最近更新

详解固定长度、句段、递归、结构、语义与 LLM 切分，区分重叠窗口、父子检索、命题索引、上下文补充及 Late Chunking，并给出参数选择、特殊文档处理与评测方法。

复盘 Blog MCP 接入中的 Token 签发、Redis 授权、内部内省、Codex Bearer 配置与会话隔离，梳理 502、401、503、伪跨域、.env 部署等问题，并说明 scopes 向工具禁用列表迁移时的权限风险。

收录《将进酒》全文，整理读音、字词、典故与阅读要点，理解豪饮背后的自信与忧思。

从常见泄漏场景与 GC 可达性出发，结合多轮堆快照、引用链分析、资源生命周期、AI 流式对话治理、线上采样和崩溃留证，建立从复现到修复验证的完整闭环。

从 Performance 录制入手，区分输入延迟、掉帧与布局跳动，系统梳理滚动事件、同步布局、长列表、图片、图层以及 React/Vue 更新的优化方法，并给出代码示例和复测清单。

Agent 的意图识别，本质上是一个语义决策问题：把用户的自然语言输入，映射为下游规划器或路由层可以消费的结构化信号——通常包括意图标签、槽位、置信度，以及“是否需要澄清”。它的工程形态并不是一个孤立的分类模型，而是一套从粗到细、带兜底的分层决策体系。

AI 领域的 Harness 可以理解为“模型之外的整套运行与工程系统”。业界有一个广为流传的等式：Agent = Model + Harness。模型提供核心的“智能”，而 Harness 则提供让这种智能可靠地执行任务所需的一切基础设施。

Transformer 是一种基于自注意力机制的深度学习架构，由谷歌在2017年的论文《Attention is All You Need》中首次提出。它彻底改变了自然语言处理（NLP）的格局，并且是当今几乎所有大语言模型（如GPT、BERT）以及众多AI突破的基础。

从“支持离线部署”却答不出“断网能否使用”的案例出发，沿解析、切块、召回、重排与生成定位故障，结合混合检索和评测验证修复，并厘清业务语义边界。

从路径 API 与资源打包布局入手，讲清用户数据持久化、更新权限、内置 autoUpdater 与 electron-updater 的区别，以及 blockmap 差分下载、发布产物和完整升级验收。

围绕 Hello-Agents 教程整理 50 道学习与面试问答，按 12 个主题梳理智能体原理、工具调用、RAG、上下文工程、通信协议、训练评估与项目实战。

落霞与孤鹜齐飞，秋水共长天一色。文章由洪州形胜、滕阁秋景写到人生际遇与不坠青云之志。

花褪残红，芳草天涯；墙里笑声渐悄，墙外行人徒添惆怅。