支持git追踪和可视化dashboard查看。与其他工具不同，它直接读取编辑器聊天记录而非需要API调用，保证了数据隐私和本地存储。提供增量提取、历史搜索等功能，适合开发者沉淀AI对话中的技术知识。
2026-04-28 10:36:20
1715
原创 开源 | ai-memory：把 Cursor / Claude Code 的聊天记录变成结构化知识库，519条记忆一键提取
这篇文章介绍了一个名为ai-memory的开源工具，它能将AI编程助手（如Cursor/Claude Code）的聊天记录自动转化为结构化知识库。该工具通过命令行操作，可以提取对话中的关键决策、待办事项和问题解决方案，生成Markdown格式的结构化文档，支持团队协作和版本控制。 主要功能包括： 一键提取聊天记录中的519条结构化知识 生成可视化面板展示记忆分布 自动创建AGENTS.md文件供AI工具读取 支持历史决策搜索和上下文续接 兼容多种主流AI编程助手 相比其他记忆工具，ai-memory无需手动
2026-04-27 17:37:24
1724
原创 流式输出：让 AI 回复像 ChatGPT 一样打字机效果
摘要 本文介绍了AI聊天应用中流式输出(Streaming)的实现原理和具体方法。通过对比非流式和流式两种模式的用户体验差异，指出流式输出能显著提升用户感知速度。文章详细讲解了SSE(Server-Sent Events)协议的特点及其与WebSocket的区别，并提供了三种实现方案： 使用Node.js/Python的OpenAI SDK实现流式调用，只需设置stream: true参数 通过原始fetch API手动处理SSE数据流 前端实现方案包括浏览器原生EventSource和使用fetch+Re
2026-04-27 11:30:19
492
原创 向量数据库选型：ChromaDB / pgvector / Pinecone / Milvus
向量数据库选型指南 本文对比了四大主流向量数据库的核心特点和适用场景： ChromaDB - 轻量嵌入式方案，5分钟快速上手，适合小规模数据和原型开发 pgvector - PostgreSQL扩展，零成本接入现有PG生态，适合已有PG基础设施的项目 Pinecone - 全托管SaaS服务，开箱即用，适合无运维团队的中小企业 Milvus - 分布式专业向量数据库，支持亿级数据，适合大规模生产环境 核心选型因素： 数据规模（万级/百万级/亿级） 团队技术栈（是否已有PostgreSQL） 运维能力（是否需
2026-04-26 17:42:11
533
原创 Embedding 模型选型：OpenAI / BGE / Jina 效果与成本对比
Embedding 是 RAG 的基石——选错模型，后续再怎么优化检索都救不回来。中文场景首选 BGE-M3——开源免费、效果一流、本地部署数据安全。没有 GPU 就用 API——Jina v3 和 OpenAI small 价格相当，Jina 中文效果更好。务必用自己的数据评测——别信别人的 benchmark，跑一把 Hit Rate 和 MRR 才是王道。统一封装接口——抽象类让你随时切换模型，零改动。批量处理 + 缓存——这两个优化能省 80% 的成本和时间。
2026-04-25 16:01:54
682
原创 多模型适配：一套代码接 6 家 AI 厂商
本文介绍了如何封装统一AI调用接口，支持6家主流AI厂商（OpenAI、DeepSeek、通义千问、Gemini、Ollama、零一万物）。文章首先分析了绑定单一AI厂商的风险（服务不可用、效果不达标、成本失控等），提出需要实现多厂商适配的解决方案。核心思路是利用OpenAI兼容格式作为统一协议，只需修改URL和Key即可调用不同厂商API。同时针对Claude的特殊格式进行了适配处理。作者提供了JS和Python两种语言的实现方案，通过封装统一的callAI()函数，内部根据provider分发到不同SD
2026-04-25 12:10:59
541
原创 RAG 大文件上传：分片上传、断点续传、进度追踪
这篇文章介绍了一个完整的RAG大文件上传解决方案，主要包括以下内容： 整体架构设计：采用分片上传+断点续传+进度追踪的方式，将上传和处理分为两个阶段，确保大文件上传的可靠性。 前端实现： 使用File.slice()进行文件分片（推荐5MB大小） 通过SparkMD5计算文件哈希实现断点续传 并发控制上传（默认3个并发） 失败重试机制 后端实现： 接收分片并保存 合并分片 异步处理文件解析和入库 支持SSE推送处理进度 技术亮点： 支持GB级文件上传 断点续传避免重复上传 实时进度反馈 错误重试机制 前后端
2026-04-24 15:03:30
399
原创 用 JS 和 Python 分别调通你的第一个 AI API
本文介绍了如何用 JavaScript 和 Python 两种语言调用 AI API 实现命令行聊天机器人。主要内容包括： 推荐使用 DeepSeek API，注册获取 API Key JavaScript 版本实现： 使用 Node.js 18+ 环境 通过 fetch API 发送请求 实现交互式命令行聊天功能 Python 版本实现： 使用 requests 库发送 HTTP 请求 类似的交互式聊天逻辑 两种语言调用相同的 API 接口 对比展示了两者在实现上的相似性，核心都是通过 HTTP 请求与
2026-04-24 11:15:27
399
原创 AI 全栈开发的技术全景图：前端需要补什么
前端转 AI 全栈需要补什么？梳理 AI 应用技术全景图，拆解哪些技能可复用、哪些要新学，附 JS 与 Python 对照和完整学习路线。
2026-04-23 14:37:12
857
原创 RAG 文档切片策略：固定长度 vs 递归 vs 语义切分
RAG 把文件解析成纯文本只是第一步，真正决定检索命中率和回答质量的是第二步：Chunking 文档切片。切得太粗暴，一句话被拦腰截断，检索命中率和答案可信度会直接崩。本文系统讲清三种主流切片策略，并给出可落地的参数与评估方法：固定长度切片：最快最简单，但无视语义边界，质量最差（适合兜底/快速原型）递归切片（默认推荐）：按段落/换行/句号等分隔符递归切分，兼顾速度与质量，90% 场景够用语义切片：基于句子 Embedding 相似度寻找“语义断裂点”切分，质量最好但成本最高。
2026-04-23 10:53:09
876
原创 RAG 文件解析：PDF / Word / Excel / HTML 全格式文本提取
本文介绍了如何构建一个统一的文件解析工具，用于RAG(检索增强生成)系统中的文本提取。文章首先强调了文件解析作为RAG流程第一关的重要性，指出解析质量直接影响后续所有步骤的效果。作者分享了实际项目中遇到的PDF表格解析失败等经验教训，提出每种文件格式都需要专门解析策略的观点。 文章详细设计了统一的输出数据结构ParsedDocument，包含文件名、内容、文件类型等关键字段，并特别指出pages字段对后续切片和来源定位的重要性。针对最难处理的PDF格式，作者进行了工具选型分析，推荐PyMuPDF作为主力工具
2026-04-22 15:37:15
582
原创 前端不会死，但只写页面的前端会
前端不会消失，但只写页面的正在被AI替代。本文分析AI工具取代了哪些前端工作，对比四条转型路线，结合我从纯前端不到一年转型AI全栈的真实经历，聊聊为什么JS/TS+Python是最值得走的方向。
2026-04-22 10:43:49
488
原创 一条命令审完 AI 写的代码：安全漏洞直接拦，报告直接交团队
ai-review-pipeline是一款自动化AI代码审查工具，通过一条命令即可完成代码质量检测。它提供四级严重度分类（🔴阻断/🟡重要/🟢次要/🔵建议），结合确定性规则与AI审查，精准定位代码问题至函数级别。工具支持三重质量门禁（安全漏洞直接阻断）、自动修复、测试生成及HTML报告输出，无需配置即可使用内置免费模型，也可接入主流AI服务。适用于CI/CD流程，帮助团队快速把关AI生成代码的质量与安全性。
2026-04-21 10:56:22
1781
原创 AI Streaming 架构：从浏览器到服务端的全链路流式设计
流式输出不只是加个stream:true。从浏览器到AI Provider的全链路流式架构：SSE vs WebSocket选型、Nginx代理配置、流式中间件、断线重连、背压控制全方案。
2026-04-21 10:47:16
556
原创 我做了一个 AI 原生的个人网站模板，全套开源
不是又一个简历站。这是把 AI 作为一等公民的个人网站模板：Agent 可视化、Generative UI、WebGPU、多光标、RAG、Model Arena 十几个模块开箱即用。Next.js 16 + AI SDK 6，MIT 开源。
2026-04-20 15:20:56
1391
原创 AI 应用的状态管理：比 Redux 复杂 10 倍的挑战
AI应用的状态管理远比Redux复杂：流式增量响应、10秒+长请求、不确定性输出、每秒几十次更新。本文给出会话、流式、Agent多层状态的架构设计方案。
2026-04-20 09:57:22
549
原创 AI 网关层设计：多模型路由、降级、限流、成本控制
AI应用的状态管理远比Redux复杂：流式增量响应、10秒+长请求、不确定性输出、每秒几十次更新。本文给出会话、流式、Agent多层状态的架构设计方案。
2026-04-17 10:08:28
506
原创 从“会用 AI“到“架构 AI“：高级前端的认知升级
从"会用AI"到"架构AI"：高级前端需要建立AI系统的架构思维，理解非确定性、延迟敏感、成本敏感三大特征，掌握AI应用分层架构设计。
2026-04-16 09:57:00
389
原创 高级前端的 AI 焦虑：你的经验到底还值不值钱
AI 时代，5年前端积累的经验还值钱吗？本文盘点高级前端的技能树，分析哪些能力正在被AI替代、哪些反而在升值，并给出AI应用架构师等三个高价值转型方向。
2026-04-15 09:57:19
362
原创 我写了一个 AI 代码质量流水线，一行命令搞定 Review + 修复 + 测试 + 报告
零依赖、支持 6 大 AI 厂商、npx 即跑，一行命令搞定 AI Code Review + 自动修复 + 测试用例 + HTML 报告
2026-04-14 09:53:08
1522
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人