哥本哈士奇的博客

原创 SQL Server 索引知识汇总

本文对SQLServer中的索引进行一个知识总结。

原创 医疗器械行业 Salesforce Territory 完整落地实例

Salesforce的Territory是一个比较难理解的概念，这里通过AI智能体的不断提问，做了一个总结，并且结合一个实际的虚拟案例，说明其到底是什么，以及应该如何配置。

原创 Raw Data Vault vs Business Data Vault

Raw Vault = 企业数据的“原始档案库”：原样收纳、只结构化、不解读、全历史审计；Business Vault = 企业数据的“标准化加工车间”：统一业务规则、整合多源、预生成高效业务查询结构。

原创 CLAUDE.md笔记

这篇文章结合一个完整的前后端 RAG 项目实践，讲清楚 CLAUDE.md 到底该怎么写：什么内容必须放，什么内容绝对不能放，最后给一份可直接复用的完整示例。

原创 Neo4j 多跳查询实战：从社交网络场景理解图遍历

图数据库的核心优势之一，就是天然支持高效的**多跳路径查询**。本文将以「社交网络好友关系」为实例，从零开始讲解 Neo4j 中多跳查询的语法、场景、进阶技巧与性能边界。

原创 Git 本地版本管理学习笔记

很多开发者接触 Git 的第一印象是「GitHub 远程仓库」，但常常忽略了 Git 最核心的本质：它是一套**分布式版本控制系统**，哪怕不联网、没有任何远程仓库，仅凭本地环境就能完整管理代码的每一次变更——记录修改、回溯版本、追溯历史，全在本地完成。

原创 JWT原理 FastAPI Vue3极简实现JWT登录鉴权

前后端分离项目中，传统的Session登录需要服务端存储会话信息，存在**服务器集群无法共享、扩展性差**的问题。而JWT作为目前最主流的无状态登录鉴权方案，彻底解决了这个痛点。本文分为三部分：零基础看懂JWT底层原理、FastAPI后端极简实现登录签发令牌、Vue3前端单文件对接登录鉴权，**所有代码极致精简，无数据库、无冗余业务逻辑**，纯核心功能方便新手快速理解原理。

翻译 Power BI五大常见使用误区

使用Power BI时最容易出现哪些典型错误？举个例子，当一位新人同事第一次接手Power BI项目，有哪些坑你一定会提前提醒他？你会给出哪些建议？本文整理了Power BI项目开发中频繁遇到的各类误区。这份清单并未涵盖所有问题，欢迎大家在评论区补充其他错误写法、不良开发实践。

原创 微软技术直通车：基于AI的智能构建。2026年6月13日北京微软。

原创 RAG Embedding 多义消歧完整解决方案

本文从底层原理、离线知识库优化、线上查询优化、模型选型、检索后处理多个维度完整拆解落地方案。

原创 RAG向量检索核心详解：Cosine、Dot、Euclidean

目前主流向量数据库（FAISS、Milvus、Chroma、Pinecone）全部支持三种核心度量方式：Cosine余弦相似度、Dot Product点积、Euclidean欧氏距离。很多新手做RAG踩坑的核心原因：选错相似度算法，导致语义匹配完全失真、检索结果错乱。本文用通俗逻辑、标准公式、直观案例，一次性讲透三者的原理、区别与RAG最优选型方案。

原创 看完《低智商犯罪》，学习Cypher构建知识图谱

《低智商犯罪》都看了吧，是否现在还在回味剧情里每一个人物的刻画，以及每一个案件的编排。看完后咱们就来简单的学习一下，如何把剧集里的人，事件以及各种关系，构建成一个简单的知识图谱。

原创 LangChain DeepAgents 学习笔记

LangChain的DeepAgents已经发布有段时间了，最近的几个版本基本覆盖了大多数智能体都应该有的功能。本笔记基于 LangChain 的 DeepAgents 框架，演示如何构建了一个具有角色扮演能力的 AI 助手，并集成了自定义技能系统。以此方便后续的knowledge review以及vibe coding的reference。

原创 LangChain Deepagent 版本0.6.1中间件一个bug

目前不清楚这个问题是从哪个版本开始的。所以我把版本回退到了2026年4月1日的版本，因为我看视频教程，教程是在4月8日发布的，所以查看了下github的release记录，4月1日的版本是0.5.1，回退到这个版本，问题解决。本文撰写时间是2026年5月18日，目前langchain deepagent的版本为0.6.1。所以使用pip直接install deepagents的默认版本，大概率会遇到我所说的问题。以下代码演示如何卸载当前版本然后安装指定版本的deepagents。以下是我测试的完整代码。

原创 Neo4j笔记（五）：查询的处理流程

上一篇讲述了一篇文章如何通过LLM转换成Cypher，然后在Neo4J里运行，形成知识图谱。此篇接着上篇，继续梳理一个用户查询，如何通过图数据库以及大模型去汇总查询结果。

原创 微软 SQL Server 版本演进史：从诞生到 SQL Server 2025

微软 SQL Server 2025发布应该快半年了，不知不觉发现已经跟这位老朋友一起奋斗了25个年头，SQLServer作为全球最受欢迎的企业级关系数据库之一，自 1989 年诞生以来已经走过了近 40 年的发展历程。本文将带你回顾 SQL Server 从第一个版本到最新 SQL Server 2025 的完整演进历史，并重点介绍每个版本的关键新特性。

原创 提升 Text2SQL 准确率

随着大语言模型的爆发，Text2SQL（自然语言转SQL）技术正在重塑我们与数据库的交互方式。本文将系统性地梳理提升 Text2SQL 准确率的核心方法，涵盖提示工程、模型微调、推理增强三大维度。**所有示例基于微软 AdventureWorksDW2016 数据仓库**。

原创 SQLServer Management Studio(SSMS) 22 Copilot 最佳实践学习笔记

在最新的SSMS 22版本中，加入了微软官方的AI工具GitHub Copilot。此篇结合微软官方的文档，汇总了我们作为机长，应该如何跟这位副驾磨合。

原创 SQLServer RAG笔记4：从服务层到前端交互

在之前的文章中，我们完成了 SQLServer 2025 向量数据库的搭建和基本配置。本文将深入介绍服务层和前端部分的三个核心模块：**Embedding 生成**、**数据入库流程**以及**前端交互关键代码**，完成一个基于SQLServer 2025的向量数据库的RAG系统流程。

原创 SQLServer RAG笔记5：为SQLServer 2025配置Ollama

在第三篇笔记中，我们结合Python代码，通过Ollama的嵌入模型，实现了为SQLServer 2025向量数据库生成向量值。从SQLServer 2025开始，是支持直接把大模型作为EXTERNAL MODEL的。此篇将介绍如何配置Ollama里的嵌入模型作为SQLServer 2025的EXTERNAL MODEL。

原创 SQL Server RAG 笔记3：SQLServer2025 向量数据库

在大模型RAG应用中，提起向量数据库大家想到的更多的是Chroma和FAISS，微软也紧跟时代的步伐，并且在2025年底发布的 SQLServer 2025 也提供了原生向量支持，此篇将介绍如何在SQLServer 2025里搭建向量数据库环境。

原创 详解传统RAG、Text2SQL、Graph RAG：适用场景与问题示例汇总

在AI问答与数据查询领域，传统RAG、Text2SQL、Graph RAG是三种核心的技术路径，它们各自有明确的定位、独特的特点，适配不同类型的查询需求。很多开发者在实际项目中会混淆三者的适用场景，本文将详细拆解每个系统的核心特点，明确其适合回答的问题类型，并搭配10个具体示例，帮助大家快速区分、精准选型。

原创 SQL Server RAG 笔记2：图数据库服务层与前端可视化构建

此篇是 SQL Server 图数据库实战的第二篇，继续构建知识图谱前端，将介绍基于 FastAPI 的服务层架构设计，以及 Vue3 + D3.js 前端图可视化实现。内容涵盖 API 路由设计、数据传输模型、前端组件化架构、D3.js 力导向图布局等核心知识点。

原创 SQL Server RAG 笔记1：图数据库构建

在AI开发中，知识图谱是非常火的一个领域，而提到图数据库大家都会第一时间想到Neo4J，其实在SQLServer中早已有支持，此篇将简单演示如何在SQLServer下构建图数据库，实现知识图谱的管理。

原创 Neo4j笔记（四）：一篇文章如何入库的

一直很好奇，一篇文章是如何进入到图数据库的，毕竟一篇文章啥格式都有，而写入到图数据库还必须遵从规则和语法，所以这注定不是一个普通RAG或者SQL的过程。此篇讲带大家一起看一下这里都需要经历哪些过程。

原创 数据仓库笔记 第六篇：PSA 层 SCD2 处理方式

**SCD2（Slowly Changing Dimension Type 2）** 是维度建模中处理历史变更的行业标准且最常用的方案。相比快照方式，SCD2只写入真正发生变化的数据行，通过 `有效期` 字段精确记录每条数据的生命周期，用极低的存储成本实现完整的历史追溯能力。这一篇用详细的代码解释其工作流程。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 数据仓库笔记 第五篇：Data Mart 层（数据集市）

什么是 Data Mart？Data Mart（数据集市）是数据仓库的**面向主题的子集**，专门为特定业务部门或分析场景服务。我个人建议，前端BI工具，无论是Power BI或者是Tableau，都从这一层取数据，这样一来可以提高前端报表性能，同时也可以降低前端工具的建模难度。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 数据仓库笔记 第四篇：Star Schema 层（维度建模）

Star Schema（星型模型）是 **Ralph Kimball** 提出的维度建模方法，是数据仓库**面向分析的核心层**。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 数据仓库笔记 第三篇：常用缓慢变化维处理方式介绍

数据仓库可以帮助我们追溯数据的历史变化，其中最主要的一个方法就是缓慢变化维。此篇主要介绍最常用的缓慢变化维：Type1, Type2, Type3。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 数据仓库笔记 第二篇：PSA 层（持久化暂存区）详解

PSA（Persistent Staging Area，持久化暂存区）是数据仓库的**第一层持久化存储**，直接接收从业务系统抽取的数据，并**长期保存所有历史版本**。作为数据库的第一层，叫法很多，也有叫stage，也有叫OBS，标准不是非常的统一。在我的系列笔记里都统一使用psa的这个叫法。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 数据仓库笔记 第一篇：数据仓库的定义、历史与意义

数据仓库（Data Warehouse，简称 DW 或 DWH）是一个**面向主题的、集成的、非易失的、随时间变化的**数据集合，用于支持管理决策。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

原创 Neo4j笔记（三）：数据建模与程序连接实战

环境：macOS + Neo4j + Python

原创 Neo4j笔记（二）：Cypher CRUD 完全指南

环境：macOS + Neo4j Browser，此篇简单介绍Cypher的CRUD操作。

原创 Neo4j笔记（一）：安装与快速入门

环境：macOS，Docker / Homebrew / Neo4j Desktop 三种安装方式，以及基础概念，快速入门。

原创 Power BI学习笔记第20篇：面试题汇总 · 第三篇：高级应用与最佳实践篇

这一篇不考你记没记住概念，考的是你有没有真正踩过坑、解决过实际问题。答得好不好，一听就知道。

原创 Power BI学习笔记第19篇：面试题汇总 · 第二篇：数据建模与 DAX 篇

数据建模和 DAX 是区分"会用 Power BI"和"真正懂 Power BI"的分水岭。面试官问到这两块，眼睛都在放光——因为答不好的人太多了。

原创 Power BI学习笔记第18篇：面试题汇总 · 第一篇：基础概念篇

面试官问的每一道基础题，都是在试探你对 Power BI 全貌的理解有多深。答不上来？要么是你没动手做过，要么是你没想过为什么要这么做。

原创 Power BI学习笔记第17篇：Power BI Dashboard 常用布局方案推荐

此篇汇总Dashboard常见的布局方式，作为后续设计的参考。

原创 Power BI学习笔记第15篇：企业级报表开发与最佳实践

本文系统介绍了企业级报表开发的最佳实践框架，主要内容包括：1）报表分类与设计流程；2）数据模型架构设计、命名规范和文档标准；3）行级和对象级安全控制；4）实时、增量和全量刷新策略；5）模型、DAX和报表性能优化方法；6）CI/CD部署流程和版本管理；7）使用指标和性能监控体系；8）自助分析架构设计。文章通过表格、流程图和代码示例，全面阐述了企业报表开发从设计到运维的全生命周期管理要点。

原创 Power BI学习笔记第14篇：Power Query 高级数据处理

本文详细介绍了Power Query的高级数据处理技术，主要包括：1) M语言基础与查询步骤链；2) 高级数据获取方法，如多文件合并、动态数据源和Web API调用；3) 复杂数据清洗技巧，包括文本处理、日期转换和数据类型推断；4) 高级合并与连接操作；5) 数据透视与逆透视；6) 自定义函数编写；7) 高级分组聚合；8) 错误处理机制；9) 性能优化策略。文章还总结了Power Query的最佳实践，强调参数化、批量处理和查询折叠的重要性，为高效数据转换提供了全面指导。