DuckDB 是一个嵌入式分析型数据库，可以直接用 SQL 查询 CSV、Parquet、Pandas 等数据。它连接了数据分析、数据工程与 AI，适合轻量 ETL、数据探索和 AI 数据分析场景。

6年前端、2年Node基础设施、2年数据分析，到最近半年深入AI企业落地。从写代码到搭建知识库、Agent和自动化工作流，我的转型不是换赛道，而是不断扩大能力边界。

AI 真正的效率提升，不是让人写代码更快，而是让一个人能并发管理更多 Agent。未来程序员的核心能力，将从 Vibe Coding 转向构建信任框架，让 AI 在无需持续监督的情况下可靠完成任务。

GoWind Admin｜风行 — 开箱即用的企业级全栈中后台框架：AI 模块 一、能力全景：五个子域，一张图看懂 能力 入口 一句话说明 模型提供商 管理页「AI 提供商」 一行 = 一个 Open

Iris 最开始只是我想给自己做的一个私人 AI。开发到最后，我逐渐发现，真正值得留下来的可能不是这个软件，而是这一过程中形成的一套关于 Personal AI 的理解。

上一篇讲清了 RAG 的完整工作流程。 这一篇只讨论一个更实际的问题： 答案不是“把数据库地址和大模型 API 配上就结束了”。 知识入库完成以后，后端仍然要负责： 把现有知识库接入应用； 使用兼容的

3 个 AI Agent 交付一个企业项目：4 人团队 2 个月，我 3 周做完 上个月，我给一家传统企业的老板讲方案。 讲到第 20 分钟，他打断我：「行，就你了。」 我报的是 12 万。他没还价，

`AGENTS.md` 不是 Agent 的大脑，更像是它的宪法。真正让 AI Coding 稳定交付的，不是把更多内容塞进一个文件，而是把上下文、动作和质量边界分到正确的位置。

AI 给了我最完整的一套方案，也给了我最难查的三个 bug。后来我想明白了：它能把每个零件做对，但它看不见这些零件之间连着几条链路。

从零构建一个生产级记忆型 AI Agent —— AgentScope 项目全景技术与学习指南 目录 第一篇 项目全景：它是什么、解决什么问题、总体架构长什么样 第二篇 知识地基：AI Agent 开

不少企业做 AI 落地，走着走着就成了 “模型收藏家”。客服场景用 A 厂商的模型，文档解析选 B，代码辅助依赖 C，内部还跑了一套私有化模型。每个模型一套独立 API 地址、鉴权规则、返回格式，业务

“最后不还是 Agent 在调工具吗？那 MCP 多做了什么？” 这个问题比背定义有用。因为第一次看 MCP，很容易把模型、Agent、Harness、Client、Server 都画成一团，然后得出

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。

读者问"你用的什么 Agent"：3 个 AI 员工的分工表和工具链 上一篇《3 个 AI Agent 交付一个企业项目》发出去之后，底下只有一条评论。 一位读者问：「请问一下用的什么agent?」

本体是业务的标准化语法，定义领域概念、关系与规则，解决多系统语义不一致难题。2026年因AI落地刚需、大模型降本增效及Palantir示范效应而爆发，成企业级AI基础设施。

用 AI 写代码差不多两年多了，最近越来越强烈地意识到一个问题：不是 AI 写得不好，而是我自己，好像跟不上了。 刚开始那阵子是真的爽。一个需求丢过去，几分钟一堆代码就出来了，还附带一大段改动说明，写

深度实测智谱 GLM-5.3-Flash，低价和多模态很亮眼，但视频工作台与票务系统仍需要人工收尾。

Pi Agent 是开源极简终端AI编码代理，418行代码支持15+模型切换与树状历史。通过扩展系统深度定制，适合追求可控性与嵌入场景。

大家好，我是技术UP主小傅哥。 26 个内置工具（7 文件操作、6 Shell/终端、3 Agent、4 Job、2 Web……）、27 个领域模块、外加 MCP 与插件两套动态工具扩展点。这些玩意，