- 博客(53)
- 收藏
- 关注
RSS订阅原创 【搜索实战】Spring Boot 3.3 + AI Agent × Elasticsearch：让AI自动优化搜索策略，查询速度从2秒压到50毫秒
人工智能工程师"被分成"人”“工”“智”“能”“工”“程”“师”——用户搜"AI工程师"根本匹配不到你的文档，因为你的索引里只有一个个单字。索引没优化、分词没配、查询语句还是默认的，ES变成了一个"贵的MySQL"。ES不是"贵的MySQL"，用对了是"搜索引擎"，用错了确实是"贵的MySQL"。等到用户投诉"搜索好慢"，运维去看的时候问题可能已经消失了。我们方案：把ES的索引管理和查询优化包装成MCP Tool，让AI Agent监控查询性能、自动调整分词策略、发现慢查询自动优化。
2026-07-25 00:09:36
613
1
原创 部署实战；Docker + AI Agent：让AI一键部署Spring Boot到服务器，从打包到上线只要一条指令
【部署实战】Docker + AI Agent：让AI一键部署Spring Boot到服务器，从打包到上线只要一条指令。
2026-07-21 00:25:39
692
原创 【2026年7月横评】我用同一道题测了5款AI编程工具，结果和网上说的完全不一样
我用了一个更土但更真实的方法：同一道真实业务题，让5款工具各自写一遍，然后从"能不能直接用"的角度打分。比如库存校验的逻辑是"查询库存 → 判断够不够 → 扣减"，但查询和扣减之间没有锁保护，并发下可能超卖。但生成的代码结构比较平，所有逻辑堆在一个Service方法里，抽取复用需要二次加工。代码风格干净，命名规范，加了充足的注释。所以选工具的时候，别看谁声量大，看谁在你自己项目里的实测结果好。网上最火的工具不一定写代码最好。某款热度极高的产品，生成的代码在边界条件覆盖上甚至不如一款低调的国产工具。
2026-07-18 23:39:35
340
原创 消息队列；Spring Boot 3.3 + AI Agent × RabbitMQ：让AI自动处理死信和消息路由，运维告警从每天50条降到3条
消费者挂了→ 告警运维重启。消费者正常但消息量突增→ 临时扩容消费者。用过RabbitMQ的都知道，最烦的不是搭建，是日常运维。三个关键设计：智能重试区分故障类型、MCP Tool标准化运维操作、死信自动分析减少人工排查。我们试了一个方案：把RabbitMQ的管理操作包装成MCP Tool，让AI Agent盯着队列状态，发现问题自动处理。消费者处理失败抛异常 → Spring默认重新投递 → 再次失败 → 无限循环。死信队列有消息且原因是业务异常 → Agent自动解析消息内容，尝试修复后重新投递。
2026-07-18 23:36:38
544
原创 【AI缓存】Spring Boot 3.3 + AI Agent × Redis：让AI自动管理缓存策略，命中率从30%拉到90%
我们团队试了一个方案：把Redis缓存操作包装成MCP Tool，让AI Agent根据查询模式自动决定缓存策略。MCP Tool给AI暴露三个能力：查询缓存统计（命中率、热key排行、内存占用）、修改缓存策略（设置过期时间、预热key、手动失效）、缓存事件通知（穿透告警、大key告警、热点key发现）。三个关键点：缓存统计让AI看得见数据、MCP Tool让AI能操作缓存、业务代码只负责读写、AI负责策略。从拍脑袋30%到数据驱动89%，不是配置文件的胜利，是让AI盯着数据做决策的胜利。
2026-07-17 01:14:12
643
原创 【MCP实战】Spring Boot 3.3 + MCP 协议：让AI Agent调用你的内部API，2天落地智能客服
MCP的解法是一套标准：你的系统只需要实现一个MCP Server，任何支持MCP协议的AI客户端都能直接调用。不，用预定义的查询方法和参数化调用）、权限集成（接入SSO，Tool内部读取当前用户权限决定返回哪些数据）、多Agent协作（一个Agent负责查订单，另一个负责客服话术，用MCP串联）。Tool是MCP的核心概念——就是"AI能调用的一个功能"。每个Tool有三个要素：名称（AI用来识别该调哪个）、描述（AI用来理解这个Tool能干什么）、参数Schema（AI用来知道该传什么参数）。
2026-07-17 01:03:23
469
原创 【AI踩坑实录】让AI写了3个月代码，这7个坑让我返工了整整2周——附完整避坑清单
三个月前开始用AI编程工具，第一周觉得这玩意儿简直是神——CRUD接口、单元测试、前端页面，点几下就出来了。开发效率直接翻倍。然后上线第二周出事了。用户反馈某些操作莫名其妙没有权限。排查了4个小时，定位到是AI写的权限校验代码——角色继承关系理解反了。代码逻辑是天衣无缝的，但业务逻辑是全错的。修复加测试整整花了一天。从那天起我整理了一份代码审查checklist，每次AI生成的代码对着过一遍。三个月下来，这篇checklist帮我省了至少两周的返工时间。今天全摊给你。
2026-07-16 00:45:14
604
原创 【AI实战】Spring Boot 3.3 + AI Agent 全流程实战：从API调用到自动生成CRUD代码，30分钟搭完
上周团队接了一个紧急需求：一周内要交付一个包含8张表的商品管理系统。传统开发至少2个人干满5天。我们试了一个新方案——Java后端用AI Agent自动生成代码，人只做审查和微调。2天交付，Bug率反而比手写低。这篇文章把这套方案完整拆开给你看。从环境搭建到代码生成到部署验证，每一步都有可复现的代码。环境：Spring Boot 3.3.0 + JDK 21 + Maven 3.9 + MySQL 8.0。这部分是核心。我们不绑任何特定AI产品，定义一套通用的请求/响应格式，方便你替换任意AI服务。
2026-07-16 00:40:28
402
原创 面了 40+ 人后，我发现面试官最爱追问的 GPT 版本演进 8 问——第 5 问 RLHF 的坑 80% 的人说不全（2026 最新版·建议收藏）
证明了"大规模无标注文本预训练 → 具体任务微调"这条路走得通。在 GPT-1 之前，NLP 主流是每个任务训练专用模型。GPT-1 提出了一个范式的范式：预训练捕获通用语言知识 → 微调迁移到新任务只需几千条标注。# GPT-1 核心思想# 预训练：BooksCorpus 7000+ 本书，预测下一个 token# 微调：加任务头，少量标注数据即可迁移。
2026-07-12 11:25:33
256
原创 # 2026 Transformer 面试官视角：我面试时必挖的 5 个注意力机制考点（附标准答案·含 RoPE 外推验证·建议收藏）
这 5 个考点在 40+ 场面试中我每次都问，每次都有候选人栽。不是因为难——是因为他们只背了公式，没问过自己"为什么"。“为什么是 QKV？” → 答出三种角色“为什么是 √dk？” → 答出方差放大效应“为什么是多头？” → 答出子空间分化“自注意力和交叉注意力区别？” → 答出 QKV 来源不同“为什么是 RoPE？” → 答出相对位置+外推这 5 个"为什么"答清楚了，Transformer 这道题你就过了。📖12 大模块面试题总纲GPT-1 到 GPT-5 核心区别 8 问。
2026-07-12 11:23:09
301
原创 面了 40+ 人后，我整理了 2026 大模型面试必考 12 题——第 7 题 90% 的人答不全（附答案+代码·建议收藏）
2026 年大厂 AI/LLM 岗位面试，无论你面的是算法岗还是工程岗，这 12 道题的出现概率超过 80%。我面试了 40+ 个候选人后，把每次必问、每次有人栽的题整理成了这份清单——从 Transformer 到 RAG，从 LoRA 到部署优化，每道题附带和。
2026-07-12 11:20:47
371
原创 AI Agent智能体入门：从对话工具到任务执行的转变
2026年6月，AI行业的关键词从大模型转向了Agent智能体。两者核心区别：大模型只会对话，Agent能替你执行任务。本文用大白话讲清楚Agent是什么、能干什么、怎么开始用。
2026-07-11 11:36:24
271
原创 Spring Boot 3.3 + AI Agent 实战：从API调用到智能代码生成，手把手带你落地
AI返回代码，你复制回来，粘贴到IDEA里，改import、改包名、改数据库字段，跑一下发现三个地方报错——改完才算搞定。流程上，AI负责生成代码，你负责审查和决策。给AI的Prompt里要包含项目上下文（现有代码、依赖信息），否则生成的代码和你项目对不上。我会从头搭一个Spring Boot项目，接上AI Agent的能力，让它自动生成CRUD代码、自动写单元测试、自动做代码审查。安全上，AI生成的代码必须经过人工审查（参考我上一篇文章的7个检查项），涉及数据库和文件系统的操作尤其要小心。
2026-07-09 00:34:14
398
原创 AI写的代码上线就出Bug？我用3个月踩了7个坑，第3个差点删库
问题在于AI只看你写的文字，不知道你公司里的约定俗成、历史遗留、以及那些没写在文档里的潜规则。异常怎么catch？如果你现在开始用AI写代码，或者已经在用但总觉得不放心，建议你把上面7个坑存下来，每次看AI生成的代码前，对着检查项过一遍。全文搜索catch块，确保每个catch都有明确的处理逻辑——要么打日志（带业务上下文的不带），要么抛自定义异常，要么走补偿逻辑。这个流程跑顺了之后，AI编程的效率提升是实打实的——但不是因为你少干了活，而是因为你把精力从"写重复代码"转移到了"做架构决策和代码审查"上。
2026-07-09 00:33:00
403
原创 AI编程工作流搭建实战：用Codex+Claude+GitHub Copilot搭了一套完整流水线
我的习惯是：看一遍方案，挑出2-3个我想改的地方，告诉Claude改，改完确认后再进入下一步。4月那会儿，我在做一个内部工具，前后大概2000行代码，用Codex写的。联调遇到最多的是模块间接口不匹配——A模块返回的字段名和B模块期望的不一样。这里有个细节：Codex生成的代码不直接复制粘贴，先在旁边建一个临时文件，生成后检查关键逻辑，没问题再合入项目。AI推荐的"最优解"往往是理论上的最优，不是实际中的最优。但如果项目到了几千行、涉及多个模块，试试分层——你会发现效率提升不是线性的，而是翻倍的。
2026-07-08 23:26:42
566
原创 Codex 高级进阶使用技巧：项目实战中的这6个坑我都替你踩过了
Prompt A里"Node.js + Express框架"这个描述，让Codex走了它训练数据里最"经典"但未必最新的写法。Prompt A生成的代码虽然功能完整，但用了Express早期风格的路由写法，结构臃肿。我只做了一件事：把爬虫的完整代码贴给Codex，说"目标网站换了页面结构，原来是class=title现在改成class=article-title，帮我改"。第二种：用自然语言描述——“页面加载数据的时候报错了，应该是接口返回的数据格式跟前端预期的不一致，但我没找到具体在哪里”
2026-07-08 23:23:53
389
原创 AI写文章被系统判定抄袭？我踩过的坑和一套能过审的方法
人写的东西应该有些地方是"别扭"的——是思考的痕迹，不是语病。但"什么是AI编程助手"这种背景介绍，我让AI写。很多人喜欢用"1/2/3"或者"第一/第二/第三"，AI生成的内容特别喜欢这个结构。我发现那些阅读量高的技术文章，往往不是最专业的，而是最有"人味"的。我现在的写法很奇怪——我亲手写最核心的部分（就是那些真实经历），其他过渡性的、解释性的内容让AI补。这样文章的核心骨架是"人"的，血肉才是"AI"的。听起来很简单，但做到这件事的核心不是技巧，是一个认知：你写的是你用过的东西，不是你听说过的知识。
2026-07-08 00:28:04
481
原创 2026年AI编程助手横评：我用这5款工具写了3个月代码，实话实说
有一次让它写一个基于较新版本 NestJS 的中间件，它给出的代码语法对但 API 接口不对，因为在训练数据里那个 API 已经被废弃了。它最弱的点： 复杂任务的理解力。它的风格和前面几个都不一样——它追求的不是"一次性生成大段代码"，而是"在你写代码的时候无缝补全"。说实话，Kimi 写代码的能力和前面几位不在一个层级上，写点简单的 Python 脚本还行，一到复杂逻辑就开始出问题。最坑的瞬间： 有次调一个 React 组件的状态管理，它连着给了三版代码，每一版都和现有代码有冲突，改完这处崩那处。
2026-07-08 00:25:48
675
原创 Spring Boot 3.x + Redis 缓存实战：从配置到性能调优，一篇就够了
一、为什么需要缓存在 Web 应用中，数据库查询是最常见的性能瓶颈。以我最近重构的一个订单系统为例：场景 直接查 DB 查 Redis 缓存用户信息查询 30ms 3ms商品详情 45ms 5ms热门分类列表 80ms 8ms首页推荐数据 200ms 15ms加一层缓存，接口响应时间直接降一个数量级。但缓存也不是银弹——缓存穿透、缓存雪崩、缓存击穿、缓存一致性，这四个问题是每个后端开发都得面对的。
2026-07-07 10:00:00
518
原创 AI Agent 实战——用 LangChain + GPT-4o 从零搭一个智能代码审查助手
一、为什么要做 AI Code Review代码审查是开发流程中最耗时但也最重要的环节。一个中等规模的 PR，人工 Review 下来少则 15 分钟，多则半小时。而且人的注意力是有限的——看多了难免漏掉边界情况、空指针、日志泄露等问题。所以我用 LangChain + GPT-4o 搭了一个自动化代码审查 Agent。它能做到：对提交的代码做静态分析（风格、命名、空指针、异常处理）给出逐行的改进建议生成 Review Summary（含严重等级评分）
2026-07-07 00:15:04
425
原创 Redis 为什么这么快？—— 8 个维度彻底讲透高性能缓存原理》
一、开篇：一个面试题引发的思考面试官：Redis 为什么这么快？我：因为它是基于内存的。面试官：还有呢？我：……嗯，它用的 IO 多路复用？面试官：还有呢？—— 这个场景，是不是很熟悉？很多人对 Redis 快的原因理解停留在「内存数据库」这四个字上。但内存数据库不止 Redis 一个，为什么 Redis 能杀出重围？今天我们从 8 个维度 彻底讲清楚这件事。二、维度一：纯内存操作这是最直观的原因。
2026-07-05 00:00:57
361
原创 《从 300 行到 30 万行代码，我学到的 5 个重构教训》
三年后，这个项目变成了 30 万行，团队从 1 个人变成了 10 个人。当系统开始在线上频繁出问题时，我们终于意识到：代码量和维护成本是呈指数级上升的。我以前觉得写单元测试浪费时间，直到有一次改了一个「看起来没影响」的代码，结果把三个月的核心逻辑全改崩了。因为代码读的次数远远多于写的次数。300 行的时候，数据存在一个超大 JSON 字段里。读出来，改一下，写回去。代码行数从 300 涨到 30 万，真正重要的不是代码量，而是代码的演化能力。三年前，我加入了一家创业公司，接手了一个「看起来还不错」的项目。
2026-07-05 00:00:35
473
原创 AI编程工具选型指南：真实使用经验告诉你该怎么选
中文需求理解甚至更精准——你用中文描述"这个接口要兼容旧版本的数据格式，旧版本用的是驼峰命名"，它能准确理解并生成对应的兼容代码。工具的10%差距影响不到你的产出，但完全不用AI编程工具和用起来的差距可能是50%到100%。对于刚接触这类工具的开发者来说，最大的困惑不是"哪个更好"，而是"哪个更适合我现在的项目"。一个典型的例子：接手一个离职同事留下的模块，5000行代码，没有文档，结构混乱。日常增删改查选响应快的，复杂重构选上下文强的，代码审查和bug定位选读代码能力好的，预算有限就选免费的或者便宜的。
2026-07-04 23:24:56
520
2
原创 AI Agent 入门与实战：从对话到干活，理解下一代AI工作方式
你告诉Agent一个目标，它会自己拆解成步骤，调用工具（文件操作、命令行、API接口），逐步执行，遇到问题会自己尝试修复，最后给你交付结果。第一，Agent写的代码不是100%可靠的。对于一个已经在写代码的开发者来说，现在最重要的事情不是"学什么新语言或新框架"，而是学会怎么让Agent帮你干活、提高你不可替代的那部分能力——业务理解、架构设计、技术判断。用Agent的做法是：你告诉它需求，它自己读项目结构，自己写代码到对应文件，自己跑测试，测试没过会自己改，最后告诉你"搞定了，你检查一下"。
2026-07-04 23:23:38
436
原创 AI编程工具怎么选？5款主流工具半年深度体验的实战建议
从那以后我的习惯是：AI生成的代码必须人工审核、涉及业务逻辑的代码多验证几个边界场景、如果AI给出的建议你不太确定，先去查文档而不是直接采纳。但半年实际使用下来，我的结论是：不存在"最好的"，只存在"最适合你的"。比起自己做review，AI会看得更细：变量命名不规范、潜在的空指针、遗漏的边界判断、可能的性能问题。真正需要Claude Code的，是那些需要长周期开发、大量上下文记忆的复杂项目。这不是AI的锅，是使用方式的问题。这种场景下，AI工具的核心价值不是写代码快，而是帮你理解代码快。
2026-07-03 01:40:09
382
原创 豆包专业版上线两周深度体验：68/200/500三档定价，值不值得掏钱？
不是简单的"让AI帮你写PPT"，而是整合了豆包的多个Agent能力，可以自动完成"分析数据、生成图表、排版输出"的完整链路。不缩减免费版、用阶梯定价满足不同需求，思路是对的。偶尔用AI聊天和基础查询的普通用户、目前免费版配额还没用完的人、对AI输出质量有不切实际期望的人（专业版无法让AI变"聪明"，只是给更多用量和功能）。对于内容创作者、自媒体运营、需要大量AI辅助处理文档的用户来说，这是最有感知的升级。当你需要大量并发处理、需要更复杂的办公任务（自动生成PPT、批量数据分析），免费版就开始捉襟见肘了。
2026-07-03 01:38:35
439
原创 DeepSeek-V4 vs Claude-Opus-4.7 编程实战对比：不跑分，只讲真实体验
"角色继承的权限判断"这个需求，它按标准RBAC实现，可能不符合你实际的业务规则。网上说的"天壤之别"，要么来自极端benchmark，要么来自没用过其中某个工具的人。即使它其实不确定，也会用一种很确定的语气给你答案——看起来非常专业，但可能是错的。在这方面，一个诚实的"不知道"比一个看起来专业的错误答案有用得多。就像你用VSCode的同时也会装IDEA一样——工具是拿来用的，不是拿来站队的。遇到"角色继承"这种中国业务场景常见的概念，会追问你的角色体系是什么样的、继承规则是什么。
2026-07-02 00:01:16
382
原创 Claude Code深度测评：6个月真实使用体验
把它当成一个超级资深同事来用——能帮你快速理解代码、发现潜在问题、提供实现思路，但最终的技术决策和业务判断还是得自己来。原因是它没理解我们业务里的"角色继承"关系——角色A继承角色B的权限，它把继承关系理解反了。快速原型开发（国产工具更快更便宜）、中文业务逻辑为主的项目、访问稳定性要求高的团队协作、token预算有限的情况。长周期开发的复杂项目、需要理解和重构大量现有代码、英文技术文档和注释为主的项目、对代码质量要求较高的核心模块。关键发现：它能写出"看起来正确"的代码，但不一定符合你的业务约束。
2026-07-02 00:00:13
749
原创 AI辅助开发工具链2026：从代码补全到任务自动化的三阶段演进
本文基于2026年6月实践整理。AI对开发效率的提升经历了三个阶段：代码补全、上下文感知、任务自动化。每个阶段对应不同的工具形态和开发模式。
2026-07-01 00:25:49
415
原创 豆包专业版 vs 桌面Agent：2026年6月办公自动化选型分析
本文基于豆包专业版2026年6月24日上线版本与同期桌面Agent产品实测对比。两者核心能力出现重叠，本文从能力维度做客观分析。
2026-07-01 00:24:55
472
原创 Prompt设计6策略：从一次性生成到多轮迭代的工程方法
本文基于2026年6月实践整理。Prompt设计的关键不在模板积累，在理解不同场景下的策略选择。梳理6个实战策略，每个附模板和适用场景。
2026-06-30 00:09:11
439
原创 豆包专业版实测：从对话AI到桌面Agent的能力升级
本文基于豆包专业版2026年6月24日上线版本实测。此次更新的核心变化不是模型升级，是能力模型的根本转变——从纯对话AI扩展到具备本地任务执行能力的Agent模式。
2026-06-30 00:07:37
538
原创 Prompt工程设计实践：从基础模板到场景化策略
本文基于2026年6月实践整理。Prompt工程的关键不是收集模板，是理解不同场景下的设计策略。梳理6个核心策略及对应模板。
2026-06-29 00:05:07
466
原创 AI编程效率提升：从代码生成到工作流自动化的实践
本文基于2026年6月个人实践整理。AI对开发者效率的提升不止于代码补全，更大的价值在于工作流自动化。梳理3个真实的效率提升场景。
2026-06-29 00:04:52
405
原创 Claude的编辑能力：3个提升内容质量的实践方法
规则：1.不逐词翻，用中文自然表达 2.文化差异内容换成本土化表述 3.保持原文语气 4.翻译后在文末标注做了特殊处理的项目。Claude的核心优势不在内容生成，在内容优化。Prompt模板：请按以下规则润色：1.拆分超过50字的句子 2.删除重复观点 3.确保段间自然过渡 4.保持原有语气 5.修改后列出具体改动项。阶段二：按大纲逐段生成——每段200字以内、开头一句话点明结论、中间用具体案例展开、结尾回扣分论点。区别于传统的字面翻译，理解式翻译先理解源语言含义再用目标语言的自然表达转述。
2026-06-28 00:22:14
419
原创 Kimi深度使用：5个信息处理场景提升效率
本文基于Kimi K2.6 2026年6月版本实测。Kimi的核心能力在信息处理而非对话。总结5个基于长上下文和文档理解能力的实用场景。
2026-06-28 00:15:42
292
原创 豆包深度使用：5个提升日常效率的实用功能
典型指令：「帮我整理今天要做的事：上午项目进度确认，下午数据分析报告，晚上8点前提交。示例：「你是一位某领域资深面试官，请按真实面试流程提问，我对答后给出结构化反馈——包括亮点、改进点和示例参考。示例：「搜索5篇关于某话题的近期高赞文章，总结共同推荐的核心要点，以表格形式呈现。多模态理解能力可处理多种图片场景：表格截图转为结构化数据、手写笔记识别整理、PPT内容总结、产品包装信息提取。典型场景：会议白板记录拍照后提交，「将白板笔记整理为三段式会议纪要：讨论要点、达成共识、待办事项」。功能4：角色模拟训练。
2026-06-27 01:21:04
413
原创 DeepSeek深度使用：6个推理型用法提升工作效率
做决策：普通用「我该不该做X」→ 推理用「先分析所有因素再逐一评估」 查信息：普通用「告诉我X」→ 推理用「搜索X，对比3个来源标差异」 看数据：普通用「分析数据」→ 推理用「找我没注意到的规律」 做方案：普通用「帮我写方案」→ 推理用「作为反对者挑漏洞」 写代码：普通用「审查代码」→ 推理用「审逻辑+边界+数据结构」效果：曾提交月活数据后，模型发现2月和9月的异常峰——分别对应节后复工效应和开学季效应，这些规律在人工审阅中容易被忽略。每个问题附带改进建议。模板：「在回答之前，请先一步步分析这个问题。
2026-06-26 00:03:26
377
原创 从Copilot到Agent：我的AI开发工具进化史
两年前AI编程还像高级自动补全，现在Agent已经能独立处理模块级任务了。本文记录亲身经历的三个工具进化阶段——从被动辅助到主动执行。
2026-06-26 00:02:11
431
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