从零手写一个AI Agent：工具定义、记忆管理与ReAct循环控制的实现细节
网上讲LangChain Agent的文章很多，但大部分停留在`initialize_agent`一行代码的层面。真正在生产环境中跑起来，你会发现工具参数校验、记忆窗口溢出、LLM返回格式异常、循环死锁等问题一个接一个。本文不依赖LangChain的Agent封装，从零手写一个ReAct模式的AI Agent，完整实现工具注册与调用、基于滑动窗口的对话记忆管理、LLM输出解析失败的重试与降级、以及
Milvus与Qdrant在千万级向量检索场景下的选型实测对比
在构建一个面向企业知识库的RAG检索服务时，我在Milvus 2.4和Qdrant 1.9之间做了完整对比。测试数据集为1000万条768维向量，硬件为单机16核64GB。实测结果显示：Qdrant在单机部署下P99延迟为38ms，内存占用约22GB；Milvus集群模式P99为52ms，但内存占用达到31GB。本文记录了部署步骤、索引参数、压测脚本和踩坑细节，供有类似选型需求的团队参考。
Docker Compose编排多服务容器化部署：网络隔离、卷挂载与健康检查启动顺序配置详解
本文以一个真实的前后端分离项目为例，分享一套可直接落地的docker-compose.yml配置。项目包含Nginx、Spring Boot应用、MySQL 8.0、Redis 7.2共4个服务，通过自定义bridge网络实现服务隔离，用命名卷持久化数据库数据，借助healthcheck配合depends_on的condition: service_healthy保证启动顺序，最终将原本需要手工执
LoRA微调7B模型全流程：从数据准备到QLoRA量化推理对比
本文记录了在单张RTX 3090（24GB）上使用LoRA/QLoRA微调Qwen2.5-7B-Instruct的完整过程。训练数据为12000条领域问答对，LoRA rank=16、alpha=32，QLoRA采用NF4量化后显存占用从18.6GB降至9.8GB，训练3个epoch耗时约4.5小时。文中给出了可直接运行的训练与推理代码、真实loss曲线走势（最终train loss 0.87，e
Milvus 2.4 与 Qdrant 1.9 在千万级向量检索场景下的选型实测对比
本文基于真实的图文去重业务场景，在 4C16G 三节点环境下对比了 Milvus 2.4.4 与 Qdrant 1.9.2 的部署复杂度、查询性能与资源占用。实测 1000 万条 768 维向量，Qdrant 单机 P99 延迟 38ms、内存占用 9.2GB；Milvus 集群 P99 延迟 27ms、内存占用 21GB。文章给出完整部署脚本与压测代码，并总结出「小团队优先 Qdrant、超大规
手写AI Agent：工具定义、记忆管理与循环控制实现细节
本文不依赖LangChain/AutoGPT的高层封装，从零手写一个可运行的AI Agent，代码量约300行。基于OpenAI GPT-4o-mini与Python 3.11环境，实测在3类工具（计算器、时间查询、文件读写）场景下，单次任务平均迭代2.7轮，工具调用准确率92%，错误自恢复成功率约78%。文章完整拆解工具Schema定义、滑动窗口+摘要混合记忆、异常捕获重试、最大步数与终止条件控
React Context迁移Zustand与Vue Pinia实践：渲染次数从38降到6
一个中型后台系统里，我们用Props和Context撑了8个月，最终在列表页卡顿到无法忍受：一次筛选触发38次组件重渲染，首屏可交互时间2.8s。本文记录React 18.2项目从Context迁移到Zustand 4.4、Vue 3.3项目从provide/inject迁移到Pinia 2.1的完整过程，包含选型对比表、迁移步骤、可运行代码，以及迁移后重渲染次数、包体积、Lighthouse分数
React Context迁移Zustand与Pinia：一次真实项目的状态管理改造记录
我们有一个中型后台系统，早期用 React Context + useReducer 堆状态，Vue 子应用则靠 props 层层透传。随着模块增加到 40+ 页面，Context 导致的全量重渲染让列表页首屏从 380ms 涨到 1.2s，Vue 侧最深 7 层 props 透传。本文记录把 React 侧迁到 Zustand 4.4、Vue 侧迁到 Pinia 2.1 的完整过程：方案对比、迁
FastAPI+Flask接口响应从1.8s降到120ms：一次真实的API性能调优记录
线上一个FastAPI接口P95响应时间1.8s，QPS压到50就开始超时。用cProfile+py-spy定位到慢在N+1查询和重复JSON序列化，配合索引优化、Redis缓存和连接池调整，最终P95降到120ms，QPS提升到420。本文记录了完整的profiling过程、代码改动和压测对比数据，Flask侧的同类问题也一并给出方案。
** Docker Compose编排多服务容器化部署：网络、卷挂载与健康检查配置详解
** 在微服务架构落地过程中，如何用一个`docker-compose.yml`稳定编排前端、后端、数据库、缓存、消息队列共6个服务，是很多团队绕不开的问题。本文基于 Docker Engine 24.0.7 与 Compose v2.23.0，分享一个真实项目的编排配置：通过自定义 bridge 网络实现服务隔离、用命名卷持久化 MySQL 8.0 与 Redis 7.2 数据、借助 healt
Git分支策略与Code Review及CI/CD集成工作流实践（Git 2.40）
本文以一次从“全员master提交”迁移到“Git Flow + Pull Request + GitHub Actions”的真实改造为线索，给出可直接落地的分支模型、保护规则、PR模板、CODEOWNERS与流水线配置。文中包含Git 2.40.1、GitHub Actions、SonarQube 9.9等具体版本与参数，并给出改造后数据：合并冲突率从每周6.2次降到0.8次，PR平均首轮评审
React Context迁移Zustand与Vue Pinia重构：渲染次数从42次降至6次
一个中型后台项目，React 18.2 + Vue 3.4 双栈共存，早期用 Props 层层透传和 Context 管理全局状态。随着模块膨胀，单次筛选操作触发 42 次组件重渲染，首屏可交互时间 3.8s。本文记录我们如何把 React 侧迁移到 Zustand 4.5、Vue 侧迁移到 Pinia 2.1，包含方案选型对比表、迁移步骤、选择器写法、踩坑记录，最终重渲染降到 6 次，交互延迟从
FastAPI接口从1.2s降到80ms：一次Profiling驱动的数据库与缓存调优
线上一个FastAPI商品查询接口P99延迟高达1.2s，QPS一过200就开始超时。本文记录了完整排查过程：用py-spy和cProfile定位到慢在N+1查询和重复序列化上，配合SQLAlchemy的selectinload、复合索引和Redis两级缓存，最终P99降到80ms，单机QPS从180提升到1100。文中包含可直接运行的压测脚本和优化前后对比数据，适合正在被接口性能折磨的后端同学参
FastAPI接口P99从1.2s降到86ms：一次Profiling驱动的查询与缓存优化记录
某内部商品查询接口上线后P99稳定在1.2s左右，QPS刚过200就出现超时告警。本文记录了完整的排查链路：用py-spy定位到ORM的N+1查询、用EXPLAIN ANALYZE发现缺失复合索引、用Redis做两级缓存，最终在相同压测条件下（locust 500并发）把P99压到86ms，QPS从210提升到2400+。文中包含可直接运行的profiling脚本、索引DDL和缓存装饰器代码，以及
基于LangChain 0.3手写AI Agent：工具定义、记忆管理与循环控制实现
本文不依赖LangChain现成的AgentExecutor，从零实现一个约300行的AI Agent内核，跑通工具定义、记忆管理、错误处理与循环控制四个关键模块。使用LangChain 0.3.7 + OpenAI gpt-4o-mini，在12个混合任务（计算、天气查询、文件读写）上对比官方AgentExecutor：自研内核任务完成率91.7%，平均步数3.2步，单任务token消耗降低约1
基于Git Flow与Trunk-Based的分支策略、Code Review及CI/CD流水线配置实践
团队从5人扩展到18人后，原有的"全员在master上直接提交"模式导致每周平均3.2次合并冲突、2次线上回滚。本文记录我们如何用Git Flow + 短生命周期feature分支重构协作流程，配套Gerrit风格的Code Review门禁与GitLab CI 16.9流水线，把MR平均评审时长从26小时压到4.5小时，主干构建失败率从18%降到2.1%，并附上可直接落地的`.gitlab-ci
LoRA微调7B模型全流程：数据、配置、Loss与推理对比
本文记录了一次真实的LoRA微调实践：在单张24GB显卡上对Qwen2.5-7B-Instruct进行领域微调，训练数据约3200条，采用LoRA（r=16, alpha=32）配合4bit QLoRA量化，训练3个epoch耗时约2.5小时。文章完整给出数据格式与清洗脚本、训练超参配置、loss曲线走势分析，并用同一组测试prompt对比微调前后的推理输出，附上显存占用与吞吐数据，供想动手微调7
FastAPI接口P99从1.2s降到86ms：一次数据库查询与缓存的调优记录
一个日请求量约200万的商品详情接口，上线后P99延迟稳定在1.2s左右，CPU长期打满。用py-spy采样发现70%时间耗在一条N+1查询上，配合SQLAlchemy的selectinload、Redis二级缓存和连接池参数调整，最终P99降到86ms，QPS从420提升到3100。文中附完整压测数据和可运行的代码片段。
从0.71到0.89：一次RAG检索增强生成系统的三阶段优化实录
线上RAG问答系统上线三个月，Recall@5只有0.71，答非所问占比高达23%。本文记录了我们对同一套语料（约12万篇技术文档）做的三阶段优化：chunk策略从固定512切分改为语义+父子块混合、embedding从text-embedding-ada-002切换到bge-m3、引入bge-reranker-v2-m3重排。最终Recall@5提升到0.89，端到端P95延迟从2.1s涨到2.
React Context 迁移到 Zustand 4.4：中台项目状态管理重构与性能对比
我们维护的一个 React 18 中台项目有 47 个页面、约 120 个组件，早期全靠 Props 逐层传递和 4 个 Context 管理全局状态。随着页面变复杂，单次表单联动触发了 200+ 组件重渲染，输入框打字有明显延迟。本文记录了从 Context/Props 迁移到 Zustand 4.4.1 的完整过程：方案对比、迁移步骤、核心代码、踩坑记录，以及迁移后重渲染次数从 213 次降到
