AI 全栈开发实战（5）：文档处理 Pipeline —— 解析、切分、Embedding、存入 Qdrant
实现文档处理完整 Pipeline：PDF/文本解析、递归字符切分、BGE Embedding 向量化、Qdrant 向量存储、Celery 异步任务、前端状态轮询，上传即自动处理。
AI 全栈开发实战（4）：知识库与文档管理 —— CRUD API、文件上传、MinIO 集成
实现知识库和文档管理模块：知识库 CRUD 与权限隔离、文档上传与类型验证、MinIO 文件存储、文档列表与删除、前端知识库仪表盘和文件管理页面。
AI 全栈开发实战（3）：用户系统 —— 注册、登录、JWT 认证与前端集成
实现完整的用户系统：bcrypt 密码加密与验证、JWT Token 签发与验证、注册/登录 API、认证中间件、前端登录/注册页面、Auth Context 全局状态管理。
AI 全栈开发实战（2）：技术选型与项目初始化 —— 搭建 KNow 项目骨架与 Docker 环境
从零初始化 KNow 知识库助手项目：Docker Compose 编排 6 个服务（PostgreSQL/Redis/Qdrant/MinIO/后端/前端）、FastAPI 后端骨架搭建、React 前端项目初始化、开发工作流配置。
AI 全栈开发实战（1）：产品定义与架构设计 —— 做一个真正的 AI 知识库产品
开启 AI 全栈开发实战系列，从产品定义开始到部署上线。本文完成 KNow 知识库助手的定位、功能规划、技术选型、数据库设计、API 设计和架构决策。
AI 应用开发实战（5）：AI Agent —— 工具调用、自主决策、多步循环完整实现
从零构建一个完整的 AI Agent 系统：工具定义与注册机制、Function Calling 实现、Think-Act-Observe 多步循环、错误处理与容错，以及 Agent 与 Chat/RAG 模式的融合。
AI 应用开发实战（4）：从零实现 RAG 系统 —— 文档解析、向量检索、知识库问答
从零构建一个完整的 RAG 系统：文档解析与 Chunk 切分策略、Embedding 与向量存储、Query 改写与混合检索、Re-rank 重排序、完整 Pipeline 集成，附可运行的全套代码。
AI 应用开发实战（3）：多轮对话进阶 —— 清除历史、注入 System Prompt、上下文截断策略
深入讲解 AI 应用多轮对话的核心技术：对话上下文管理与记忆机制、System Prompt 动态注入策略、Token 窗口截断算法、多轮对话状态保持，以及生产环境中的长对话优化方案。
AI 应用开发实战（2）：Prompt 工程实战 —— 从零构建可靠的 Prompt 系统
深入讲解生产级 Prompt 工程的方法论：Prompt 原子组件设计、结构化模板模式、Few-shot 与 CoT 的最佳实践、Prompt 版本管理与 A/B 测试，以及基于 LangChain 的 Prompt Template 实现。
AI 应用开发实战（1）：从零搭建你的第一个 AI 应用 —— FastAPI + LLM API 调用完整教程
从项目初始化开始，一步步搭建一个完整的 AI 应用：FastAPI 项目骨架、LLM API 封装、流式响应、前端对话界面，以及生产部署的最佳实践。
向量数据库选型与实战 —— Milvus、Qdrant、Chroma 深度对比与最佳实践
深度对比三大主流向量数据库 Milvus、Qdrant、Chroma 的架构设计、性能表现、部署复杂度、生态成熟度，以及在不同场景下的选型建议和实战代码。
小白也能懂的 RAG 原理 —— 从检索到生成的完整指南
本文用通俗的语言和实例，带你理解 RAG（检索增强生成）的核心原理、主流架构和落地实践，适合 AI 初学者和想要快速了解 RAG 的开发者。
2026 年 AI Agent 开发踩坑实录 —— 从入门到放弃再到真香
半年 AI Agent 开发实战中遇到的 7 个真实坑，从 Tool Call 循环到上下文爆炸，每一个都是代码换来的教训。
Claude Code 实战：用自然语言写代码到底靠不靠谱
深度体验 Claude Code 一个月，从项目初始化到生产部署，评估 AI CLI 编程工具的真实能力、适用场景和局限性。
从零搭建 AI 编程环境：VS Code + DeepSeek + Claude Code 配置指南
一篇搞定 AI 编程环境配置，涵盖 VS Code 插件、DeepSeek API 接入、Claude Code 安装配置，以及三者的协同工作流。
Prompt Engineering 系统化指南 —— 从写单条提示词到构建完整 Prompt 系统
系统化讲解 Prompt Engineering 的核心方法论：Prompt 原子组件（角色/指令/上下文/格式）、结构化 Prompt 设计模式、思维链与 Few-shot 的高级用法、Prompt 管理系统架构。
AI 模型部署从入门到生产 —— ONNX 转换、TensorRT 加速、推理服务搭建
完整讲解 AI 模型从训练完成到生产部署的全流程：模型导出与格式转换（ONNX/TensorRT）、推理优化（FP16/INT8 量化）、推理服务框架选型（Triton/vLLM/SGLang）、性能压测与监控。
大模型微调实战指南 —— 从 LoRA 到全参微调，一文搞懂 Fine-tuning
深入讲解大模型微调（Fine-tuning）的完整流程：数据准备与清洗、LoRA/QLoRA 原理与配置、训练参数调优、评估与部署，以及全参微调 vs PEFT 的选型决策。