<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_33402252的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_33402252</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_33402252]]></copyright><item><title><![CDATA[AI Coding面试实战：从算法到RAG与Agent系统设计全解析]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170254297</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170254297</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 16:57:14 +0800</pubDate><description><![CDATA[在人工智能与软件工程深度融合的背景下，AI Coding岗位的面试考察已远超传统算法题。从基础的快速排序、HashMap并发，到RAG检索增强生成、Function Calling结构化输出、多智能体协作，面试官更关注候选人对原理的理解与工程落地的取舍。理解这些技术背后的设计逻辑，不仅能有效应对面试追问，也能帮助开发者在真实AI应用中解决上下文管理、Token优化、安全防刷等关键问题。本文整理真实出现的面试题与可运行代码，还原从算法到AI系统设计的完整考察链路，为准备AI Coding面试或构建LLM应用的]]></description><category></category></item><item><title><![CDATA[CE318气溶胶与水汽反演三重硬约束与工程化处理链]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170250141</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170250141</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 16:38:36 +0800</pubDate><description><![CDATA[气溶胶光学厚度（AOD）和柱水汽含量（wv）是大气遥感的核心基础参数，其反演依赖太阳直射辐射的多波段衰减建模，需协同考虑Rayleigh散射、气体吸收（臭氧、NO₂）及仪器响应特性。CE318虽为常用太阳光度计，但原始二进制数据解析、SZA系统偏差修正、936nm/870nm水汽比值中的臭氧耦合校正构成三大刚性技术门槛。忽略任一环节将导致AOD误差超15%或wv偏差逾0.25 g/cm²。本方案面向高校课程设计与中小型观测站，提供从.dat帧逆向解析、定标系数注入、分步迭代反演到三级交叉验证的闭环处理流程，]]></description><category></category></item><item><title><![CDATA[腾讯数字人产品线与大模型知识引擎集成技术解析]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170254550</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170254550</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 16:38:06 +0800</pubDate><description><![CDATA[大模型技术正加速落地企业场景，但如何让模型能力从“能说会道”转化为可交互、可运营的业务资产，成为关键挑战。RAG（检索增强生成）作为连接企业知识库与大模型的桥梁，有效解决了知识实时性与幻觉问题，而数字人则成为大模型能力的物理化出口。腾讯数字人产品线涵盖播报型、交互型与分身型，其核心壁垒在于多场景下行为一致性；大模型知识引擎则提供从文档解析、切分、向量化到权限过滤的完整RAG平台化能力。两者融合构成完整的智能交互链路，涵盖语音识别、意图分类、知识检索、大模型生成、语音合成与口型驱动，并需在模型选型、GPU算力]]></description><category></category></item><item><title><![CDATA[大模型不是万能的：规则、RAG、LLM、Workflow选型实践指南]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170255099</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170255099</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 16:31:54 +0800</pubDate><description><![CDATA[在人工智能落地过程中，规则引擎、传统机器学习、RAG、大语言模型与工作流编排常被混为一谈，但实际选型需要回归问题本质。确定性需求应优先使用低成本、可解释的规则或传统模型，避免为简单校验引入大模型的高延迟与不确定性。RAG 适合低频事实查询与来源可溯的知识问答，其效果依赖切块、混合检索与重排的工程细节。当业务链路复杂时，通过 Workflow 将各类组件编排为可观测的流水线，比盲目应用 Agent 更可控。从技术选型的通用原则出发，结合成本、延迟、可解释性三条底线，给出混合架构的决策清单，帮助企业减少盲目上大]]></description><category></category></item><item><title><![CDATA[10负荷点配电网蒙特卡洛可靠性计算：影响矩阵与序贯抽样实现]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170250896</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170250896</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 16:04:38 +0800</pubDate><description><![CDATA[配电网可靠性评估的核心，是用概率抽样刻画元件故障与修复过程，再从系统状态推演停电次数、停电时长和缺供电量等指标。蒙特卡洛法通过TTF/TTR抽样和事件驱动时钟推进，可计算SAIDI、SAIFI、CAIDI等可靠性指标；影响矩阵则把辐射状拓扑与开关位置压缩成0/1表，将连通性判断转化为矩阵运算，显著提升仿真效率。该方法适用于10 kV馈线规划比选、分段开关布点优化和手算结果复核等工程场景。围绕10负荷点配电网蒙特卡洛法可靠性计算，内容覆盖拓扑建模、影响矩阵校验、序贯抽样主循环与收敛判据，并解释手算3.2与仿真]]></description><category></category></item><item><title><![CDATA[knowledge-work-plugins 深度解析：Claude Code 插件化架构与知识工作自动化实践]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170267134</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170267134</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 15:58:40 +0800</pubDate><description><![CDATA[在 AI 辅助知识工作的场景中，如何将零散重复劳动固化为可复用工具，是提升效率的关键。Claude Code 通过插件化架构与 slash command 交互机制，实现了能力扩展与权限隔离，让模型从对话工具转变为可执行具体任务的协作伙伴。knowledge-work-plugins 正是这一思路的典型实践，它把文档处理、任务提取、格式转换等高频操作封装为独立插件，用户通过简单命令即可完成结构化输出。该方案适用于会议纪要整理、需求文档拆解、批量文件重命名等场景，显著降低重复劳动成本，并为团队标准化工作流提供]]></description><category></category></item><item><title><![CDATA[Computer Use 底层机制拆解：从感知到执行的完整闭环]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170261131</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170261131</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 15:50:29 +0800</pubDate><description><![CDATA[AI 智能体正从文本生成迈向环境交互，Computer Use 是实现这一跃迁的关键技术。其核心原理在于构建感知-决策-执行-校验的闭环系统：通过截图理解与无障碍树解析实现屏幕感知，借助动作空间设计与多步规划完成决策，依托坐标点击与输入模拟落地执行，并依靠状态校验与死循环检测保障鲁棒性。在自动化表单填写、跨应用数据搬运等场景中，该技术能替代大量重复性界面操作。深入理解 Computer Use 的工程化实现，是构建可靠 AI 智能体的基础。]]></description><category></category></item><item><title><![CDATA[WeKnora 本地部署与知识库管理实战：语义检索、问答与注册信息调整]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170263464</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170263464</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 15:18:58 +0800</pubDate><description><![CDATA[语义检索基于向量化匹配，能理解口语化描述并映射到相关文档，突破传统关键词搜索的字面限制。其技术价值在于提升知识复用效率，适用于技术文档管理、项目笔记整理等场景。本地部署进一步保障数据隐私与响应稳定，但需注意环境依赖与配置细节。WeKnora 正是这一理念的实践工具，支持批量导入、问答归纳与知识库维护，甚至可调整注册信息，帮助用户构建可检索、可问答的第二大脑。]]></description><category></category></item><item><title><![CDATA[自动微分（AD）原理与工程实践：前向/反向模式选型指南]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170253636</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170253636</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:54:13 +0800</pubDate><description><![CDATA[自动微分（AD）是一种融合数值精度与计算效率的程序化求导技术，区别于符号微分的表达式爆炸和数值微分的截断误差。其核心原理是基于链式法则对程序执行轨迹进行微分重放，天然支持分支、循环等控制流。技术价值在于为梯度驱动的优化、敏感性分析与不确定性量化提供可扩展、可复现的底层支撑。典型应用场景涵盖深度学习框架（如PyTorch反向模式）、科学计算（Fortran源码转换）、物理仿真与金融建模。本文聚焦AD方法在真实项目中的落地逻辑，深入解析前向模式与反向模式的维度适配原则，并结合Python手写实现、PyTorch]]></description><category></category></item><item><title><![CDATA[WeKnora本地部署与知识库实战：RAG检索增强生成从入门到调优]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170263936</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170263936</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:33:44 +0800</pubDate><description><![CDATA[检索增强生成（RAG）通过将文档向量化存储与语义检索结合，让大模型基于私有资料精准作答，有效抑制幻觉。其技术价值在于数据不出内网即可实现知识问答，广泛应用于企业内部文档管理、技术手册检索和会议纪要查询等场景。WeKnora正是这一技术的本地化落地工具，支持PDF、Word等多格式文档解析与向量化，配合混合检索和提示词约束，帮助团队快速搭建可对话的私有知识库，兼顾数据安全与问答精度。]]></description><category></category></item><item><title><![CDATA[中文认知训练底层素材库：脑语言2500单字v1.5.1解析]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170259752</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170259752</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:29:31 +0800</pubDate><description><![CDATA[汉字教学与语言习得的基础，本质是认知负荷、语义网络与真实语料交互的系统工程。传统词表依赖静态频次统计，而现代语言干预、教育科技及NLP基础建设亟需可量化、可建模、可动态校准的语义单元体系。‘脑语言2500单字’正是这样一套融合儿童口语实证、四维认知标注（启动难度/辐射半径/产出稳定性/覆盖弹性）与虚词功能-错误双驱动模型的底层资源。它不止服务于识字教学，更支撑AR识字产品设计、轻量级中文分词器构建、读写障碍精准诊断等多元场景。v1.5.1版本的关键升级——如‘的’‘了’等虚词按语法实现熵值重排、方言适配层嵌]]></description><category></category></item><item><title><![CDATA[Agent技能管理与编排实践：从提示词堆砌到可复用技能包]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170261546</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170261546</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:29:22 +0800</pubDate><description><![CDATA[在大模型应用落地中，提示词工程往往难以保证Agent执行复杂任务的稳定性。为解决这一痛点，技能包（Skill）模式应运而生：将独立任务封装为带协议、样例和验证规则的模块，形成可复用的工程化单元。其核心原理是以标准化目录和协议约束模型行为，让调度器能精准匹配能力强、边界清晰的技能，并通过离线评测集与灰度机制保障输出质量。该模式适用于企业级AI助理、业务流程自动化以及产品原型开发等场景，能有效降低系统提示词膨胀带来的失控风险，提升整体系统的可维护性与可观测性。本文深入拆解了技能库的结构设计、执行链路与长期维护策]]></description><category></category></item><item><title><![CDATA[Cursor上下文机制深度解析：Context、Agent与Tool的本质关系]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170254240</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170254240</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:29:13 +0800</pubDate><description><![CDATA[在AI编程工具演进中，'context'已从传统内存概念升维为代码理解与执行决策的核心抽象；'agent'不再只是任务调度器，而是绑定context slot的状态机；'tool'也远非API封装，实为基于当前代码语义动态推断意图的翻译器。这些设计本质决定了Cursor的报错逻辑（如400 context overflow）、中文支持瓶颈、Agent静默失败等高频问题。本文基于对Cursor全部官方Blog的逆向工程，揭示其context边界映射、slot隔离机制与tool binding原理，适用于正遭遇]]></description><category></category></item><item><title><![CDATA[voicebox 开源 TTS 项目解析：MCP 协议与神经网络语音合成实战]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170268139</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170268139</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:25:00 +0800</pubDate><description><![CDATA[文本转语音（TTS）技术通过声学模型与声码器将文字转化为自然语音，神经网络 TTS 的轻量化让本地实时合成成为可能。开源 TTS 引擎结合 MCP 协议，可将语音能力封装为标准服务，供智能体直接调用，显著降低集成门槛。在阅读器、自动化播报、有声内容生产等场景中，开发者常面临中文多音字、音频拼接爆音、长文本内存溢出等工程问题。voicebox 作为语音调度层，统一接入多种 TTS 引擎并支持 MCP 封装，为开源语音方案落地提供了可复用的实践框架。]]></description><category></category></item><item><title><![CDATA[knowledge-work-plugins：本地知识操作系统的协议基石]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170267559</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170267559</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:18:16 +0800</pubDate><description><![CDATA[知识工作插件（knowledge-work-plugins）本质是面向知识资产沉淀与复用的轻量级操作系统范式，其核心原理在于通过标准化契约（如plugin.json）实现知识单元的结构化抽取、类型声明、能力约束与图谱集成。该技术价值在于破解知识碎片化难题，提升知识检索、推理与演化的工程化水平，在研发协同、会议管理、文档治理等场景中支撑隐私优先、低延迟、可审计的本地化智能增强。本文深入解析其协议设计、双路径实现（Claude Code/Cowork）及跨平台部署实践。]]></description><category></category></item><item><title><![CDATA[WeKnora架构解析：FastAPI+LangChain+LangGraph+PGVector构建RAG Agent]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170266052</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170266052</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:17:40 +0800</pubDate><description><![CDATA[RAG（检索增强生成）与AI Agent是当前大模型落地的核心范式，其技术本质是将外部知识注入LLM推理过程，并通过状态化流程控制多步决策。实现高可用、低运维、易调试的RAG Agent系统，关键在于Web服务层、编排框架、向量检索与状态机四者的深度协同。FastAPI提供异步API与契约化接口，LangChain统一数据加载与检索协议，LangGraph实现可审计的Agent状态流转，PGVector则以嵌入原生支持和SQL融合能力，兼顾性能与工程可控性。这一组合已成为中文开发者社区广泛验证的轻量级Age]]></description><category></category></item><item><title><![CDATA[八数码问题A*算法实战：从状态建模到性能调优]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170252914</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170252914</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:15:14 +0800</pubDate><description><![CDATA[启发式搜索是人工智能中的核心搜索策略，其原理是通过估价函数引导搜索方向，避免盲目遍历。A*算法结合实际代价与估计代价，在状态空间中高效寻找最优路径，技术价值在于平衡完备性与效率。在路径规划、游戏AI、拼图求解等场景中广泛应用。八数码问题作为经典滑块拼图，状态空间约18万，是理解启发式搜索的理想载体。本文深入探讨八数码的状态建模、可解性判断、曼哈顿距离估价函数设计及A*搜索实现中的性能陷阱与调优经验，帮助读者掌握启发式搜索的工程落地。]]></description><category></category></item><item><title><![CDATA[从零搭建OpenResearch：个人研究知识管理工具的设计与实现]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170263696</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170263696</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:13:46 +0800</pubDate><description><![CDATA[知识管理工具通过统一入口、双向链接和全文检索技术，帮助研究者实现资料收集、笔记整理与成果输出的全流程管理。其核心原理在于以条目和链接构建灵活的数据模型，结合SQLite与本地文件存储，在保证数据自主可控的同时提供高效的关系查询能力。这类工具的技术价值在于将碎片化信息转化为结构化知识网络，适用于长期技术调研、对比实验和跨文档关联推理等场景。OpenResearch正是基于这一理念，采用FastAPI与HTMX构建本地Web应用，通过FTS5全文索引和标签体系实现精准检索，并利用D3图谱可视化呈现知识关联，为个]]></description><category></category></item><item><title><![CDATA[用AI编程一个月做了4个项目后，我总结出一套Agent项目纪律系统]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170257465</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170257465</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:09:11 +0800</pubDate><description><![CDATA[AI编程正在改变软件开发的门槛，即使没有系统学习过编程的人，也能借助AI编程工具和Agent技术实现从创意到应用的落地。其核心原理在于将自然语言需求转化为可执行代码，并借助上下文管理与规则约束提高生成质量。这种技术价值不仅体现在效率提升上，更在于让非专业开发者也能参与到真实项目开发中。在个人工具、全栈应用、浏览器插件等场景中，AI辅助开发已展现出巨大潜力。然而，Agent的自由发挥与上下文遗忘也常导致项目失控。本文以零基础作者一个月完成四个项目的实战经历为基础，总结出一套可复用的Agent项目纪律系统，涵盖]]></description><category></category></item><item><title><![CDATA[WeKnora：面向 Wiki 知识库的 LLM Agent 编排框架]]></title><link>https://blog.csdn.net/weixin_33402252/article/details/170263095</link><guid>https://blog.csdn.net/weixin_33402252/article/details/170263095</guid><author>weixin_33402252</author><pubDate>Sat, 07 Nov 2026 14:01:49 +0800</pubDate><description><![CDATA[Wiki 是企业最普遍的知识组织形态，但传统检索难以支撑跨页推理与动作闭环；RAG 技术虽能接入文本，却常因切块失真、关系断裂导致问答不准。WeKnora 以 Wiki 为原生数据源，将页面、章节、链接与编辑历史建模为可计算图谱，结合 LLM 认知引擎与 LangGraph 状态机编排，实现多跳推理、细粒度溯源与可审计的智能响应。它不是 RAG 的增强版，而是 Wiki-native 的 Agent 协议层——让静态文档真正成为可调用、可编排、可进化的知识中枢。本文基于 PostgreSQL+pgvecto]]></description><category></category></item></channel></rss>