- 博客(98)
- 收藏
- 关注
RSS订阅原创 后端接口又双叒没写好？3 步搭建前端 Mock，从此告别“傻等后端“
值。表面上，它只是多了个api/目录和几行 mock 配置。前端不再等后端，开发节奏自己掌控接口统一管理，改地址、换域名，只动一个文件Mock 即契约，数据结构提前锁定，联调成本大幅下降前后端分离，分离的不仅是代码，更是各自的开发节奏。而前端 API 工程，就是那条把节奏握在自己手里的线。你也在等后端排期吗？还是说，你们团队已经在用 mock 开发了？评论区聊聊你的"等接口"故事。
2026-08-13 01:07:35
828
原创 面试必问的 React 受控组件，我用 5 个实战场景一次讲透（附完整可运行代码）
React表单：受控与非受控组件的核心区别与实战场景 核心区别 受控组件：数据由React状态管理，通过value+onChange实现双向绑定（如登录表单需实时校验） 非受控组件：数据由DOM自行管理，用useRef按需取值（如评论框提交时一次性读取） 使用场景 非受控适用：一次性提交场景（评论框、文件上传） const ref = useRef() const submit = () => console.log(ref.current.value) 受控必选：需实时交互的场景（表单校验、动态搜索） c
2026-08-10 23:41:26
530
原创 还在为 API 烧钱？我把 DeepSeek-R1 塞进浏览器本地跑，3 步搞定推理，附 5 个踩坑实录
摘要： 本文介绍了如何在浏览器本地运行1.5B参数的DeepSeek-R1量化模型，实现零服务器、纯离线的AI聊天功能。通过WebGPU调用显卡加速，结合Web Worker隔离计算任务，确保页面流畅。文章详细解析了技术方案，包括模型加载流程（HuggingFace+transformers.js）、单例模式复用模型、流式输出实现，以及作者踩过的5个关键坑（如WebGPU兼容性、首加载优化等）。最终效果：数据完全本地处理，支持中断生成和实时速度统计，代码开源可复用。
2026-08-10 23:31:02
473
原创 页面卡成PPT？用 useRef + Web Worker 一键搬走5亿次计算，主线程一根毛都不卡
本文介绍了如何利用React的useRef钩子和Web Worker技术解决主线程阻塞问题。文章从JavaScript单线程特性切入，分析主线程卡顿原因，提出将耗时计算任务转移到Worker线程的方案。通过worker.js实现独立计算线程，配合React组件中使用useRef持久化Worker实例，详细说明了Vite项目引入Worker的正确方式、线程间通信机制及资源回收方法。该方案可广泛应用于大数据计算、文件解析等场景，确保主线程专注UI交互，保持页面流畅。文章还提供了完整的代码示例和数据处理流程图，帮
2026-08-08 00:12:32
478
原创 层层传 props 传到吐？3 个步骤用 useContext 根治跨层传值，嵌套 10 层组件再也不写中间商代码
本文介绍了React中解决组件跨层传值问题的方案。首先分析了组件通信的四种关系，指出传统props层层传递（Prop Drilling）在爷孙组件通信中的痛点。然后详细讲解了React的useContext解决方案，通过createContext创建上下文、Provider提供数据、useContext消费数据三个步骤实现跨组件层级直接获取数据。文章还展示了如何用自定义Hook封装useContext逻辑提升代码优雅性，并以useMouse监听鼠标位置为例，演示了自定义Hook的实际应用和副作用清理机制。这
2026-08-08 00:11:24
475
原创 React 不让你碰 DOM？3 个实战场景搞懂 useRef + Web Worker，性能直接拉满
React中的useRef Hook主要用于直接操作DOM节点或持久化存储可变值而不触发重新渲染。本文通过三个实战场景解析其核心用法：1) 挂载后自动聚焦输入框，通过ref属性绑定DOM节点并在useEffect中操作；2) 存储不触发渲染的可变值，与useState配合实现数据与渲染逻辑分离；3) 持有一个Web Worker实例，避免重复创建线程。文章还总结了useRef与useState的关键区别，并提醒常见使用陷阱，如避免渲染过程中修改ref、注意条件渲染时的null值等。useRef为React的
2026-08-07 00:34:49
205
原创 React Router 路由配置老是踩坑？7 种用法 + 3 个实战避坑，一次性讲透
React SPA 路由实战指南：从基础到鉴权 摘要 本文提供一套完整的 React 路由解决方案，涵盖 7 种核心场景： 路由选型：对比 HashRouter（兼容性好）和 BrowserRouter（URL 简洁），推荐后者但需配置服务器回退 核心配置： 懒加载（lazy+Suspense 优化性能） 动态路由（:id 参数） 嵌套路由（Outlet 占位） 重定向（Navigate 组件） 404 兜底（* 通配符） 鉴权方案： 封装 ProtectRoute 组件拦截未登录访问 登录后自动跳转回原页
2026-08-07 00:33:04
809
原创 React SPA路由白屏难题｜1套完整v6实战代码｜吃透懒加载/嵌套/动态路由
本文摘要：《React SPA项目路由实战指南》针对单页应用开发中常见痛点，系统讲解前端路由解决方案。从MPA与SPA的核心差异切入，剖析Hash路由底层原理，提供react-router-dom v6的完整实践方案。内容涵盖：Link导航组件替代原生a标签、路由懒加载优化首屏性能、动态参数获取(useParams)、嵌套路由布局(Outlet)、重定向(Navigate)及404处理等企业级应用场景。附带可直接复用的分层项目代码，帮助开发者规避90%的路由配置问题，实现无白屏跳转的流畅用户体验。特别适合后
2026-08-06 01:22:47
512
原创 SPA白屏卡顿痛点｜1套手写Hash路由｜彻底掌握前端路由底层原理
本文解析单页应用(SPA)与传统多页应用(MPA)的核心差异，重点讲解Hash路由的实现原理。通过对比分析指出MPA整页刷新导致的白屏、资源浪费等问题，详细拆解URL结构中的hash特性及其在SPA中的应用。提供两段可直接运行的代码示例（基础锚点与完整路由类实现），并逐步讲解如何手写Hash路由库，包括事件监听、路由注册和动态渲染等核心机制。最后总结Hash路由的优缺点及适用场景，帮助开发者深入理解前端路由底层原理，无需框架即可实现页面无刷新切换。全文采用短句分段，适合移动端阅读，所有代码复制即用。
2026-08-06 01:15:45
494
原创 90%前端写React TS都踩坑！一套父子组件+Hooks完整实战，彻底搞懂类型约束
本文介绍了在企业级React项目中结合TypeScript进行开发的核心要点，包括函数组件类型定义、父子组件通信规范、事件处理和状态管理的最佳实践。文章通过实际案例展示了React.FC类型定义、interface约束props、合成事件类型声明以及单向数据流设计，并提供了配套可运行代码。重点讲解了TS在React开发中的优势，如静态类型检查、自动补全和协作效率提升，同时总结了useEffect副作用处理和高频开发坑点。文章为开发者提供了完整的TS+React技术栈实践指南，适合中大型项目的前端架构参考。
2026-08-05 00:37:50
439
原创 大模型幻觉无解？7步搭建Milvus+LangChain电子书RAG，私有小说精准问答零编造
本文介绍了一个基于Node.js的端到端RAG知识库系统，用于精准回答《天龙八部》相关问题。该系统通过以下步骤实现： 技术栈：使用LangChain处理文档加载、文本分割、Embedding和LLM调用，Milvus向量数据库存储和检索，dotenv管理配置。 核心流程： 加载EPUB电子书并按章节分割 文本分块处理（chunk_size=500, overlap=50） 生成文本向量并存入Milvus 用户提问时检索最相关文本片段 结合上下文生成精准答案 实现细节： 使用EPubLoader自动分章节 采
2026-08-05 00:36:55
650
原创 前端直连LLM必踩2大致命坑！BFF中转流式SSE完整方案，一套代码解决密钥泄露+分片解析报错
本文介绍了搭建Vue3+Express流式AI对话页面的完整方案，重点解决两大核心问题：API密钥安全防护和SSE流式解析稳定性。通过引入BFF（Backend for Frontend）中转层，将敏感密钥存放在Node服务端，避免前端直接暴露；同时由Express统一处理流式响应转发，前端只需调用本地接口即可获取数据流，大幅降低复杂度。文章提供了完整的Vite跨域代理配置、Express流式转发代码和优化版前端解析逻辑，包含错误处理和缓冲区管理等关键细节，确保项目可直接上线使用。该架构实现了安全、稳定、易
2026-08-04 12:01:27
662
原创 不用第三方SDK！Vue3原生Fetch实现DeepSeek流式输出，90%前端都会踩的分片解析坑一次性解决
关闭流式：点击提交黑屏等待3-10秒，一次性弹出全文，用户等待感极强手写SSE流式：网络分包截断JSON，疯狂报JSON.parse解析失败，文字丢失乱码网上很多示例只给极简demo，没有处理分片容错，上线必崩。本文基于Vite+Vue3+原生Fetch完整实现DeepSeek对话，同时支持流式打字机/一次性返回双模式SSE流式输出底层二进制流传输原理ReadableStream、TextDecoder浏览器原生API完整用法buffer缓冲区解决TCP分包截断JSON的核心方案。
2026-08-04 12:01:13
335
原创 只用4段代码搞定AI日记RAG！Milvus向量数据库实战，告别MySQL关键词检索局限
做AI记忆、知识库、智能日记时，很多人踩过同一个大坑：用MySQLlike、模糊匹配查日记，只能匹配字面关键词，看不懂语义。比如你搜「最近开心的户外小事」，MySQL查不出「爬山、公园散步」这类无相同文字但语义相近的日记。内存向量库只能本地临时使用，重启数据全丢，无法上线生产。Milvus/Zilliz云向量数据库核心原理，分清传统DB与向量库区别Node.js +完整可运行RAG链路AI日记项目分层存储方案：MySQL存基础CRUD，Milvus存向量做语义检索。
2026-08-03 13:37:57
314
原创 开会写纪要耗3小时？用Skill标准化方案，一键自动输出结构化纪要，效率提升90%
《AI自动化会议纪要方案：从录音到结构化输出的全流程实践》 摘要： 本文针对职场人会议纪要整理效率低下的痛点，提出基于Anthropic官方skill-creator的自动化解决方案。文章首先剖析传统人工处理的三大问题：重复劳动、Prompt碎片化和缺乏工程化沉淀；随后详解Skill标准化能力封装的核心价值，包括固定流程、统一模板和自动触发机制；提供可直接复用的完整Skill工程结构（含SKILL.md源码、格式模板和环境配置），演示通过skill-creator工具一键生成技能的实操步骤；最后通过真实会议
2026-08-03 13:34:34
356
原创 爬网页+分块+向量检索，50行JS搭建专属知识库，彻底解决大模型幻觉问题
Loader统一标准化：多源数据统一转为Document，一套逻辑适配所有知识库语义分割是核心：用中文标点优先分割+重叠冗余，平衡长度与语义完整Cheerio简化爬虫：CSS选择器替代复杂正则，快速提取网页正文向量检索解决幻觉：只拿原文相关片段喂给LLM，杜绝凭空编造低成本落地：MemoryVectorStore无需部署向量数据库，本地快速验证RAG效果这套流程不仅能爬网页，替换对应Loader即可读取PDF、Markdown、Excel文档，快速搭建企业内部知识库、AI文档问答机器人。
2026-08-02 12:39:15
376
原创 盲目丢活给AI必变屎山！9步标准Vibe Coding流程，项目不乱、返工减少70%
文章摘要： 本文通过作者亲身经历，揭示了AI辅助开发工具Vibe Coding从"摸鱼神器"到"代码失控"的转变过程，并提出了系统的解决方案。核心问题在于缺乏规范导致代码混乱，包括需求边界模糊、技术栈随意变更、AI上下文丢失等问题。作者提出了9步标准化前置流程，分为需求锁定、架构搭建和规范约束三个阶段，强调文档先行、技术栈固定和Git管控。开发过程中需把握5个关键管控点，确保AI输出符合规范。最后以React TodoList项目为例，展示了分层架构、状态管理和组件拆分等最佳实践。
2026-08-02 12:38:59
187
原创 看完这篇Todo实战，彻底吃透React父子通信，少踩80%状态坑
React新手常面临组件传参混乱和状态管理问题。本文通过TodoList实战案例，讲解React单向数据流和状态提升的核心机制。关键点包括： 组件树规划：将共享数据统一提升至顶层App组件管理 父子通信：父组件通过props向下传递数据和回调函数，子组件通过回调上报操作意图 不可变数据更新：使用扩展运算符、map、filter等方法生成新数据 组件职责划分：展示组件只负责渲染，业务逻辑集中在父组件 项目采用清晰架构：App（数据源）→ TodoInput（新增）→ TodoList（展示操作）→ TodoS
2026-07-30 00:48:14
380
原创 90%前端写React+TS都踩坑！从组件类型、单向数据流到本地存储完整实战
本文系统介绍了企业级React项目中使用TypeScript的核心技巧与最佳实践。主要内容包括：1) 强调React+TS组合的三大优势：静态类型校验、类型即文档、完善高级语法支持；2) 详解React.FC泛型组件、interface与type的区别以及父子组件通信规范；3) 解析React合成事件类型和单向数据流架构；4) 深入讲解useEffect生命周期管理和副作用处理；5) 对比localStorage与IndexedDB在前端持久化存储中的适用场景。文章通过大量可运行的代码示例，为开发者提供从组
2026-07-30 00:47:20
1080
原创 别只看跑分！GPT5.6三层分级架构拆解，4个思路大幅降低AI使用成本
文章摘要： GPT5.6通过三层模型分级（Sol/Terra/Luna）实现算力精准匹配，颠覆传统单一模型调用模式，显著降低AI落地成本。Luna处理轻量任务，Terra胜任日常工作，Sol仅用于复杂分析。新增的可编程工具支持自主拆解任务、多工具串联，推动AI从被动应答转向半自动化工作流。企业需关注综合成本（Token、返工、复核等），而非仅凭Benchmark分数评估模型。未来竞争核心在于分层调度能力，形成AI虚拟团队协作，迈向准AGI雏形。关键提醒：避免滥用高阶模型，重视结果校验，以实际生产力为衡量标准
2026-07-29 00:05:08
600
原创 别再被厂商分数忽悠！6大主流大模型Benchmark全拆解，选AI不踩营销坑
别再被厂商PPT忽悠！6大主流大模型Benchmark通俗拆解 Benchmark是AI界的统一高考，通过标准化试题横向对比模型能力。主流评测包括：MMLU测综合知识、GPQA考深度推理、HumanEval/SWE-bench评代码能力、MATH/AIME验数学水平、C-Eval专测中文。厂商常玩3个套路：只晒优势指标、不说明测试条件、混淆门槛分与实用分。需注意：高分可能只是背题，真实业务还需实测。选型时应先用Benchmark筛基础，再结合业务场景综合评估推理、代码、响应等实际表现，避免单一分数陷阱。 （
2026-07-29 00:03:54
392
原创 从零手搓RAG知识库问答！1套可运行JS代码，搞定LangChain检索增强生成
RAG核心逻辑：文档向量化存储→语义检索→上下文注入Prompt→模型精准回答，解决大模型幻觉问题LangChain标准化组件大幅降低AI应用开发成本，Document、向量库、检索器可自由替换是入门最佳选择，一套JS代码即可跑通完整问答流程开发重点：规范Document结构、关闭模型随机、优先使用Retriever高阶检索、严格约束Prompt减少编造。
2026-07-28 00:38:46
191
原创 推理成本高企？5分钟看懂大模型知识蒸馏，小模型复刻大模型90%能力
知识蒸馏核心：以大模型为老师，把概率分布承载的隐性暗知识迁移到轻量化小模型，大幅降低推理成本。软标签是蒸馏效果关键，相比硬标签能完整传递模型类别关联、推理逻辑，是工业落地首选。训练损失必须融合软KL损失+硬交叉熵损失，通过温度、权重两个参数平衡效果。蒸馏是中性技术，开源模型间蒸馏合规；商用付费API抓取输出训练存在协议与法律风险。落地避坑核心：冻结教师梯度、合理设置蒸馏温度、避免仅使用纯硬标签训练。
2026-07-28 00:35:00
635
原创 踩坑无数！吃透useState 3个核心技巧，彻底解决状态旧值、性能卡顿问题
本文深入解析React中useState的常见陷阱与优化方案。针对useState的三大高频问题（批量更新失效、性能卡顿、DOM冗余），提供以下解决方案：1. useState初始化建议使用函数式懒加载处理复杂计算；2. 函数式更新解决闭包旧值问题；3. Fragment消除多余DOM节点；4. 结合原生DocumentFragment实现批量渲染优化。文章包含可直接复用的代码示例，帮助开发者提升React应用性能。核心知识点涵盖useState的两种初始化方式、异步批量更新机制、Fragment的两种写法
2026-07-27 00:34:00
612
原创 告别AI幻觉屎山！3步胶水式Vibe Coding，让AI写出可维护工程代码
这篇文章介绍了一种名为Vibe Coding的高效AI编程协作方法，通过三步标准化流程解决传统AI代码生成中的常见问题。核心观点包括： 前置规划：在生成代码前明确技术栈、功能边界、组件拆分和数据结构，避免AI擅自添加功能或产生不一致的命名。 胶水编程：主张复用成熟开源库而非自研底层逻辑，AI只负责模块衔接和数据流转代码，显著减少bug。 实战案例：通过React Todo应用演示分层开发流程，展示如何规范生成输入组件、条目组件和父容器组件。 持续优化：建议建立提示词迭代机制，不断提升AI生成代码的质量。 文
2026-07-27 00:31:10
221
原创 做AI前端开发，你是不是长期被云端大模型折磨？
做AI前端开发，你是不是长期被云端大模型折磨？频繁调用DeepSeek/OpenAI接口，月度API成本居高不下；用户对话、业务数据全部外传，隐私合规风险巨大；网络差时加载卡顿，断网直接无法使用AI能力。市面上大多教程只教调用远程API，很少完整落地浏览器端本地推理项目。弄懂WebGPU端侧LLM核心优势，对比云端API、Ollama本地部署差异掌握React+TS+Tailwind完整现代化AI前端技术栈可直接运行完整项目代码，包含环境检测、模型加载、进度条复用组件。
2026-07-27 00:28:11
305
原创 等AI回复卡顿到劝退？Vue3+DeepSeek流式输出实战，70行代码实现打字机效果
做AI对话页面时，你是不是踩过这个大坑：发送提问后页面空白转圈，复杂推理要等十几秒才一次性吐出全部文字，用户流失率巨高。市面上很多教程只给简单demo，没处理网络分片截断、环境变量配置、双向绑定、流结束标记等真实业务问题。彻底搞懂LLM流式输出底层原理，不用等整段返回，逐字实时渲染Vite+Vue3完整可运行代码，兼容DeepSeek官方流式接口解决分片JSON截断、API密钥管理、SSE解析4个高频踩坑点吃透Vue3组件、ref响应式、v-model双向绑定核心知识点。
2026-07-26 17:15:54
169
原创 零成本隐私AI！1套React+WebGPU端侧模型项目，吃透组件封装、Tailwind、浏览器本地大模型全流程
本文介绍了一种基于WebGPU技术在浏览器本地运行DeepSeek-R1大模型的创新方案，相比传统云端API和Ollama本地部署具有显著优势。通过React+TypeScript+TailwindCSS技术栈实现，项目特点包括：零安装、数据本地闭环、离线可用、无接口费用。文章详细讲解了前端核心实现技术，包括进度条组件封装、WebGPU兼容性处理、React状态管理等，并提供了完整可运行代码。该方案为AI应用提供了更安全、高效、低成本的浏览器端侧解决方案，适合对隐私和成本敏感的场景。
2026-07-26 17:10:41
834
原创 AI对话打字机效果卡顿崩溃？1套Vue3流式代码搞定逐Token输出，彻底解决断包报错
LLM流式输出本质是HTTP分块二进制流，通过实现边收边渲染，大幅提升用户等待体验；流式解码、buffer残缺分片缓存、[DONE]结束标记判断；Vue3用Composition API维护响应式文本，每次增量追加只局部更新DOM，性能无损耗；避开断包、乱码、字段混淆、循环卡死四大核心坑，代码可直接对接OpenAI/DeepSeek/通义千问等主流模型接口；流式与一次性返回双分支兼容，一套页面支持两种交互模式，适配不同业务需求。
2026-07-25 00:15:28
334
原创 放弃云端API！一套React+WebGPU本地LLM方案，零数据上传、离线可用
做AI前端开发，你是不是长期被云端大模型折磨？频繁调用DeepSeek/OpenAI接口，月度API成本居高不下；用户对话、业务数据全部外传，隐私合规风险巨大；网络差时加载卡顿，断网直接无法使用AI能力。市面上大多教程只教调用远程API，很少完整落地浏览器端本地推理项目。弄懂WebGPU端侧LLM核心优势，对比云端API、Ollama本地部署差异掌握React+TS+Tailwind完整现代化AI前端技术栈可直接运行完整项目代码，包含环境检测、模型加载、进度条复用组件。
2026-07-25 00:13:19
240
原创 90%AI新手不会调参！LangChain双模型流水线实战，一套代码兼顾严谨+创意
写代码、生成工具调用时，AI天马行空乱编逻辑，大量幻觉，完全没法用；写散文、文案、故事时，AI千篇一律，文字死板毫无氛围感。大部分新手只会初始化一个固定模型，不懂核心采样参数，也不会用LangChain管道区分「严谨模型」「创意模型」两套工作流。吃透temperature、topK底层采样原理，不同场景最优参数直接抄作业搞懂LangChain.pipe()流水线链式执行底层逻辑一套可直接运行Node.js完整代码，同时搭建创意/严谨两套AI工作流分清创作、代码、文档场景参数搭配避坑要点。
2026-07-23 00:47:10
305
原创 写Agent还要重复封装工具？一套MCP多服务方案，3个能力让AI自动查地图、读写文件、操控浏览器
本文介绍了MCP协议如何解决AI Agent开发中工具接入的痛点，通过统一标准协议简化外部能力对接。文章包含以下核心内容： MCP协议价值：作为AI工具统一标准，MCP通过标准化通信协议（stdio/HTTP）实现"一次配置，自动调用"，解决传统开发中需要为每个工具单独编写适配代码的问题。 实战演示：提供了完整的Node.js+LangChain代码示例，展示如何同时对接3种MCP服务（高德地图API、本地文件系统、Chrome浏览器控制）。 应用场景：实现了一个复合任务：查询北京南站附近3家酒店→生成MD
2026-07-23 00:44:56
618
原创 Cursor黑盒拆解！1套LangChain.js手写Mini编程Agent，自动生成React项目，效率提升60%
本文介绍如何从零手写一个迷你Cursor编程Agent，使用LangChain.js和DeepSeek实现全自动创建React TodoList应用。文章针对前端开发者常见的5大痛点问题提供了解决方案，包括循环逻辑错乱、工具串行卡顿等。 核心内容包括： 分析纯大模型的局限性，提出Agent核心公式：LLM+记忆+工具+ReAct循环 详细讲解ReAct执行流程的5个关键步骤 实现4个生产级工具（文件读写、目录查看、命令执行），附带异常处理和路径自动创建 提供完整可运行的Node.js代码，可一键生成带动画和
2026-07-21 23:30:20
472
原创 传统Agent工具两大痛点！300行代码落地MCP跨语言工具，彻底解耦LLM与工具
摘要：AI Agent开发中的MCP协议解耦方案 核心痛点：传统AI Agent开发中，工具与主程序强耦合，存在跨语言调用难、复用性差等问题。 解决方案：采用Model Context Protocol(MCP)协议： 架构变革：将工具抽离为独立MCP Server进程，通过stdio/HTTP协议通信 核心优势：实现工具与Agent解耦，支持跨语言调用（Node/Python/Rust等） 实战内容： 开发Node版MCP Server示例，包含用户查询工具和静态资源 演示LangChain通过Multi
2026-07-21 23:28:41
267
原创 【无标题】90%Node新手踩坑！path+fs两大内置模块完整实战，3种异步写法彻底告别回调地狱
本文深入解析Node.js中两大核心模块：path路径处理和fs文件系统，帮助开发者解决90%的文件操作问题。重点对比了path.join和path.resolve的核心差异，详细介绍了四种文件读写方案（同步、回调、Promise和async/await），并提供了工程化实践建议和高频踩坑点。通过配套测试文件，读者可快速验证所学内容，掌握现代化异步文件操作的最佳实践。
2026-07-21 01:13:49
369
原创 放弃云端API！5套技术栈实战WebGPU端侧AI，前端独立跑本地大模型，省成本还保隐私
端侧WebGPU AI：数据本地推理、低成本、保护隐私，是AI前端新趋势，替代传统云端API。技术栈选型：中大型AI项目首选 React + TS + ESLint，保证工程规范与类型安全。：原子化样式大幅提升开发效率，AI组件库标配，掌握className使用规则即可快速开发页面。React组件本质：函数+JSX，JSX允许JS与HTML混写，是区别Vue模板的核心特征。适用边界：端侧本地模型适合隐私、离线场景；复杂超大模型、高并发商用场景仍需云端API配合。
2026-07-21 01:10:39
194
原创 复刻Cursor编程Agent！4套文件命令工具+Promise.all并发，AI自动生成React项目
本文介绍了如何从零手写一个类似Cursor的编程Agent，通过LangChain和Node.js实现全自动创建React TodoList项目。文章首先分析了裸大模型的三大缺陷（无状态、无操作权限、不会自主规划），并提出了Agent的核心公式（LLM大脑+工具+记忆）。重点讲解了并行工具调用的性能优化（使用Promise.all），并封装了四个核心工具（读写文件、遍历目录、执行命令）。最后提供完整代码和避坑指南，帮助开发者实现AI自主创建、编码和启动前端项目的能力。
2026-07-19 09:55:23
439
原创 LLM工具调用慢到崩溃？1套Promise.all并行方案，Agent性能直接翻倍
本文介绍了如何利用LangChain.js开发高效AI Agent，重点解决多工具串行调用导致的性能瓶颈问题。文章首先分析了原生大模型的局限性，指出Agent通过结合LLM、记忆、工具和知识库来扩展能力。核心内容对比了串行与并行工具调用的性能差异，强调使用Promise.all可将总耗时降至最慢工具的耗时。实战部分提供了完整的LangChain.js代码示例，包括环境配置、工具定义、并发执行和异常处理，并详细说明了多轮循环逻辑和错误捕获机制。通过并行执行工具调用，作者成功将响应速度提升60%，显著改善用户体
2026-07-19 09:52:26
794
原创 串行请求太慢？1个Promise.all并发技巧，前端接口效率直接翻倍
本文介绍了前端开发中常见的串行await导致的性能痛点，以及如何通过Promise.all实现接口并发请求优化。文章首先讲解了Promise的三种状态和不可逆特性，重点解析了Promise.all的核心执行逻辑与失败机制。随后给出一个无依赖接口并发请求的实战代码示例，并详细拆解了其核心逻辑。针对Promise.all的三个常见坑点（单一接口报错、混淆串行并发、忘记解析数据）提供了解决方案。最后区分了并发与串行的适用场景：无依赖接口用Promise.all并发，有数据依赖的接口才用await串行。文章总结指出
2026-07-18 10:58:48
212
原创 只会聊天的AI已经过时！3分钟看懂Agent智能体，解锁全自动任务能力
AI Agent vs 普通对话模型：如何选择与实战指南 普通对话模型仅能单次输出文字，无法自主推进复杂任务（如竞品分析、数据整合）。而AI Agent通过ReAct循环框架（思考→行动→观察）实现任务拆解与工具调用，结合搜索、API、浏览器等工具完成全流程自动化。 核心区别： 普通AI：单向输出，无工具调用能力。 Agent：循环执行，自动补全缺失信息（如财务数据、竞品动态）。 开发关键点： 工具设计：细分工具（搜索、计算、API）提升调用精度。 避坑指南：限制循环次数、校验工具返回、分级权限管控。 适用
2026-07-18 10:06:58
665
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人