最新文章
按发布时间倒序看不懂 AI 的回答？试试 Karpathy 的 4 种解释方式
AI给出答案，不等于理解。本文从Karpathy原帖出发，用水箱例子说明文字、图解、网页和视频的用途，并结合案例检查事实与适用边界。学习要说清卡点，选择合适的形式，再用自己的解释、预测和操作检验理解。
Javaer转Agent：用 Java 做第一个 Agent
围绕订单分页问题，四阶段对照提问、规则、文档与工具。本文用 Java 和 Spring AI 搭建资料助手，追踪模型请求、程序执行、结果回填的循环，核查答案依据，读懂 Agent 运行逻辑与停止条件。
Javaer 转 Agent：什么是 Agent
从 Java 开发者视角，以项目资料助手为例，讲解 Agent 如何由模型选择行动、程序执行工具，并根据反馈推进任务。文章区分普通问答、工作流与 Agent，梳理检索、记忆等概念，说明适用场景及权限、成本和结果验证的边界。
Javaer转Agent：学习资料篇
兵马未动，粮草先行。本文为准备转向 Agent 开发的 Javaer 整理学习资料，涵盖入门教材、Java 框架、开源项目、工程文章和 B 站课程，并给出阅读顺序与练习建议。从一套教材、一个框架、一个能运行的例子开始，逐步理解工具调用、上下文管理和评测，把收藏的资料变成动手能力。
第一次上手 Agent Harness：用 Pi 和 DeepSeek Harness 修一个 Java Bug
本文用一个可复现的 Java Bug，完整演示 Pi 与 DeepSeek Harness 的安装、只读分析、最小修改和测试验收，并记录权限边界、Hash 校验、Diff 审查与实际踩坑，帮助新手建立一套可复核的 Agent 工作流程。
Agent Harness 到底是什么？从 Pi 和 DeepSeek Harness 讲起
Agent Harness 不是模型，而是让模型读文件、调用工具、执行命令并遵守权限的工作环境。本文从 Pi 和 DeepSeek Harness 讲起，用家用车与车队系统的类比讲清区别，并横向比较主流 Coding Agent，帮助新手按任务复杂度和安全需求做选择。
为什么又做了一个博客
不是为了拥有更多工具，而是为了让零散想法更容易成为长期可用的内容。
7天从零上线小程序全过程，花费66元
用 AI 从构思、开发、备案到发布，一周上线微信小程序，总成本 66 元。
文本分块：粒度、重叠与评估方法
搭 RAG 系统，数据加载搞定了，下一步就是把文档切成小块。分块策略选错了，后面检索怎么调都不对。本文介绍主流分块策略（固定大小、重叠、递归、语义分块等），并给出实战经验和参数建议。
数据加载：把异构来源变成可检索文档
数据加载是 RAG 管道的第一步，也是最容易被忽视的一步。本文介绍 Spring AI 的各类文档读取器（Text、PDF、HTML、Markdown、JSON、Tika）以及 Unstructured 文档处理库，涵盖元数据抽取、文档清洗与常见格式的处理方案。
用 LlamaIndex 构建一个最小 RAG 系统
LlamaIndex 是专为 LLM 设计的开源数据连接和检索框架，能快速搭起 RAG 全链路。本文介绍其核心功能（多格式加载、多种索引结构、灵活检索引擎），并一步步用 Python + LlamaIndex + 阿里百炼 API 搭建最小 RAG 系统。
RAG 入门：从最小流程到第一个可运行示例
上手 RAG 的最佳路径是先构建最小可行系统（MVP）。本文介绍 Java 技术栈的工具链选择（LangChain4j / Spring AI）、四步构建法（数据准备→索引构建→检索策略→生成提示）、常见难点与优化方向，以及 RAG 系统的评估指标。