前些日子和一个朋友聊架构方向，聊到了 Local-First 和 Cloud-First 两种模式。所谓 Local-First 和 Cloud-First，核心区别在于

MCP协议让AI工具拥有"USB-C接口"。本文从"AI如何查询数据库"这一灵魂问题出发，通过完整的代码实战，深入解析MCP如何实现工具跨语言、跨进程的标准调用。

大家好，我是卷毛。 作为9年Java老兵，我承认之前看Python那套AI生态是有些羡慕的。但Spring AI 1.0正式发布后，我用一个下午就完成了大模型接入——全程Java，零Python代码。

实践得真知哇 这篇文章是基于我们训练营内部项目总结实践出来的，思考供大家学习参考。 最近有粉丝去面试，被问到如何进行AI编程的，回答的太浅了。 这篇文章看完之后，相信你对AI编程会有一个新的理解。

一、ChatMemory 和 RAG,到底是什么关系? 很多人以为这是二选一,其实它们是互补的。 维度 ChatMemory(对话记忆) RAG(检索增强) 解决的问题 "你上一轮说了什么" "公司手

一、先说结论：AI Agent 能用好的前提是"工程化" 直接把需求丢给 AI，产出质量是不稳定的。半年下来我最大的体会是：AI Agent 的产出质量，取决于你为它准备的上下文和工具的质量。 具体来

这是一个系列 Blog，作者将以一个 PHP 全栈工程师的身份，利用 AI 工具（claude code、codex、deepseek、豆包等）：从零开始学习 golang 语言，并最终完成实战项目。

用 RAG+FAISS 构建古诗词 AI 取名系统：从向量检索到六层质量过滤的实战.让大模型给你推荐一个出自《诗经》的名字，它大概率会自信满满地给你一个假的诗句、假的篇名、假的释义。这不是模型能力问题

关于“全局（Global）”与“项目（Project）”技能的区别与选择： 一、 技能分类：全局 vs 项目 在 Cursor 和主流 AI 编码 Agent（如 Claude Code 等）所采用的

语义层和 BI 一样，过去学习成本不低，但在 AI Agent 辅助下，安装、启动和验证已经可以交给编程代理完成。本文以 Codex 为例，从一句提示词开始，使用 foggy-ai-analysis

这是一套以 AI 应用开发 为核心的项目教程，用 AI 编程的方式从 0 到 1 开发一个 GitHub 仓库 AI 文档翻译 SaaS 平台。

这是一个系列 Blog，作者将以一个 PHP 全栈工程师的身份，利用 AI 工具（claude code、codex、deepseek、豆包等）：从零开始学习 golang 语言，并最终完成实战项目。

介绍ClaudeCode与IDEA集成方案，含安装、配置、命令、实践、工具链、最佳实践/经验、工程案例等。

这篇博客分享了作者将民政部国家地名信息库 API 封装为 MCP 服务器和 Skill 规范的过程。通过开源实现，让 AI 能直接调用官方行政区划查询接口，解决地址数据不准、AI 编造信息的痛点。

用 Claude Code 或 Codex 写代码，确实效率拉满。 但用过一阵子的人，大概都经历过一件事：Token 烧得飞快，尤其是中大型项目里，随便问一句「这个登录流程是怎么串起来的」，AI 就开

腾讯面试的时候，面试官问我：“用过什么 AI 编程工具？”。我说：“Trae。” 空气突然安静了两秒。 我搞不清楚为什么面试官沉默了，当时我还在想：“是不是我回答得不够高级？”。 面试被挂后才意识到：

今天（3月31日），AI圈被一条消息刷屏——Anthropic旗下的Claude Code，这款被很多开发者称为“地表最强”的AI编程Agent，因为一个格外低级的配置失误，导致大部分源码公开。

这几年只要聊到 ​AI Coding​，十有八九会绕回那个老问题：AI 会不会替代研发。听多了以后，我反而觉得这个问题有点耽误事。它太大，也太像一个茶水间话题，落不到每天怎么写代码、怎么交付需求、怎么

大家好，我是大志。 Memory（记忆）几乎是所有 AI Agent 面试都会涉及的核心知识点。从短期记忆、长期记忆，到 Memory Summary、用户画像、记忆召回、记忆压缩，这些问题在面试中都