现在开始解决一个更接近生产的问题：当 Agent 需要等待确认，或者 Server 在执行过程中重启时，运行状态怎样保留下来，并从正确的位置继续

上一篇已经让模型完成“判断—调用工具—观察结果—继续判断”的最小循环。这一篇不改变 Agent 的思考方式，只给它接上一个真正可用的入口：Electron负责桌面端，FastAPI负责运行Agent

假设你做了一个技术调研 Agent，让它比较两种方案，最后交一份带来源、带局限分析的报告。 它查了几轮资料，写出一大段文字，然后告诉你：“任务完成。”

多租户 RAG：让每个用户只检索到自己的知识库 0. 先用三句话讲清楚这篇在说什么 要解决的问题：上一篇的 RAG 是"全库检索"——所有用户查的是同一份公共知识库。但真实产品里用户会问"我上次收藏的

起因 前阵子公司想搞个内部 AI 工具，活儿落我头上。说实话我当时对大模型的认知停留在"网页上跟它聊天"，代码怎么调、钱怎么算、Key 从哪来，一概不知。折腾了一晚上跑通第一次调用之后我发现，这件事本

我删了 200 行 if-else，把决策逻辑全写进了 System Prompt 作者：Ticnix 链接：https://juejin.cn/post/7685215742590337075 来源

RAG 要不要上 FAISS/Chroma？720 个 chunk 的 1024 维矩阵只有 2.8MB，numpy 一次点积算完全部余弦。附耗时和成本实测。

先让 Agent 完成一次最小但真实的思考与执行循环，再逐步接入桌面端、可恢复 Runtime 与安全本地工具。DevMind MVP v0.1 到 WSS 调用 Desktop 本地工具为止；

04 · 流式输出：接住 AI “一个字一个字” 想出来的过程 前三篇的调用都是”等半天，答案一次性蹦出来”。但你用 ChatGPT 时，字是一个一个出来的——这就是流式输出（streaming）。这

摘要 大模型训练"跑起来"和"跑得快"完全是两回事——同样的模型、同样的卡数，GPU 利用率可能相差一倍以上，原因往往藏在计算、通信、IO 三个环节里，肉眼很难判断到底卡在哪一步。Nsight Sys

MCP 工具拿不到 user_id？用 contextvars 做请求级用户隔离 0. 先用三句话讲清楚这篇在说什么 要解决的问题：Agent 调用某个工具时，工具需要知道"当前是哪个用户"，可这个身

一、你有没有被证件照"坑"过？ 入职前一天才发现照片用完了，楼下照相馆 30 元 8 张还要等 1 小时； 手机上 App Store 搜「证件照」，下载一堆发现要么分辨率不够、要么水印满天飞，导出高

面试被问到 Text2SQL，我用 DeepSeek 自己实现了一个 背景 前段时间面一家后端岗，面试官问了我一个开放题："现在 AI 这么火，如果让你做一个自然语言查数据库的功能，你怎么设计？" 我

如果你的 AI 系统必须回答“为什么做出这个决定”，你会选择轻量的向量检索与日志，还是接受图、本体、规则和来源层的复杂度来换取可查询证据链？

上一篇讲了 messages 的骨架。这一篇深入两个可调控的东西：system prompt 怎么写才有效，以及 API 的几个关键参数到底在控制什么。参数部分全部配实验，建议边跑边读。 一、syst

如果你最近在GitHub趋势榜上刷到一个蓝色鲸鱼图标的项目，短短几个月从两千多颗星冲到六万颗，那大概就是Orca了。这东西不是又一个"AI编程助手"，而是把好几个AI编程助手一起塞进一个软件里，让它们

Agent 能自己下单、自己发邮件，但重要动作要人类签字是长期需求。本文用 pip install jeeflow 给 Python Agent 装一道真审批闸门：发起→停在审批人手里→人点头→才放行；越权自批当场被拒，会签/驳回/留痕开箱即用。全程真机实录。

六十道聚焦 Python 字符串常用方法的练习题，覆盖大小写转换、查找统计、判断检测、对齐填充、分割拼接与修剪转换。每题附参考答案与解析，先动手写，再对照答案。

这半年来跟不少做代码审查的朋友聊过一个共同感受，AI coding agent 写代码的速度确实惊人，跑起来也真的能实现需求，可是一旦真正准备把它推上生产环境，总有种说不出的别扭。测试用例全绿，功能演