尘一不染-CSDN博客

原创 2026 年 AI 编程智能体落地指南：从提示词到可观测工程

本文给出 AI 编程智能体的工程化落地方法：以任务契约约束范围，通过上下文工程、受限工具调用、自动验证与评测体系，将聊天式辅助升级为可审计、可回滚的生产能力。

2026-08-01 13:43:23 398

原创从零到一：基于项目实战的前端开发知识体系完全指南

本文基于三个企业级项目（电子签章、供应链金融、学籍管理系统）的实战经验，系统总结Vue2前端开发知识体系，涵盖核心技术和最佳实践。主要内容包括： Vue2核心（实例创建、数据绑定、组件化）网络通信（axios请求/拦截器、Token管理） UI框架（ElementUI组件、Bootstrap布局）基础技术（Flexbox/CSS定位、FileReader/Canvas）工程化实践（VueCLI代理配置）每个知识点均提供：概念解析与应用场景关键代码示例官方文档推荐分阶段学习路线特别强调从项目

2026-06-06 22:30:12 319

原创【Rust+AI】Rust正在杀死AI推理的“性能税“——用所有权系统重构LLM Serving

【Rust+AI】Rust正在杀死AI推理的“性能税“——用所有权系统重构LLM Serving

2026-05-22 08:34:47 439 4

原创 AppReview AI Analyzer：Google Play 竞品评论分析实战手册

是一个本地运行的 Google Play 应用评论分析工具，核心能力：plaintext│ │ 评论抓取 │ → │ AI 分析 │ → │ 可视化报告 │ ││ │ CSV 导入 │ │ 翻译/分类 │ │ 洞察输出 │ │这是整份报告最重要的入口，相当于 AI 帮你写的管理层摘要。表格指标含义怎么看Headline一句话总结最大问题和机会快速了解整体Samples本次分析的评论数量判断数据量是否足够负面评论占比25% 意味着四分之一用户不满Top Risk最大风险主题。

2026-05-21 11:22:02 401

原创 AI辅助开发 uni-app + Fastify 项目

本文档是一份从零基础到完整开发App+后端的全流程技术操作手册，主要面向初次接触App开发、后端开发、数据库和AI辅助编程的学习者。手册详细介绍了项目架构、环境配置、软件安装、数据库操作、前后端开发流程等核心内容，重点讲解了如何使用Fastify后端框架、Prisma数据库工具和uni-app跨平台开发框架。文档特别强调了真机调试的注意事项、常见问题排查方法以及AI辅助开发的正确使用方式，并提供了7个实战作品方向参考。手册采用循序渐进的教学方式，包含大量代码示例和可视化说明，旨在帮助学习者快速掌握全栈开发的

2026-05-20 20:09:41 554

原创【NotebookLM + Google AI Studio】AI产品开发双剑合璧：操作手册

语忆是一个帮助职场人士将会议录音转化为可整理、可检索、可分享的。产品定位：为经常参加会议的职场人士，将会议录音转化为可整理、它解决会议太多记不住、重点难找、事后难找的问题。产品定位：为想记录生活但懒得打字的人群，用语音写日记。目标用户：想记录生活点滴但文字表达能力一般的人群。核心问题：会议太多记不住、重点难找、事后难找。请创建一个移动端优先的会议知识库App原型。目标用户：需要记录和整理会议内容的职场人士。核心问题：打字太慢、不知道写什么、难以坚持。位置：在Prompt输入框上方的设置区域。

2026-05-20 19:28:14 465

原创【Java+AI】Java正在悄然“杀死“Python的AI霸权——虚拟线程与GraalVM如何重写企业级AI推理规则

【Java+AI】Java正在悄然"杀死"Python的AI霸权——虚拟线程与GraalVM如何重写企业级AI推理规则

2026-05-20 01:00:00 773

原创【Node.js+AI】Node.js 屠榜 AI 推理：那些嘲笑“Node.js 做 AI 就是玩具“的人，该闭嘴了

ode.js 的异步非阻塞架构使其能够高效处理高并发请求，而流式生成（Streaming）技术允许数据逐步传输而非一次性加载。两者的结合显著降低了 AI 响应的延迟，用户几乎感知不到等待时间。

2026-05-19 00:00:00 408

原创【Go + Ai】Go才是AI工程的最佳语言？别闹，但确实比你想的强

简要介绍Go语言在AI领域的应用现状，说明其高效、简洁的特性如何与AI技术结合，提出文章的核心讨论方向。

2026-05-16 11:30:00 366

原创 AI驱动的竞品分析Agent协作系统：多智能体协同的商业智能实践

本文提出了一种基于多Agent协作的自动化竞品分析系统，通过三层架构实现从数据采集到报告生成的全流程自动化。系统采用数据采集Agent、分析Agent和报告Agent的分工协作模式，结合LangGraph编排引擎和React前端，支持产品功能、定价策略、用户口碑等多维度分析。关键技术包括：1）模块化Agent设计，实现采集、分析、生成的解耦；2）异步并行处理机制提升效率；3）LLM辅助分析确保专业度。测试表明系统在3分钟内可完成3个竞品的完整分析，准确率达85%以上。该系统为企业战略决策提供了高效、智能的竞

2026-05-15 11:00:00 472

原创 AgentHub：多Agent协作平台的架构设计与实现

本文介绍了AgentHub——一个基于LangGraph的多Agent协作平台的技术架构与实现。平台通过任务分解引擎、智能调度系统和Agent注册中心三大核心组件，支持多Agent的并行协作与动态扩展。采用LangGraph作为状态机引擎，结合FastAPI和Redis，实现了日均百万级任务的高效处理。文章详细剖析了平台的设计理念、架构细节、核心代码实现及关键技术，包括动态任务分解、多层次容错机制和性能优化策略，为企业级多Agent系统提供了可复用的工程实践方案。

2026-05-12 22:22:02 521

原创企业级AI智能客服系统：从零到一的架构设计实战

本文介绍了一个智能客服系统的架构设计与实现，从业务需求分析到技术方案落地。系统采用分层架构设计，包括前端界面层、API网关层、业务逻辑层、知识库层和基础设施层。关键技术包括：前端使用Next.js实现流式响应 API网关实现认证、限流和熔断多Agent协作架构处理不同业务场景 RAG知识库系统支持精准回复多级缓存和消息队列提升性能全面的安全防护体系系统通过模块化设计平衡性能、成本和复杂度，支持从MVP到规模化的渐进式演进。架构决策始终围绕业务目标，在实时性、可靠性、安全性和成本之间做出合理权衡。

2026-05-12 10:00:00 387

原创 Multi-Agent Memory Consistency：Agent世界的“内存一致性“危机

多智能体系统面临记忆共享与一致性挑战，本文提出基于计算机架构思想的解决方案。研究发现36.9%的多智能体系统失败源于智能体间记忆错位，现有协议存在带宽浪费、缺乏直接内存访问等问题。借鉴内存一致性模型，设计了从强一致性到最终一致性的分层框架，并引入Agent Memory Access Protocol(AMAP)实现高效记忆共享。关键技术包括：1)分层记忆架构实现O(logn)检索效率；2)位置索引编码优化记忆访问；3)死锁避免机制；4)语义对齐层解决异构表示问题。实验表明，该方案能显著减少36.9%的记忆

2026-05-11 10:00:00 424

原创 MCP (Model Context Protocol)：AI Agent 连接外部世界的桥梁

MCP是Anthropic在2024年推出的AI工具集成开放协议，旨在解决AI应用与数据源之间的M×N集成难题。该协议采用三层架构（Host-Client-Server）和五大核心原语（Resources/Tools/Prompts/Roots/Sampling），支持多种传输协议和安全机制。MCP通过标准化接口实现工具跨模型复用，降低开发维护成本，已被OpenAI、Google等主流AI平台采用。文章详细介绍了MCP的技术架构、安全模型、开发实践及未来生态规划，建议开发者尽早掌握这一AI基础设施标准。

2026-05-10 17:20:18 446

原创 Windows 壁纸自动轮换脚本

这篇文章介绍了一个基于Python和Windows API的桌面壁纸自动轮换工具。该工具可以从指定文件夹随机选择壁纸并自动更换，具有以下核心功能：支持从多个文件夹递归搜索壁纸图片（包括中文路径和网络路径）通过Windows原生API SystemParametersInfoW设置壁纸智能防重复机制，可配置避免重复显示的壁纸数量完整的日志记录和错误处理系统支持JPG、PNG、BMP、GIF等多种图片格式工具采用模块化设计，包含壁纸收集、历史记录管理、壁纸设置等核心模块，并提供了详细的配置说明和使用

2026-05-05 22:24:22 427

原创 Coze多Agent协作系统实战：从入门到生产级应用

多Agent协作系统：解决复杂任务的利器传统单Agent模式面临三大痛点：能力单一（如代码编写Agent无法自主测试）、效率低下（复杂任务需反复调用）和维护困难（冗长prompt导致效果下降）。多Agent系统通过专业化分工（规划、执行、审查等角色）实现：任务分解：规划Agent拆解需求为子任务链并行处理：各Agent专注核心职责（如CoderAgent只生成代码）质量管控：ReviewerAgent自动检查代码安全性、性能关键技术实现包含：基于消息总线的异步通信架构依赖检测防止循环调用上下

2026-05-05 12:25:53 514

原创【基于FastAPI+RAG开发本地智能知识助手】ChainMind RAG智能知识库系统实战学习文档

ChainMind是一个基于FastAPI+Ollama+LangChain的本地知识库问答系统项目。该项目通过RAG(检索增强生成)技术解决LLM的幻觉和知识过时问题，包含文档上传、文本切分、向量存储、智能问答等核心功能。系统采用前后端分离架构，后端使用FastAPI构建RESTful API，前端采用React实现交互界面。关键技术点包括：文档处理服务支持PDF/TXT/MD格式，智能文本切分策略，基于语义的向量检索，对话记忆管理，以及支持工具调用的智能代理服务。项目完整实现了从文档上传到智能问答的全流

2026-04-26 16:22:17 421

原创 AI编程工具实战：Cursor + React + TypeScript 开发电商后台管理系统

表单组件重复性高（CRUD表单、筛选面板、分页器）状态管理逻辑复杂（筛选、排序、批量操作）样式开发耗时（响应式布局、深浅色切换）代码规范难以统一（多人协作时尤其明显）用AI辅助开发，可以把70%的重复代码交给AI处理，开发者专注于业务逻辑和架构设计。搭建了完整的技术栈实现了核心功能：商品CRUD、筛选排序、批量操作、深色模式展示了AI协作流程：需求分析 → 类型定义 → 组件生成 → 状态管理补充了面试加分项：性能优化、错误边界、主题切换沉淀了方法论：AI时代的开发流程和核心竞争力。

2026-04-25 16:46:33 425

原创【Truffle + solidity】智能合约安全漏洞实战：从零到一的 Truffle 全流程

本文介绍了智能合约安全漏洞的5种常见类型及其防御方法，包括重入攻击、整数溢出、Delegatecall漏洞、tx.origin钓鱼攻击和DoS攻击。通过真实案例和代码示例，详细分析了漏洞原理、攻击方式和防御措施。文章提供了完整的测试环境配置指南、漏洞代码与修复合约对比，以及安全自查清单。强调智能合约"代码即法律"的特性，一旦部署无法修改，必须采用防御性编程思维，遵循Checks-Effects-Interactions等安全模式，使用Solidity 0.8+版本的内置安全特性，并进行全

2026-04-25 01:24:11 426

原创【大模型本地部署的调用与运用】从零打造本地区块链 AI 知识问答系统：FastAPI + LangChain + React + Ollama（deepseek-coder 6.7B）

本文介绍了一个基于本地大模型的区块链知识助手项目，采用React+FastAPI+Ollama技术栈实现。前端使用React构建交互界面，支持消息展示和用户输入；后端通过FastAPI搭建API服务，调用本地部署的deepseek-coder6.7B模型处理问答请求。项目实现了基本的对话功能，采用异步编程提升性能，并解决了跨域问题。文章详细介绍了项目架构、代码实现和部署流程，展示了如何将本地大模型整合到实际应用中，为后续扩展RAG知识库和文档处理功能奠定了基础。

2026-04-20 23:30:18 425

原创 Linux系统环境一键检测脚本：快速查看所有已安装的开发工具与版本

本文介绍了一个实用的Bash脚本，用于快速检测Linux系统中安装的开发环境和工具。该脚本能自动检查编程语言（Python、Java等）、编译工具、数据库客户端、容器工具等50多项常见环境，并将结果分类为已安装（显示版本号）和未安装（红色标记）两部分输出。脚本采用纯Bash实现，无需额外依赖，支持主流Linux发行版，适合系统初始化检查、环境迁移等场景。使用方法简单，只需下载脚本并赋予执行权限即可运行。文章还提供了脚本的GitHub地址，并建议用户可根据需要自行扩展检测项。这个小工具能显著提升环境排查效率，

2026-04-19 21:04:48 393

原创【技术博客】基于FISCO BCOS的智能合约开发实战：从环境搭建到合约部署

本文介绍了基于国产联盟链平台FISCO BCOS的智能合约开发实战指南。首先概述了FISCO BCOS作为金融级区块链平台的优势（轻量、合规、生态完善），然后详细讲解了开发环境搭建、基础存储合约和进阶投票合约的编写与部署过程。文章还提供了Gas优化和安全注意事项等实用技巧，最后总结FISCO BCOS作为企业级区块链开发平台的优势，适合国内开发者入门学习。作者结合自身获得FISCO BCOS认证和区块链大赛经验，为初学者提供了系统性的开发指导。

2026-04-19 16:03:01 394

原创【实战项目】从零搭建 AI Agent 客服系统：React前端 + Python后端 + 多工具调用

本文介绍了基于Python+FastAPI+React的AI智能客服系统开发实践。项目通过LangChain和DeepSeek实现了一个具备多轮对话、工具调用和上下文记忆功能的AIAgent。后端采用FastAPI提供WebSocket/SSE接口，前端使用React实现流式响应效果。文章详细讲解了系统架构、核心代码实现（包括LLM封装、工具调用、对话记忆等模块），并分享了Token溢出、工具调用优化等实战经验。该项目适合想入门AIAgent开发的前端/全栈工程师学习，完整代码已开源在GitHub。

2026-04-18 21:03:02 769

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

You111801的博客