工边页字

五年前端开发：那些加班到深夜的日子里，我终于找到了答案 💻 那些让我抓狂的瞬间 一个padding搞了我一晚上 记得刚入行的时候，有个布局问题让我头疼了一整晚。就是两个div之间的间距，怎么调都不对。

gift-book —— 一款纯本地、零后端、完全本地运行的单页 Web 应用，旨在为各类红白喜事提供一个现代化、安全、高效的礼金（份子钱）管理解决方案。

本文聚焦 AI 应用开发中核心的短期与长期记忆概念，拆解其技术本质、实现原理与工程落地方式，对比二者核心差异，阐释双记忆体系对大模型对话连贯性、个性化及 RAG 落地的关键价值，附多语言工程实现代码

Embedding 是将文本、图像等映射为高维向量的技术，让机器理解语义。在面试中常被考查：语义搜索、RAG、推荐、聚类等场景如何用 embedding 提升模型理解与匹配能力。

大家好呀，今天开始继续更新文章了，最近一个月因为换了城市，调整状态花了不少时间，现在才有些动力继续更新，今天来聊聊最近一年多的经历 1.回二线城市 23年12月的时候，我从北京阿里离职了，回到离家近的

1. 前言 别人使用 Nano Bannana 生成了非常惊艳的图片，你是不是也想知道他们用了什么提示词？ 于是我找了很多 Nano Banna 提示词库，上千个提示词可以直接复制使用！ 如果你还不知

一、MySQL大表的标准和定义 数据量维度：单表行数超过1000万行，或单表占用空间超过100GB（不同业务场景下阈值差异较大，如高并发业务中500万行可能就成为大表）； 并发场景性能维度：查询耗时稳

大模型真的能一直记住聊天内容吗？其实不能。随着对话增加，Context Window 很快被历史消息填满。为了让 AI 在有限上下文中保留最重要的信息，AI 系统必须进行 上下文压缩。

AI 面试几乎必问：什么是 Context Window？为什么 128K 不等于 128KB？它到底包含哪些内容？为什么上下文越大反而可能更差？本文用一篇文章讲清 Context Window