LLM 应用的幂等性工程实践：从 Idempotency-Key 到工具调用去重账本，5 类生产陷阱与系统级四层防护架构设计

上个月产品经理找我，说客服那边扛不住了——每天800多条工单，4个客服轮班都回复不过来，用户满意度跌到了72%。领导的意思是：你不是搞技术的吗，搞个AI客服试试。 我当时的第一反应是：又要造轮子了。

问“怎么退钱”搜出来的是“退款到账时间”，问“加班费怎么算”搜出来的是“加班调休规定”。今天，我们要解决RAG最头疼的问题——检索不准。

你好，我是小 G。Kimi K3 上周五正式发布了！ 这两天被问得最多的，基本都是同一个问题：K3 能力到底怎么样？写代码体感如何？ 国内外已经有很多大佬把 K3 拿去和一线 Coding 模型对比，

1. 先搞懂：什么是Embedding？ 1.1. 用后端老鸟的类比 假设你是数据库管理员，要给1000本书建立索引： Embedding 就是把文本映射到高维空间的坐标点。语义越相似，坐标越接近。

AI就像一个博览群书但从没进过你公司的实习生。 你问它"公司年假几天"，它只能根据"一般公司都是10-15天"来编。

从Python到Java：为什么企业级Agent最终会选择Java？ 如果你最近在关注AI Agent开发，一定有一个感受：整个互联网都在教你用Python写Agent。

前言：从"加载全部制度"到"按需获取知识" 在「Claude Code 需求拆解实战：从直觉到推演（SDD 教程）」专栏的《09-不要只让 AI 进入 Plan 模式，要先给 AI 一套工程制度》中，

前言：为什么我要做一个私人知识库？ 在一个长期迭代的项目中，真正容易丢失的往往不是代码，而是代码背后的上下文。 例如： 为什么用户认证最终选择 JWT，而不是 Session？ 为什么某张表要拆分，而

前言 大模型擅长理解和生成文本，但它不能天然读取本地文件、查询数据库或调用我们编写的函数。 假设我们有一个普通函数： 它可以接收名字并返回问候语，但 AI 客户端并不知道： 这个函数是否存在； 它有什

本文系统讲解 MCP 的核心概念、架构与调用原理，并通过天气服务和 GitHub 案例演示本地、远程服务的接入流程。同时总结工具设计、权限控制、凭据保护与安全防护等实践要点，帮助开发者快速掌握 MCP

我是觉得，与其天天研究各种 Vibe Coding 的奇技淫巧，不如先把**规格驱动开发（Spec Driven Development）**掌握好。 它足以解决你日常绝大多数编程问题。 为什么我一直

但说实话，我一开始是没搞明白的。看了几篇介绍文章，满屏的"JSON-RPC 2.0"、"stdio transport"、"SSE transport"——每个字都认识，连起来就是不知道在说啥。

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。

作为一个写了十年CRUD的Java老鸟，我从来没想过，让机器写诗会比写一个查询接口还简单。Spring AI 是标准接口层。它定义了一套统一的API——ChatClient、Function Call

前言：向量写入数据库之后，怎样真正用起来？ 上一篇完成的是 RAG 的索引链路： 完成索引并不代表系统已经能够回答问题。 当用户提问时，系统还要执行另一条查询链路： 索引链路与查询链路使用相同的 Em

在完成文档切分、向量化和 MCP Server 开发后，我们已经具备了一个可以被外部调用的知识库服务。 不过，服务能够运行，并不代表 AI 客户端能够稳定、准确地使用它。 从"服务可用"到"客户端按需

后端老鸟的类比：这不就是HTTP的无状态问题吗？ HTTP每次请求独立，我们用Session/Cookie来保持状态。AI对话也需要一个“Session”——这就是 ChatMemory（对话记忆）。

AI的“选择困难症” 先回顾上一篇的架构： 这是单工具场景，决策很简单：要么调，要么不调。 但真实业务是这样的： 这句话里隐含了三个需求： 查订单：找到上周买的手机订单 查物流：看看快