神秘的猪头

👋 哈喽，掘金的家人们（JYM）！ 还记得上一集我们讲的 RAG（检索增强生成）吗？我们用“光光和东东”的故事，成功治好了大模型的“胡说八道症”。 但是！（敲黑板）细心的同学可能发现了，上次的数据是我

👋 前言：为什么要死磕这道题？ 在前端面试的江湖里，有一道题如同“倚天剑”般存在，它就是：“从浏览器地址栏输入 URL 到页面展示，中间经历了什么？” 这道题的出现率高达 80%，绝对的“经典考题”。

在之前的 《Flutter 2026 Roadmap》我们就聊到，如今一个项目要有发展前景，就必须能够和 AI 持续贴一起，而显然 Flutter 做到了，除了之前的 Flutter MCP ，Gen

一、前言：为什么要学习RAG？ 在AI大模型（LLM）快速发展的今天，我们在使用LLM时会遇到一个核心痛点——幻觉问题。LLM的知识来源于训练阶段输入的数据集，其知识范围被局限在训练数据的时间范围和内

一、前言：RAG技术核心认知 随着大语言模型（LLM）的快速发展，其在自然语言处理、智能问答等领域的应用日益广泛，但大语言模型存在两个核心痛点：一是知识时效性不足，训练数据往往滞后于最新信息，无法回答

本文从MCP协议的手写实现入手，逐步拆解其与LangChain的集成，再深入RAG的检索增强机制，最终实现MCP+RAG融合的闭环AI Agent开发路径.

一、LLM 的“手无缚鸡之力”：能说，不能做 大语言模型（LLM）的本质，是一个基于概率的文本生成器。它通过海量语料学习语言模式，能在给定上下文下预测下一个最可能的 token。这种能力让它在信息整合

本文详解如何用 LangChain 框架构建一个 LLM + Tools 的 AI Agent 小 demo，实现文件读写和命令执行，模拟编程助手功能。

什么是受控？ 依赖其它组件状态则受控 受控组件不局限于表单 例子： 父向子传值，值为父组件的状态 受控组件的作用 联动渲染 两个 input组件 的状态依赖于父组件内部同一个状态值 gender。当g