做过 RAG 的同学都知道，最基础的 RAG 流程就是：检索 → 拼上下文 → 生成回答。简单直接，但用着用着你会发现一堆问题： 问"1+1等于几"也要走一遍向量检索？纯浪费 token 检索

一、条件分支：让工作流"会思考" 为什么需要分支？ 线性流程只能 A → B → C 一路走到黑。真实场景中，Agent 需要根据输入决定走哪条路——用户问数学题走计算器，闲聊走对话，代码走 Code

1.1 定义：什么是前线部署工程师 软件行业的默认分工是：工程师在公司里造产品，销售把产品卖出去，交付团队把产品装到客户环境里，客户成功负责让客户用得开心。四类人各管一段，客户的需求在这四段之间传递，

为什么需要多 Agent？ 复杂的 Agent 产品基本都是多 Agent 架构。 单 Agent 的痛点 问题： 执行每个功能只需要一部分 prompt，但每次都带上全部 Token 消耗高，无关信

你会收获什么 理解 SSE（Server-Sent Events）协议的完整机制 用 Node.js 原生代码手写一个 SSE 服务 搞懂 LLM 流式输出的底层传输原理 对比同步请求与流式请求的本质

开篇 这不是一篇技术的文章。可能不会帮助到你什么，我只是想记录一下自己的年中总结，为了开启人生新篇章的总结。

前言 今天是新公司入职后的三个多月了个人也是如愿的转正了，对于我个人而言此时的心情好像没有三个月前刚拿到offer那样的喜悦和兴奋了，更像一件很普通的事情在你身边发生了吧

你有没有发现，和 ChatGPT 聊到第 50 轮的时候，它就开始"失忆"了？你之前说过的职业、爱好、项目进度，它全忘了。 这不是模型的问题，而是上下文窗口有限。把所有历史对话塞进 promp

第 2 章 解决正确的问题 2.1 进场第一周怎么过 第一周的目标只有一个：建立对客户业务的"地面真相"认知，而不是接受转述版本。 客户给你的背景材料、招标文件、高层访谈，都是二手的；二手信息经过了过

天地不仁，以万物为刍狗 原文 解释 天地不仁，以万物为刍狗；圣人不仁，以百姓为刍狗。 天地并不带有私人的仁慈或偏爱，在它眼中，万物都像是祭祀用的草扎狗一样，任其自然生长。写代码的人要懂得这个道理。

上一篇 《一文搞懂 Agent Memory 管理》 我们聊了 Memory 的三种截断策略：消息数量截断、Token 数量截断、总结压缩。但上一篇对"总结压缩"只放了一段伪代码，很多同学看完还

最近在学大模型应用开发，发现 Text2SQL 这个方向特别有意思——把自然语言翻译成 SQL 语句，让不懂技术的人也能查数据库。踩了不少坑，从 SQLite 建表到 prompt 模板设计，把

大家好，我卡颂。 近两年互联网行业不景气，很多程序员都在寻找新出路。很自然的，独立开发成为一个充满吸引力的选择 —— 背靠自己的开发技能，不用看老板脸色，靠产品养活自己，想想就很美好。 但恕我直言，保

二零零几年，大环境还没像现在这么拉垮的时候，有个面向学生的网站叫校内网，里面曾有人发起了一次大范围投票。 问广大学子毕业后最想从事什么工作。 当时超过一半的人都选择了大型外企，排名第二的是大型国企民企

你盼世界，我盼望你无bug。Hello 大家好！我是霖呆呆！ 这篇文章是呆呆自己近期的一些面试汇总，经验是2年，算了一下有128道，基本都写了比较完善的答案，就算没有写也有推荐一些好的文章链接，文章篇幅较大，整理总结也花费了很多的时间和心血，题目也是根据公司规模的大小从易到难，…

马上进入三月份，各个大厂的春招也陆续开了，正是大家所谓的“金三银四”的时期。 想进入大厂必不可少的就是面试了，面试就是一个让面试官快速的了解你，并相信你有足够的能力可以胜任这份工作的过程，一份好的自我

一项目背景 1.1 项目简介 构建一个单词后台管理系统，核心功能： 单词书管理（CRUD） 管理员权限系统 数据清洗与导入 H5 单词学习应用 1.2 技术栈 技术 用途 面试亮点 Next.

用 LLM 做业务时，你一定遇到过这个问题：大模型返回的是一段话，但你要的是一个 JSON 对象。 比如让它"介绍一下爱因斯坦"，它返回的是： 但你的代码需要的是： 怎么让 LLM 按格式输出？

前言 最近在用 Claude Code 写全栈项目，发现一个很有意思的现象：同样的需求，丢给 AI 一个"什么都没约定"的项目，它要反复问你文件放哪、路由怎么配、样式用什么；但丢给一个 Next.js