RAG 的效果，往往不是从大模型开始决定的，而是从知识库里的文档如何加载、清洗和切分开始决定的。 很多人第一次学习 RAG 时，会把注意力放在向量数据库和大模型调用上。但在真正检索之前，还有一个非常重

如果你正在准备 AI 应用开发方向的面试，RAG（Retrieval Augmented Generation，检索增强生成）这个词你一定绕不开。但市面上的教程要么堆概念不讲代码，要么直接丢一坨

最近在学习 AI Chatbot 的前端开发，花了几天时间从零开始，用 Vue 3 调用 DeepSeek API，实现了一个支持"流式输出"和"非流式输出"切换的聊天机器人。这篇文章把整个过程

🎯 本文目标 读完本文，你将学会： MCP 协议的核心概念和工作原理 如何开发自己的 MCP Server（工具 + 资源） 如何用 LangChain 调用自定义 MCP Server 跨进程通信的

前言 上一篇文章[《从零上手 MCP》]讲了怎么手写一个本地 MCP Server，通过 stdio 让 AI 查数据库。但那只是入门——真实场景里，我们需要同时接入多个 MCP Server，有本地

开篇 Promise 是前端绕不开的基础。 你可以把它理解成一句话： 这个结果现在可能还没回来，所以它先处在等待状态；等异步任务结束后，要么成功，要么失败。 这篇文章不堆概念，我们就围绕两个最核心的问

手搓自然语义搜索：从传统匹配到向量化，理解 RAG 的第一步 先看效果 没有一行 LIKE '%react%'，它是 1536 维向量 + 余弦相似度算出来的。 RAG 是什么 RAG = Retri

Node.js 路径与文件系统：从基础到异步进化之路 在 Node.js 开发中，路径处理和文件读写是最基础也最频繁的操作。无论是搭建静态服务器、构建工具脚本，还是处理配置文件，都离不开 path 和

本文解析AI Agent核心架构，结合LangChain与Node.js代码，详解Tool调用原理，并深入对比异步并发性能，助你掌握AI全栈开发，轻松应对技术面试

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。

在 AI 应用开发的浪潮中，从“能聊天”到“能做事”是智能体（Agent）进化的关键一步。本文将带你深入理解如何使用 LangChain 框架构建一个高性能的 ReAct Agent，并剖析其背后的核

彻底搞懂 JavaScript 中的 this 关键字 从一个实战场景说起 最近在做一个基于 localStorage 的待办事项应用，核心功能是通过表单收集用户输入并保存到本地存储。在处理表单提交事

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

递归是很多人学算法时的第一个坎。 循环很好理解，for 从 1 跑到 n，代码一步一步执行。但递归不一样，它会出现“函数调用自己”的情况，看起来像绕了一圈。 这篇文章用两个小例子把递归讲清楚： 求 1

🤔 为什么我们需要“Harness”？ 想象一下，你拥有一匹烈马（LLM）。它拥有惊人的力量（海量的知识、强大的逻辑），但它野性难驯，没有方向，甚至可能随时尥蹶子（产生幻觉、遗忘上下文）

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

闲下来时间和认识的多个一同闯荡互联网的朋友聊天，一致认为第一份实习往往是最难找的。正好最近也在毕业前给师弟师妹们做了一次汇报，结束后也不少来私信问我如何找的，正好可以写一篇文章，哈哈，也省去逐个回复。

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

本文用Node.js手写RAG语义搜索，解析向量化与余弦相似度原理，揭示检索本质，助开发者理解底层逻辑并进阶向量数据库。