手搓生产级 AI Agent 系统（36）：RAG变体选型实战指南
本文是《手搓生产级 AI Agent 系统》第36篇，承接上一篇关于Agent类型选型与伦理安全约束的讨论，聚焦RAG技术形态的工程选型。基于公开资料中反复出现的传统RAG、Graph RAG、Agentic RAG等变体，从开发者落地视角梳理各形态的核心思想与适用边界，重点分析从传统RAG向复杂RAG迁移时的工程因素，包括知识库构建、检索优化、混合策略与落地框架，帮助读者在真实项目中做出可执行的选型判断。
vercel/ai 源码拆解：Provider 抽象与 Agent 工具链
以 vercel/ai 官方 README 为依据，拆解 AI SDK 的 provider-agnostic 设计：统一模型字符串与直连 Provider 包两条接入路径、ToolLoopAgent 的工具循环、UI 层 useChat 与工具调用渲染的衔接方式，并给出选型与自封装边界建议。
手搓生产级 AI Agent 系统（35）：Agent类型选型与架构设计中的伦理安全约束
承接MCP服务集成，本篇从感知-决策-行动循环出发，梳理反应式、基于模型、学习型Agent的选型取舍，并把伦理、隐私、透明性与责任归属作为架构约束嵌入分层设计，给出面向中国开发者的落地决策参考。
GitHub Actions workflow lockfile公开预览：CI/CD依赖锁定与供应链安全
GitHub Actions workflow lockfile进入公开预览，通过锁定action与可复用workflow的commit，防止tag/branch漂移导致构建不可复现或供应链投毒。本文解析其机制、Require lockfile策略、Dependabot联动，并给出AI项目流水线的迁移与配置建议。
手搓生产级 AI Agent 系统（34）：MCP服务集成实战与配置排错指南
承接系列第33篇的配置排错思路，本篇聚焦MCP服务集成实战。基于官方资料中反复出现的MCP概念、stdio/sse分类、uvx指令、json配置和MCP Inspector调试工具，梳理从环境准备到调用MCP服务的完整流程，并针对连接失败、配置错误、调试困难等常见问题给出排查路径。
RAG 向量数据库选型：从索引构建到查询延迟的实测对比方法
面向 RAG 系统开发者，提供一套可落地的本地向量数据库基准测试方案。围绕索引构建耗时、查询延迟随数据规模变化、过滤条件对召回的影响、内存与磁盘占用等维度，给出合成数据生成、对比脚本编写、变量控制与结果解读的具体方法，帮助判断官方 benchmark 是否匹配自身场景。
手搓生产级 AI Agent 系统（33）：Spring AI接入Spring Boot的常见配置问题与排错思路
承接多模型接入架构设计，聚焦Spring AI与Spring Boot集成时最易卡住的环节：依赖与配置组织、提示模板与模型交互链路、分层排错清单。基于官方快速开始类资料，给出可复用的最小集成路径与排查顺序。
手搓生产级 AI Agent 系统（32）：Spring AI多模型接入架构设计
本篇是系列第32篇，从Java开发者已有Spring Boot项目出发，讨论Spring AI多模型接入的工程架构设计。围绕统一接口抽象、依赖组织、配置切换与分层结构展开，并分析Spring AI与LangChain4j在Spring生态融合度上的选型考量。文中接口名、依赖名与版本兼容性均需以官方文档为准，对比结论也需结合实测评估。
从 vercel/ai 看 TypeScript 多模型接入与 Agent 开发
以 vercel/ai 官方 README 为事实基础，梳理 AI SDK 的统一 Provider 抽象、ToolLoopAgent 与 AI SDK UI 的模块划分，分析其在多模型接入、Agent 工具循环和前端框架协作上的工程取舍与选型边界。
手搓生产级 AI Agent 系统（31）：Spring AI 架构选型与生产落地考
本篇从已有 Spring 应用的架构演进视角出发，讨论引入 Spring AI 时的分层与模块化设计思路、模型集成方式的选型维度，以及生产落地阶段需要额外评估的工程问题。文中对 Spring AI 具体能力的描述均标注为当前搜索到的社区资料摘要，尚未经官方文档独立核验，选型时需进一步确认。
手搓生产级 AI Agent 系统（30）：DeepSeek接入方式怎么选
承接MCP选型，梳理DeepSeek的多种集成形态：应用程序、AI Agent框架、RAG框架、编辑器与浏览器插件、即时通讯插件及本地部署。从开发场景出发给出选型判断框架，并列出需核验的官方能力与限制。
vercel/ai 开源拆解：TypeScript AI 工具链的接入边界
vercel/ai 是 Vercel 与 Next.js 团队维护的 provider-agnostic TypeScript AI 工具链，覆盖 OpenAI、Anthropic、Google 等模型接入与 Next.js、React、Svelte、Vue 等 UI 框架。本文基于其公开仓库元数据与 README 示例，梳理统一 Provider 抽象、结构化输出、Agent 与 UI 集成四条主线，并给出继续阅读源码的问题清单。
手搓生产级 AI Agent 系统（29）：MCP接入选型与架构梳理
本篇是系列第29篇，围绕MCP接入选型展开。基于当前搜索信号中的社区资料，梳理stdio与SSE两类传输方式的工程差异、Host/Server结构下各客户端的配置特点，以及多客户端接入的常见问题。所有来自社区的说法均明确归因，未经验证的细节标注为工程经验或待官方文档确认，并给出选型决策框架与时效性提醒。
vercel/ai：TypeScript 开发者如何理解 AI SDK 的工程化边界
vercel/ai 是 Vercel 与 Next.js 团队推出的 TypeScript AI 工具包，官方定位为 provider-agnostic 的 AI 应用与 agent 构建库。本文基于其 GitHub 官方 README，梳理统一 Provider 架构、结构化输出、Agent 抽象与 UI 集成四条主线，并给出面向 TypeScript 开发者的选型评估框架与待验证清单。
手搓生产级 AI Agent 系统（28）：MCP三层架构解析与集成选型
本篇为系列第28篇，基于公开搜索资料与社区实践整理，解析MCP Host/Client/Server三层协作机制，对比Java SDK、Spring AI与Python SDK的开发模式差异，梳理生产集成中的调试依赖、description字段、LLM选型等关键考量，并提供从Function Calling向MCP迁移的选型checklist。所有具体产品能力均标注为待官方核验。
Vercel AI SDK：TypeScript 构建 LLM 应用的接入与选型分析
基于 vercel/ai 官方仓库资料，梳理 AI SDK 的 Provider 统一抽象、结构化输出、Agent 工具循环与 UI 集成机制，并给出 TypeScript 团队在 LLM 应用选型时的评估要点与源码考察方向。
手搓生产级 AI Agent 系统（27）：Gemini agent的企业集成机制与落地启示
Google Cloud在Gemini at Work 2026发布Gemini agent，定位为面向工作的通用Agent。本文从企业Agent落地视角，拆解其业务上下文接入、技能与工具调用、模型选择与成本控制、安全治理等机制，并给出对自建生产级Agent系统的工程启示。
TypeScript AI 工具库如何支撑多前端框架应用
vercel/ai 以 provider-agnostic 的 TypeScript 工具库定位，统一了 OpenAI、Anthropic、Google 等模型接入，并通过框架无关的 UI hooks 覆盖 Next.js、React、Svelte、Vue 等栈。本文基于其公开 README 与元数据，梳理多框架接入时的工程关注点，以及从单次调用走向 agent 场景需要评估的边界条件。
手搓生产级 AI Agent 系统（26）：GitHub 上下文感知密钥检测模型解析
GitHub 发布专用密钥泄露检测模型，通过读取上下文识别无固定格式的凭据。本文解析其检测机制、与传统正则/熵检测的差异，并给出集成到 CI/CD 与 AI Agent 编程工作流的工程建议。
Vercel AI SDK 的 TypeScript 工程化接入思路
基于 vercel/ai 官方 README 与仓库元数据，梳理 AI SDK 作为 provider-agnostic TypeScript 工具包的接入路径：统一 Provider 抽象、Vercel AI Gateway 默认路由、直连 @ai-sdk/* 包、结构化输出与 Agent/UI 集成，并区分公开元数据支持范围与源码实际实现之间的差异。