Prompt工程调优实录：从3.2%到91.4%的指令抽取F1提升
在构建一个基于GPT-4o-mini的电商评论信息抽取系统时，我经历了从“能跑”到“能用”的Prompt调优全过程。初期零样本Prompt的F1仅3.2%，经过结构化指令、少样本示例与格式约束的三轮迭代，最终在200条测试集上将F1提升至91.4%，单条token消耗从412降至295。本文将公开完整的Prompt版本演进、消耗对比与踩坑记录，包含可直接运行的Python评测脚本，适合正在用LLM
React 19与Vue 3.5下从Props钻取到Zustand/Pinia的状态迁移实录
项目从16个组件层层透传props到引入Zustand 5与Pinia 3，重构后组件重渲染次数平均下降73%，首屏交互响应时间从210ms降至95ms。本文记录了在React 19.2与Vue 3.5.17双技术栈下，从Context/Props方案迁移至状态管理库的完整决策树——包括何时该无痛迁移、zustand的selector陷阱、Pinia的setup store与组合式API的冲突处理
LangChain与AutoGPT启发下：从零手写Agent循环控制与记忆管理
当LangChain的ConversationBufferWindowMemory在长对话中吃掉80%的token预算时，我意识到框架的便利背后是失控的成本。本文记录了我基于AutoGPT的规划-执行模式，用Python手写一个轻量级Agent的过程：仅用180行代码实现了工具注册、滑动窗口记忆、JSON错误重试与最大迭代限制。在模拟的订票场景中，该Agent将API调用失败率从42%降至11%，
Docker Compose编排多服务：网络隔离、健康检查与启动顺序全解析
一个典型的中型项目，从单体应用拆分为6个微服务后，部署复杂度呈指数级上升。本文基于Docker Compose 2.24.2与Docker Engine 26.1.1，分享一套生产可用的编排方案。通过自定义桥接网络实现服务隔离，利用named volume持久化MySQL与Redis数据，配置HTTP/TCP双重健康检查机制，并使用depends_on条件控制启动顺序。整套配置使得服务启动时间从原
LangChain与AutoGPT双引擎：手写Agent循环控制与记忆容错机制
在构建一个需要调用6个外部工具的证券分析Agent时，我遇到三个致命问题：无状态对话导致上下文漂移、单次API异常导致整个循环崩溃、以及LangChain 0.3.7与AutoGPT架构在工具调用链上的隐式冲突。本文记录一个使用LangChain的`AgentExecutor`重写AutoGPT式推理循环的实践，实测对话轮次从7轮压缩至4轮，工具调用成功率从72%提升至96%。你将看到如何用`Co
Docker Compose编排多服务项目：网络卷挂载健康检查与启动顺序全解析
本文基于实际项目，分享一套包含Nginx、Golang API、PostgreSQL、Redis、RabbitMQ五个服务的docker-compose.yml配置。重点讲解自定义网络隔离、命名卷持久化、healthcheck健康门控及depends_on条件启动，解决服务启动竞态问题。配置在Docker Compose v2.20.0 + Docker Engine 24.0.2下验证通过，服务
asyncio重构Flask接口：QPS从327到1892的异步改造实录
某次压力测试中，我负责的订单查询API在200并发下QPS仅327，RT高达305ms，数据库连接池被打爆。通过引入asyncio+httpx+asyncpg，将同步阻塞式I/O改为异步非阻塞，仅改动47行代码，QPS提升至1892，RT降至52ms。本文记录完整改造过程，包含asyncio.Semaphore限流、uvloop事件循环替换、asyncpg连接池调优等关键细节，并附上wrk压测数据
Prompt工程调优实录：信息抽取任务下5版模板的Token与精度博弈
在财务公告结构化抽取任务中，我对比了5版Prompt模板，从零样本到Few-shot再到思维链。实验基于GPT-4-turbo（1106-Preview），使用QPS=1的限流配置。结果显示：**结构化指令+3个示例**的模板在F1分数上比朴素模板提升22.7%，但Token消耗增加41%。最终通过**动态截断+关键字段前置**策略，将单条成本压至0.031美元，同时F1稳定在0.89。文中附全部
RAG准确率从68%到91%：chunk重构、Embedding换血与Rerank落地的全记录
三个月前，我负责的智能客服知识库RAG系统在200+真实问询测试集上命中率只有68.2%，Top-3召回率不足80%。排查发现，罪魁祸首是固定的256 token分块把技术文档中的表格和代码切得七零八碎；其次，老旧的`text2vec-large-chinese`在语义匹配上严重拖后腿。本文记录了完整的优化链路：针对文档结构定制Markdown感知分块器、切换至BGE-large-zh（v1.5）
asyncio重构Flask接口，QPS从120飙到800+
某电商订单系统上线大促前，发现订单详情接口在500并发下平均延迟1.2秒，QPS仅120。用asyncio+httpx替换requests同步调用，配合Semaphore限流和连接复用，仅改动40行代码，延迟降至180ms，QPS提升至850。本文记录完整的压测数据、踩坑过程（包括EventLoop阻塞、超时参数陷阱）和可复用的代码模板。
Docker Compose编排实践：多服务依赖、健康检查与启动顺序控制
部署一个由Nginx、Spring Boot应用、PostgreSQL和Redis组成的项目，直接`docker-compose up`就绪后，服务间依赖乱序导致连接失败。本文结合一个真实的中台项目，展示如何设计docker-compose.yml，覆盖自定义网络、持久化卷挂载、健康检查机制及depends_on条件控制，确保容器启动顺序可靠。配置上线后，服务启动成功率从70%提升至100%，平均
7B模型LoRA微调显存爆炸？QLoRA+4bit量化拯救记
上周用两张3090微调Qwen2.5-7B做法律文书摘要，全量微调直接OOM，LoRA(rank=8)勉强跑通但显存峰值26.8GB。换用QLoRA+NF4量化后，峰值显存直降到11.2GB，训练速度只慢18%。最终在2000条法律判决书上微调3个epoch，ROUGE-L从0.42提升到0.57，推理时模型能正确引用法条编号。本文记录完整过程：从数据清洗、bitsandbytes配置、PEFT参
Prompt工程化调优实录：基于GPT-4o的SQL生成任务，从42%到89%准确率
本文记录了一次针对自然语言转SQL任务的Prompt调优全过程。通过5轮迭代实验，对比了零样本、Few-shot、CoT及结构化约束等多种Prompt策略。实验基于OpenAI GPT-4o (gpt-4o-2024-05-13) 与gpt-3.5-turbo-0125，在Spider验证集抽取的200条难例上测试。最终方案通过引入Schema感知与输出格式约束，将执行准确率从基线42.5%提升至
React 19与Vue 3.5状态管理迁移实录：从Context/Props到Zustand与Pinia的架构重塑
随着项目迭代至10万行代码，React Context频繁更新导致组件树re-render耗时从12ms飙升至210ms，Vue3中Props深层透传让维护成本增加40%。本文记录一次为期三周的状态管理层迁移：对比Zustand 5.0与Pinia 3.0在响应式追踪、代码侵入性及包体积（+3.2KB gzip）上的取舍，分享分阶段迁移策略（按模块灰度切换）、性能调优（selector精确订阅使R
asyncio重构Flask接口：Web API并发性能从50到1800 QPS的改造记录
一个基于Flask+Requests的聚合查询接口，在8核8G机器上压测QPS仅50，TP99高达480ms。通过引入asyncio+aiohttp替换同步IO，并利用`loop.run_in_executor`保留少量CPU密集计算，最终QPS提升至1850，TP99降至32ms。本文记录完整改造链路，包含asyncio.Semaphore限流、连接池复用、超时控制三个关键动作，并附上wrk压测
RAG召回率从61%到89%：chunk重切、embedding换型与rerank排序的工程实践
在搭建面向企业私有文档的问答系统时，召回质量一度卡在61%的Hit Rate上，表现为“答非所问”和“漏检关键段落”。本文记录一次为期两周的RAG管线优化过程：首先将固定256字符chunk改为基于Markdown标题的语义切分，并引入50%重叠滑动窗口；随后将Embedding模型从`text2vec-large-chinese`切换为`BAAI/bge-large-zh-v1.5`，维度从10
Prompt工程化调优实录：从42%到91%的意图识别准确率跃迁
同一意图分类任务，朴素Prompt准确率仅42%，经系统化Prompt工程改造后提升至91%。本文记录完整实验过程，对比4种Prompt模板在GPT-4-turbo（gpt-4-0613）下的表现差异，精确统计token消耗：从每次请求平均1876 tokens降至512 tokens，成本降低72.7%。通过few-shot示例筛选、格式约束、思维链引导三步优化，最终在200条测试集上达到F1=
FastAPI接口延迟1800ms降至90ms：Profile与缓存优化实录
某CRM系统客户列表API在QPS 50时P95延迟飙至1800ms，MySQL CPU打满。通过cProfile定位到N+1查询与ORM序列化热点，配合SQLAlchemy 2.0的selectinload、Redis管道缓存及gzip中间件，将P95降至90ms，QPS提升至800。全程记录PyCharm Profiler火焰图分析、EXPLAIN执行计划解读、缓存穿透防护等细节，附完整代码与
RAG召回率从61%到89%：chunk重切、embedding换代与rerank落地实录
两个月前，我们内部知识库问答系统的召回率（Recall@5）一直卡在61%左右，用户问“发票报销流程”，系统却常把“差旅报销制度”排到后面。问题不在模型，而在RAG管线的三个关键环节：chunk切分太粗导致语义混淆、embedding模型对长尾专有名词表征弱、以及缺失粗排后的精排纠错。本文记录一次完整的RAG系统优化过程——从调整chunk策略（固定256字到语义滑动窗口），到切换embeddin
LangChain与AutoGPT融合：手写ReAct循环实现Agent记忆与容错机制
当我的AutoGPT项目在处理连续12轮工具调用后因上下文窗口溢出而崩溃时，我意识到单纯堆砌LangChain组件无法解决Agent的长期记忆问题。本文将展示如何用LangChain 0.1.0构建一个仅需387行代码的ReAct Agent，包含自定义工具装饰器、基于SQLite的向量记忆、三级异常恢复机制，以及循环次数硬限制。实测在金融问答场景下，该Agent将工具调用成功率从68%提升至94
