HITL 人工介入的并发难题：两个人同时审批一张证书怎么办?先看官方 Demo 的 HITL 长什么样

LangGraph**用确定性的图，兜住不确定性的模型。** 模型负责不确定地"说什么"，图负责确定地"怎么走"。

使用软著Skill后，可以一键生成软著申请材料啦，不用再逐个手动整理~申请表、操作手册和代码材料一次性生成

我把 LangGraph 官方 Demo 扩成了生产级多 Agent 系统，这 3 个"反直觉"设计救了整个项目

知识库里的 Chunk 变多以后，检索速度往往会先出问题。KNN、IVF 和 HNSW 分别是怎么减少计算量的，Faiss 里又该怎样构建和调整索引，这篇文章用原理和代码把它们讲清楚。

从这一篇开始，我们正式进入 RAG 系列教程。相比简单的知识库 Demo，真实项目更关注检索是否准确、回答是否可靠，以及整个链路如何稳定运行。本文将从原理到代码，带你跑通完整 RAG 流程。

OctaFuse Gateway 2.7.0 重点解决三个实际问题：如何让工作日和周末使用不同价格，如何为不同用户设置专属模型价格，以及如何通过统一网关调用阿里云百炼的同步多模态语音识别。 这意味着，

任务卡在 ready 三天，零报错零告警——每个组件都认为自己没问题。聊聊多智能体系统里最阴险的失败：静默滞留。为什么它不报错、怎么给"没发生的事"装告警、修复的三个层级。

"机器能思考吗？"——图灵测试、达特茅斯会议与 AI 的诞生 🎬 写在前面：1950 年，一个英国数学家打开了一扇 74 年后还没关上的门 1950 年 10 月，哲学期刊 Mind 刊登了一篇论文。

从 Transformer 到生产级 Agent：涉及的基础概念GPT、LLM、Prompt、CoT、RAG、Memory、MCP、Skill、ReAct等概念的演进和理解

GraphRAG 会从文档中提取实体和关系，构建知识图谱与社区报告，再根据问题使用 Local Search、Global Search 或 DRIFT Search。

pi 扩展机制：加载、执行与能力 pi 的扩展系统解决一个问题：把 agent 内部流程以事件形式暴露出来，让外部代码能观察、拦截、修改它的行为。Claude Code 这类 agent 默认是黑盒—

当 Agent 开始访问企业数据和业务系统，它代表谁？能看什么？可以替谁执行动作？一次操作出了问题，该去哪里查？一个人摸索出来的方法，又该怎样交给同事继续使用？

前面做 RAG 时，使用的一直是向量检索。它擅长“按意思找内容”，即使用户的问法和原文不同，也有机会找到相关资料。 但遇到人名、专业术语、错误码这类内容时，我们关心的是某个词有没有准确出现。向量检索负

你有多久没亲手写过 SQL 了？ 这两年，AI 正在快速进入数据库场景。Chat2DB、Text-to-SQL 工具越来越多。 当 AI 已经可以直接操作数据库，传统数据库管理工具，还有多大价值？

从OpenClaw到Hermes Agent，AI Agent赛道的"造星运动"越来越像一场精准的注意力收割。作为一名每天和AI打交道的互联网从业者，我想聊聊这场狂欢背后的真实感受。

在前面的两篇文章中： Agentic RAG 入门：从固定检索到自主决策 PostgreSQL 做向量检索：一条单库路线 第一篇围绕 Agentic RAG，逐步梳理了四项核心能力： 基础检索：从知识

前言 无论是 ChatGPT、DeepSeek 还是 Qwen，所有大语言模型的第一步都是把文本变成数字。这个过程看似简单，但分词器的设计直接决定了模型的参数量、序列长度和最终效果。 本文参考 Min

用 AI 写代码时，很多人只会裸聊提需求，导致 AI 不按规范、忘跑测试、反复返工。维护好 AGENTS.md，让 AI 知道项目规则、构建命令、编码规范，减少重复提醒，提升交付质量。