企业知识库搭建：文档治理比选模型更要紧
企业知识库（RAG）落地最容易翻车的不是选模型，而是文档和检索这两头没人管。这篇讲文档治理、按结构分块、混合检索与重排、权限与更新、评估集几个关键点，并强调先治理文档再谈向量化。
MCP 服务端：从最小可用到生产级
从零写一个 MCP 服务端并推到生产级的过程。覆盖工具、资源、提示词三个原语，stdio 与 Streamable HTTP 两种传输，以及 stdout 污染、超时、输入不可信、工具列表变化四个生产级坑，最后给出值不值得用的判断。
Function Calling 的微调基础与 tool_calls 回环
从一次退款工单出发拆开 Function Calling 的链路：模型只产出结构化意图，执行在 runtime。文中给出完整回环代码、tool_call_id 配对的必要性、三类错误回灌，以及工具输出被提示注入的风险。
向量数据库选型：pgvector、Qdrant、Weaviate、Milvus 怎么挑
已跑在 PostgreSQL 上的知识库要不要另引向量库？这篇按过滤选择率、维度、并发和增量写入这几项约束，比较 pgvector、Qdrant、Weaviate、Milvus、Pinecone，附 HNSW 参数取舍、预过滤代码与按负载走的选型树。
AI Agent 开发 常见误区与正确做法
交叉整理多份公开实践分享中 AI Agent 开发反复出现的误区：工具失败抛异常导致模型看不到错误、缺少终止条件、工具描述空泛、上下文无管理、盲目重试写操作、一次性堆十几个工具。给出对应的工程做法与自写代码结构。
RAG 检索增强 实战路线：从最小可用到生产级
把公开实践分享里关于 RAG 检索环节的说法做交叉整理，给出最小可用版到生产级四层改造的可执行步骤。覆盖语义分块、混合检索与 RRF 合并、cross-encoder 重排、评估集建设，并列出常见误区与不适用 RAG 的场景。
Agent 记忆不是一件事：短期缓冲和长期存储
把「Agent 忘了」当成一个问题去修，是绝大多数记忆 bug 的根源。这篇把记忆拆成短期缓冲（上下文窗口）和长期存储（外部库）两套机制，讲清各自实现方案和常见误区——把长上下文当记忆、把向量库当万能记忆——再给一个可复现的做法。
拆多个 Agent 之前，先想清楚消息路由
单个 Agent 把所有工具塞进一个提示词，指令一多就互相打架。这篇讲什么时候该拆成多个 Agent、怎么用角色拆分加消息路由把多个 Agent 编排成可复现的工作流，给一个最小实现，再列几个必踩的坑。
LangGraph 工作流：checkpoint 和 thread_id 的几个坑
讲 LangGraph 上生产的持久化：checkpoint 怎么配、thread_id 为什么必传、MemorySaver 和 PostgresSaver 的区别、interrupt 和状态膨胀的坑。给一段可跑的 PostgresSaver 示例，适合搭过多轮 Agent 但没配对 checkpoint 的人。
大模型微调，先用 LoRA 跑通一个分类任务
讲大模型微调的最小闭环：为什么默认用 LoRA 而非全参数，target_modules 怎么别抄错，给一段能跑的 peft 训练脚本，以及数据、模板、评估几个高频坑。适合想低成本跑通第一个微调任务的人。
做 AI Agent，先想清楚要不要框架
AI Agent 开发最大的误区是上来就选最重的框架。这篇从「要不要框架」讲起，说清 LangGraph、CrewAI 各自的适用场景和代价，以及没有框架时怎么写一个最小可用的工具调用循环，再给出框架选错、可观测缺失、盲目并行这几个高频坑。
MCP 协议上手：写一个能跑的 server
MCP（Model Context Protocol）把 AI 模型连接外部工具、数据、提示模板的方式标准化，号称 AI 应用的 USB-C 接口。这篇从最小可用的 Python server 写起，讲清 tools/resources/prompts 三类能力、stdio 与 HTTP 两种传输，以及接进 Claude Desktop 时容易踩的坑。
DeepSeek API 并发限制配置：按业务优先级分配调用配额
本文面向多业务模块共用 DeepSeek API 额度的后端场景，讨论如何通过分组并发上限、信号量队列、分级重试与降级，把业务优先级映射到调用层，避免高优先级任务被低优先级任务挤占。
DeepSeek API 返回 401：密钥配置与鉴权排查清单
本文面向首次集成 DeepSeek API 的开发者，提供一份通用的 401 鉴权失败排查框架。文章按调用链路梳理从环境变量注入、请求头构造、密钥完整性、多环境混用到代理网关转发的检查顺序，并给出可复用的排查清单与可直接执行的最小验证请求。所有具体参数均标注为示例，实际以 DeepSeek 官方文档为准。
DeepSeek API 返回 401 时如何排查鉴权配置链路
针对 DeepSeek API 调用中出现的 401 鉴权错误，从 Authorization 请求头格式、API Key 注入方式、环境变量读取顺序、代理与网关改写等环节逐层排查。所有端点、模型名与请求头格式均标注为示例，须以官方文档为准，并给出最小请求验证 Key 是否生效的方法，避免误判为模型或网络问题。
企业RAG选型指南：从传统RAG到Agentic RAG的决策维度
本文从企业选型视角梳理RAG从Naive、Advanced、Modular到Agentic的演进逻辑，将“选哪种RAG”拆解为检索质量、理解与推理决策需求、知识库构建复杂度、落地成本四个可判断维度，并指出传统RAG的典型缺点与Agentic RAG的适用边界，帮助企业在静态检索与智能体决策之间做出工程取舍。
DeepSeek API 流式响应中断排查与重连工程实践
本文针对 DeepSeek API 流式输出中断问题，从现象分类入手，分析网络层超时、代理缓冲、客户端读取超时与服务端错误等可能原因。重点修正 SSE 半包解析示例，统一为可跨 chunk 保留字节缓冲的增量解析写法，兼容 \r\n\r\n 与 \n\n 分隔；明确读取超时应按空闲间隔设置；并给出应用层幂等重试策略。本文为通用工程排查思路，不提供 DeepSeek 官方具体重连参数，相关细节需以官方文档或实测为准。
DeepSeek API 迁移 OpenAI SDK：请求适配与字段映射核验指南
针对已有 OpenAI SDK 调用代码的开发者，在缺少官方一手资料的情况下，提供一套以官方文档核验为前提的迁移方法。文章将请求体字段、消息角色、参数命名和响应结构差异列为待确认检查项，给出可调整的适配层伪代码与回归验证清单，帮助定位直接替换 base_url 后出现的参数不识别和响应解析错误。
RAG 与微调边界：知识更新频率下的架构取舍
面向已有大模型应用的开发者，从知识更新频率、数据私密性、推理成本与延迟约束四个工程维度，分析 RAG 与微调的适用边界，并给出混合架构的接入方式与维护成本评估。
DeepSeek本地部署避坑指南：环境与依赖问题排查思路
本文基于公开资料中多次提及的DeepSeek本地部署需求，梳理环境配置与依赖问题的通用排查框架，包括部署前环境确认、依赖冲突定位、模型加载失败分析等思路，帮助开发者系统化定位问题，不涉及具体版本、硬件型号或性能数据。