ai应用开发

【AI开发之Rust】第 5 课：引用与生命周期 —— 借用能活多久？预计时间：75-90 分钟 | 难度：⭐⭐⭐ | 前置：第 4 课（所有权与借用）第 4 课讲了"谁拥有数据、谁能借用"，但留了一个悬案：借用检查器凭什么敢保证"引用不会指向已释放的内存"？内存里最容易出的一种 bug 叫悬垂引用（dangling reference）——数据已经没了，手上还捏着它的指针。

Java成神之路-

RAG 工程最优解：意图路由分流架构RAG（Retrieval-Augmented Generation）是知识库问答、智能客服、文档助手的主流落地方案。传统RAG对全部请求无脑执行“向量召回+大模型生成”，简单查询带来算力浪费、时延抖动、成本居高不下。业界存在两套主流工程路线：通用标准RAG（多路并行召回融合+重排截断）、FAQ特化串行分层RAG（ES前置短路），二者适用场景与取舍完全不同，很多文章容易混淆，把特化方案当成通用最佳实践。本文对比两套架构的优缺点、风险边界，并给出工业界落地最多的意图路由折中架构，同时补充Spring A

星野云联AIoT技术洞察

Dify 适合什么 AI 应用项目：Workflow、RAG、Agent 与自研系统的边界如果项目的核心工作是把用户输入、知识检索、模型调用、条件分支、工具调用和结果输出串成一条可观察的 AI 流程，Dify 往往比从零开发更快。它把 Workflow、知识库、模型配置、插件和应用 API 放在同一工作台里，产品、业务和工程团队可以围绕同一条流程协作。

OpenAI GPT-5.6 降价后如何重算 API 账单？多模型路由与成本治理实战摘要： OpenAI GPT-5.6 降价后如何重算 API 账单？本文从模型选型、路由配置到成本看板，实战演示用统一网关接入多模型并按量计费，给出可落地的切换 checklist，帮助开发者把降价红利自动落到账单里。

【AI应用开发】什么是混合检索（Hybrid Search）？向量检索 + BM25 关键词检索，适用场景与 RRF 融合原理混合检索（Hybrid Search）= 向量检索（语义匹配）+ BM25 关键词检索（精确匹配），通过 RRF 等融合算法合并两路结果，取两者之长补各自之短。

Token太贵自己写了一个mac版开源AI编程工具SqcAICode 是一款面向 macOS 的原生桌面 AI 编程助手，集成 DeepSeek API，提供智能对话、代码编辑、终端操作、文件管理等一站式开发体验。采用 VS Code 风格的深色主题 UI，支持 Function Calling 工具链，让 AI 直接读写文件、执行终端命令和搜索网页。

【AI应用开发】Query 改写、Rerank 在 Agent 系统里起到什么作用？Query 改写解决"搜不准"的问题——把用户的口语/模糊表达变成适合检索的精确查询。Rerank解决"排不好"的问题——对初步召回的文档重新排序，把最相关的排到前面。

【AI应用开发】Agent 无限 loop（反复调用同一个工具）如何规避？核心思想：不要把防止 Loop 仅当作 Prompt 工程问题——必须在代码层面建立多层防线。LLM 不会主动停下来，要靠系统强制停下来。

【AI应用开发】怎么降低 Agent 幻觉？有几种可行方案？Agent 比普通 LLM 更容易产生幻觉，因为 Agent 在多步推理中每一步都可能产生幻觉，然后后续步骤基于虚假信息继续推理，形成"幻觉级联"（Hallucination Cascade）。

【AI应用开发】ReAct 原理是什么？和普通直接提问 LLM 差别在哪？ReAct = Reasoning（推理）+ Acting（行动），是一种让 LLM 在解决问题时"边想边做"的范式。

【AI应用开发】LangChain 中 Chain 和 Agent 核心区别？Chain 是"预定好的流水线"——每一步做什么已经定死了；Agent 是"自主决策者"——LLM 根据当前情况动态决定下一步做什么。Chain 是固定菜谱，Agent 是会自己翻冰箱做菜的厨师。

Spring AI 流程编排：AI时代，你需要一个更轻量的 Spring 流程编排框架早期开发一个 AI 功能，通常只有三步：但当 AI 真正进入业务系统后，流程很快会变得复杂：再加入 Agent、多模型路由、并行任务、失败重试和异步通知后，开发者面对的已经不再是一次模型调用，而是一条完整的执行流程。

【AI应用开发】 RAG篇（一）：概述与核心架构现在大模型落地业务，90% 的企业场景都会优先上 RAG（检索增强生成）。不管是知识库问答、智能客服还是私有文档助手，RAG 都是绕不开的核心方案。

再让我睡两分钟

【无标题】第 03 篇我们落地了 LLMClient：超时、重试、Token 统计、request_id 日志。第 04 篇我们落地了 PromptRunner：模板渲染、版本管理、把 prompt_version 写进 metadata。

小饼干在学嘎瓦

Harness Engineering2026 年如果你还在聊 Prompt Engineering，基本等于 2023 年聊"AI 能写诗"。不是 Prompt Engineering 过时了，而是行业已经往前走了两步。第三步叫 Harness Engineering。

06_Dify接入阿里云百炼API大模型本文介绍了在阿里云平台获取大模型服务（百炼）的 API Key，并在 Dify 中配置该模型的具体流程。首先注册并实名认证阿里云账号，登录后进入“大模型服务”并跳转至阿里云百炼，获取 API Key。随后在 Dify 的模型供应商中找到“通义千问”并进行安装，在模型列表中完成 API Key 等设置。最后在聊天应用中选择所配置的通义千问模型，进行效果测试。

用DeepSeek打造你自己的智能问答系统：从零到一的完整指南在人工智能技术日新月异的今天，基于大语言模型（LLM）的智能问答系统已经不再是科研实验室的专属品。DeepSeek 作为国产大模型的优秀代表，凭借其出色的推理能力、超长的上下文窗口和极具竞争力的价格，正受到越来越多开发者的青睐。无论是打造企业内部的智能知识库、构建客服机器人，还是实现个人助手，DeepSeek 都是一个理想的选择。

我做了一个 Agent Learning Lab：把 AI 应用开发过程做成白盒实验台最近我开发了一个 AI 应用学习项目，叫 Agent Learning Lab。项目地址： https://chat.onekey-ai.top

再让我睡两分钟

【系列预告】AI应用开发实战课：26篇教程覆盖 Prompt、RAG、Agent 与工程化最近在筹备一套「AI 应用开发实战课」系列，计划在 CSDN 系统连载。目标读者：有编程基础、会从「调 API」进阶到「能上线 AI 产品」的开发者。

我用 Claude Code 搭了一个远程 Claude web：手机发指令，本地电脑自己写代码最近我用 Claude Code 做了一个自己的 Claude Web 项目。这个项目的核心目的很简单：