因为项目的需要，之前研究了一段时间的RAG，于是本文总结 8 种 RAG 架构，对每种架构进行简要介绍，并用 langchain 实现其参考代码。

这是一个很有趣的问题，很多人觉得有了 AI 之后是不需要学习，因为 AI 可以帮助他解决大部分问题，但是如果你已经使用过一段时间 AI，或者说你正在使用 vibe coding ，那么你的实际体验会告

大家好，我是双越老师。本文介绍前端人员开发一个 AI Agent 需要哪些核心技能，包括 LLM 提示词工程 langChain RAG 。对于前端转行 AI 工程师是一个很好的参考。

今天我们来系统梳理AI智能体架构设计的九大核心技术，这些技术构成了现代AI应用开发的核心框架，涵盖从基础推理到多智能体协作、从数据处理到人机交互的关键层面。欢迎各位指正交流。 一、AI 智能体（AI

SSE接入的具体落地有几种方案 ## 1. EventSource 实现接入 EventSource 是一个 `Web API`，**是浏览器提供的原生对象，专门用于处理 SSE**。使用简单，对

MCP这东西，别光看网上说，自己动手试试，一试一个不吱声，来看看一个AI应用落地实战派对MCP的体验和结论吧。

💡 开发者福音！现在可以让 AI 理解 Antd 代码并生成更相关的代码旨在减少生成幻觉！MCP 服务让LLM能够精准查询组件文档、API和示例代码。支持自主提取文档，再也不用反复查阅官方文档了！