系列文章

2025年以来，我们正站在人工智能应用演进的一个关键节点上，从预测式AI（分析模式、进行分类）到生成式AI（创造文本、代码、图像），我们如今正迈向第三个阶段：AI Agent。

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。

最近在参加公司的 Agent 比赛，尝试将一个想法用完整的 Vibe Coding 流程来实现，经过一些曲折，最后完成了，比传统Coding的效率的确提升了5倍左右，先介绍项目，最后再写开发总结。

最近 Claude 在 github 上有一个比较火的项目：https://github.com/anthropics/skills，项目是围绕新概念 Skills

大模型发展这两年，应用型 AI 的焦点一直在 “提示工程”（prompt engineering），但随着更强大的大语言模型（LLM）走向多轮、长时间的自主行动，一个更关键的概念开始走到台前：上下文工

什么是 PGO？ Profile-Guided Optimization (PGO) 是一种 “以真实运行数据为依据” 的编译优化方式： 先用插桩或采样收集程序在代表性输入下的执行画像（热点路径、分支

最近 OpenAI 发表了一篇文章《Why Language Models Hallucinate》，解释为什么会出现 "幻觉"，周末我读了一下，总结这篇文章。 什么是"幻觉"？

最近在工作中遇到一些开发，很多人觉得实现 strlen 是一件很简单的事情，很快写出如下代码：...

虽然一直在开发中使用 JSON 解析，但是如何高效的从 0 实现一个 JSON 解析，一直还未尝试，花了几个周末的时间用 golang 实现 sjson。

前段时间读完了周志华老师的《智慧的疆界：从图灵机到人工智能》，一直没写读书总结，趁着周末，简单总结下。

继续上一篇《Linux高性能网络编程十谈|C++11实现22种高并发模型》，大家对于 C++ 实现各种 Server 比较感兴趣，于是我把工作这些年接触的高性能开源的网络框架整理了一遍，基于9个C++

想起很久之前拖更的一篇关于《Linux高性能网络编程十谈》结尾的博客，于是周末继续撸代码，整理这篇用 C++11 实现 22 种高并发模型。

为了探索和改进 AI 工具在编程方面的体验，同时也想验证一些 AI 的边界，于是又想到了尝试从 0 实现高性能JSON解析器，说干就干。 开始以为比较简单，不会超过半天就能实现，但是经过各种提示词优化

去年的这个时候一直在探索如何用 AI 实现编程语言，当时 Agent 和工具链还不够齐全，所以尝试一段时间就断更了，有兴趣的可以再回忆这两篇用 Prompt 实现的词法解析器： 《ChatGPT|AI

去年有一段时间对 Rust 特别感兴趣，不过由于时间忙，学习了一段时间但是没有使用场景就放弃了，最近这一个月又在回顾今年的目标，其中一点是重新学习一门新的语言，看了 Zig 以后...

最近 MCP 这么火，了解了一段时间也该写篇总结，那就开始吧。  1. 什么是 MCP  MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthro

1. LanceDB介绍 LanceDB是一个开源的用 Rust 实现的向量数据库（https://github.com/lancedb/lancedb），它的主要特点是： 提供单机服务，可以直接嵌入

前面一篇文章介绍了《从0开发大模型之DeepSeek的GRPO》，并且实现了一个简单版本的 GRPO 代码，不过从工程领域来看，并没有复现DeepSeek-R1，于是最近申请了48G的显存，结合一些开

最近，DeepSeek-R1的发布为国产大模型争光了（太强了），不过 GRPO 算法源自 DeepSeekMath 7B 模型，该模型在 MATH 基准测试中取得了优异成绩...

最近在看《黄仁勋：英伟达之芯》，这本书讲述了英伟达是如何一步一步优化GPU，感觉创业不易，不过本文为了让大家更好了解GPU，所以简单汇总了一些知识点。