后端

Spring Boot + LangChain4j 统计 token 成本：ChatModelListener 实测与单价口径本文是“AI 工程化实测”系列第 2 篇：这一篇只讲 token 计量这一件事。实测环境：LangChain4j 1.22.0 + 1.22.0-beta32，JDK 21，Spring Boot 3.x，数字来自我们 Agent 项目的真实日志。

努力的小郑

数据查到了，回答去哪儿了？一次百炼 + LangChain 排查实录我们在公司的业务软件里做了一个 AI 经营助手。以前用户想看当天的营业额，要进后台找报表、选日期。现在可以直接问“今天的经营情况怎么样？”，看完还能接着问“那最近一周呢？”

Python 虚拟环境：别再把所有项目塞进一个"大仓库"了你有没有遇到过这种情况：项目 A 用的是 Django 2.0，项目 B 用的是 Django 4.0。你在项目 B 里 pip install django==4.0，结果项目 A 启动就报错。改回去呢，项目 B 又跑不起来。

技术面试已死？AI 时代，真正拉开程序员差距的是什么？大家好，我是易师傅，在 AI 时代，也要坚持古法手搓文章。回想一下，你是否对刷算法题、背框架原理、手写代码、技师（机试）代码这样的场景历历在目？曾经这些都是程序员求职绕不开的一道关卡！！！

办公 Agent 权威评测榜单出炉了，豆包第一这是苍何的第 619 篇原创！大家好，我是苍何。刚看了《2026 年 10 月 SuperCLUE-Office 办公智能体端到端实战测评结果》，豆包工作以 85.33 分的综合成绩位列总榜第一，Kimi Work、WorkBuddy 分列第二、三位。

别再把秘塔会话逐个点开：这可把秘塔多个会话一次导出？AI导出鸭结论前置：秘塔AI的左侧会话栏，是一个被长期忽视的“数据孤岛”。你攒了几十上百个会话，每个都可能是竞品调研、项目复盘、技术方案讨论的沉淀，但秘塔原生只提供单会话内的导出能力，左边栏那一个个独立会话，要么手动逐个点开复制，要么就只能任它们沉在列表里。真正的问题不在于“能不能导”，而在于“批量这件事，到底该由谁来做、怎么做才不狼狈”。

【从零理解 Spring AI · 12】MCP 的两种角色：做客户端还是做服务端上一篇讲了 MCP 的概念：标准协议、三大角色、M+N 替代 M×N。落地时你会站在两个位置之一（或者都站）：接入别人提供的能力（做客户端），或者把自己的能力开放出去（做服务端）。这篇把两个视角的代码都写全——你会发现 Spring AI 把两条路都铺得极平，其中一条路甚至只需要一个注解。

mathmodel-figure-templates 以及两个上手案例数学建模比赛里，很多队伍把大把时间耗在调图上，字体对不齐，配色花哨，导出一模糊就被评委扣印象分。mathmodel-figure-templates 就是为这件事准备的。它是 Claude Code 里的一个技能（Skill），提供一套预先配置好的、可直接出版级别的科研图表模板，面向数学建模场景，用 Python 就能跑起来。

写给迷茫的应届生，怎样在 AI 时代争取更多机会准备找工作时，我们很容易把时间都花在准备上。课程收藏了一堆，总觉得再学一点，才有底气投简历。现在招聘里又多了 RAG、Agent、全栈，学习清单越拉越长，人反而更迷茫了。

回家路上绕了弯

为什么还是不能直接把需求丢给 AI？“帮我增加一个订单取消功能。”AI 很快找到了订单接口，补上状态判断，更新数据库，增加通知逻辑，甚至写好了测试。你看着一片通过的结果，觉得这次开发大概结束了。

服务器 Python 2.7 装不了 langgraph-cli？用本地生成 Dockerfile 曲线救国在本地用 LangGraph 开发完一个 Agent 项目，准备部署到服务器上。结果一上服务器就傻眼了：系统自带 Python 2.7，而 langgraph-cli 要求 Python 3.10+，uv 更是想都别想。服务器上既装不了 uv，也装不了 langgraph-cli，langgraph build 这条路直接堵死。

TransmittableThreadLocal 解读：从 CRR 机制到上下文所有权很多关于 TransmittableThreadLocal（TTL）的介绍都会说“它能把 ThreadLocal 带过线程池”。这句话很容易让人形成一个错误印象：任务提交时，TTL 会把上下文完整复制一份，执行线程拿到一份互不影响的副本。

GoWind 拆解：全链 ID 类型体系——int64 定版与前端字符串化契约本文回答一个问题：一个实体主键的类型怎么在五层（proto / ent / SQL / Go / 前端）之间保持一致，「ID 是 64 位有符号整数」这条口径如何穿透到 TypeScript 与 Dart，而「容量、计数」这类同样是无符号语义的字段又怎么和 ID 划清界限？

GoWind CMS 拆解：发布审批——多级推进、逐级角色与全程留痕本文回答一个问题：一篇文章从「提交审核」到「正式发布」，审批流怎么推进（第几级了）、谁有权批（每级什么角色）、每一次动作如何留痕（谁在何时批了什么）、以及怎么保证不被 Update 接口绕过去？

GoWind Flow 拆解：一个 Go 工作流引擎与它的双模式设计器本文回答一个问题：对标 Flowable/Camunda 常用子集的 Go 工作流底座，引擎侧靠什么保证「流转正确」与「崩溃可恢复」，设计器侧为什么要在 BPMN 画布之外再做一个钉钉式审批树——两个模式怎么共存？

GoWind CMS 拆解：搜索三板斧——高亮、联想、同义词本文回答一个问题：接了 OpenSearch 之后，「能搜到」与「搜得好」之间还差哪三步——以及为什么同义词偏偏放查询侧而不是索引侧？

GoWind 拆解：AI Agent 编排引擎——波次并行、子图递归与人工审批本文回答一个问题：一张 Agent 编排图（选节点、连分支、配审批）从点击「运行」到跑完出轨迹，执行引擎的每一步在做什么——图怎么校验、并行怎么并发且可复现、循环怎么保证终止、子图怎么递归防爆炸、审批怎么挂起恢复、定时怎么无人值守？

GoWind Admin 拆解：打印模板设计器——从画布到服务端 PDF 的完整打印链路本文回答一个问题：运营在画布上拖出一个用户工牌模板，到业务列表页勾选 50 行一键出 PDF——中间的模板怎么存、字段怎么绑、预览怎么保真、批量怎么合并、服务端怎么出 PDF？把这套打印功能的每个环节拆开看。

GoWind Admin 拆解：BI 大屏设计器——schema 即 JSON、resolver 注入与三张快照表的口径谱系本文回答一个问题：给中后台接一套「可视化设计器 + 仪表盘/大屏渲染」，内核与宿主的边界画在哪、真实取数怎么设计、以及落地第一周会踩哪些坑？

GoWind Admin 拆解：AI 能力层——工具循环、pgvector 知识库与机器凭证本文回答一个问题：Agent 编排引擎之下、大模型之上，还横着一批「看不见的能力件」——工具怎么循环调用、知识怎么被检索、token 怎么被计量、Agent 怎么安全地对外开放？这层基础设施的工程决策长什么样？