第 17 章：会话记忆和多轮对话 本章目标 这一章让知识库助手支持多轮对话。用户可以继续追问，系统能理解上下文。 为什么需要记忆 用户不会每次都问完整问题。 第一轮： 第二轮： 没有会话记忆时，模型不

第 16 章：RAG 效果优化：召回、重排、引用来源 本章目标 这一章解决 RAG 项目最真实的问题：能跑不等于好用。我们要优化检索质量、答案可信度和引用展示。 RAG 常见失败原因 RAG 失败通常

第 15 章：实现本地知识库问答 本章目标 这一章把前面的模块串起来：文档切分、向量检索、Prompt 组装、模型回答。 本章效果 这一章完成本地知识库问答主链路：用户提问后，系统返回答案和引用来源。

第 14 章：Embedding 和向量数据库 本章目标 这一章讲清楚 Embedding 和向量库的作用，并完成一个教学版向量检索。 本章效果 右侧“引用来源”展示了向量检索命中的片段和相似度分数。

# 第 13 章：文档上传与文本切分 ## 本章目标 这一章处理知识库的入口：用户上传文档后，如何把长文档切成适合检索的小片段。 ## 本章效果 左侧知识库状态展示了入库文档和片段数量。示例资料被切分

第 12 章：RAG 入门：为什么需要知识库 本章目标 这一章解释 RAG 的价值和基本流程。你会理解为什么知识库问答不能只靠 Prompt。 本章效果 最终知识库页面会显示文档数量、片段数量、问答结

第 11 章：做一个搜索/计算/业务查询工具 Agent 本章目标 这一章把多个工具组合起来，做一个能搜索、计算和查询业务信息的 Agent。 本章效果 配套项目把折扣计算、订单查询、制度搜索组合成一

第 10 章：用 Zod 定义工具参数 本章目标 这一章聚焦工具参数。Tool Calling 能不能稳定工作，关键不只在模型，也在 Schema 设计。 本章效果 工具参数会在调用轨迹中显示出来，方

# AI Agent 架构设计与实践 ## 引言 过去一年，AI Agent 从概念走向落地。越来越多的团队开始将 Agent 能力集成到产品中。本文将从架构设计的角度，梳理 AI Agent 的

第 9 章：工具调用 Tool Calling：让 AI 调用函数 本章目标 这一章让模型从“只会回答”变成“可以调用函数”。这是 Agent 的基础。 本章效果 工具 Agent 页面展示了最终回答

第 8 章：结构化输出：让 AI 返回稳定 JSON 本章目标 这一章解决一个常见问题：模型输出是自然语言，但应用经常需要稳定的结构化数据。 本章效果 右侧“结构化分析”面板展示了 /api/anal

第 7 章：Prompt 设计：系统提示词、用户输入和上下文 本章目标 这一章把 Prompt 从“随手写一句”升级成可维护的应用配置。 本章效果 在配套项目中，Prompt 被放在服务端 promp

拆解 dns-prefetch、preconnect、preload、prefetch 四个指令在网络请求生命周期中的作用，配合实战配置显著减少资源加载等待时间。

我在桌面养了一颗会说话的小星星 ✨ 我是谁 如果你不想再多一个「催你变高效」的工具，只想在加班或发呆时，角落里有个小家伙轻轻说上一句人话——灵伴（Sidekick） 就是为此做的桌面小挂件

第 6 章：流式输出：像 ChatGPT 一样逐字返回 本章目标 这一章把普通响应改造成流式响应。用户不需要等完整答案生成完，而是可以边生成边阅读。 本章效果 下面的截图来自配套 Next.js 项目

第 5 章：实现第一个 AI Chat 页面 本章目标 这一章完成一个最小可用的 AI Chat：用户输入问题，后端调用模型，前端展示回答。 本章效果 本章完成后，页面会具备基础对话能力。后续第 6-

JavaScript 异步编程完全指南：从回调地狱到 async/await，一次通关 目录 为什么需要异步？ 回调函数：最朴素的异步方案 Promise：拯救回调地狱 Promise 静态方法与链式

第 4 章：接入大模型：initChatModel 与多模型切换 本章目标 这一章让项目真正接入大模型，并设计一个可替换供应商的模型创建方式。 为什么要做多模型切换 小册读者的模型条件不一样。有人用

第 3 章：项目初始化：Next.js + TypeScript + LangChain.js 本章目标 这一章开始搭项目。我们会用 Next.js App Router 作为全栈框架，前端负责页面和

手写Promise，面试经典老题。但2026年了，还有多少人在面试前夜死磕`resolve`、`reject`、`then`的链式调用？