一名专注于AI应用开发的AI技术实践者。日常记录AI应用的成本与稳定性、提示词与上下文工程和项目中的问题解决过程；关注技术选择背后的成本与边界，也会分享技术原理、工程细节和落地经验。
本文记录我在一个15人研发团队中落地Git工作流的完整过程。团队此前采用"所有人提交到master"的模式，平均每周发生2.3次合并冲突事故，发布回滚耗时40分钟以上。我们最终采用"短生命周期特性分支 + 保护分支 + PR强制Review + GitHub Actions/ GitLab CI双流水线"的组合方案，将主干构建成功率从82%提升到99.1%，PR平均评审时长从26小时降到4.5小时
一个后台管理系统在React 18和Vue 3双技术栈下，随着模块增多，Context嵌套达到7层，Props钻透最多5层，导致一次全局筛选更新触发47个组件重渲染，交互延迟从80ms涨到420ms。我分别用Zustand 4.4.7和Pinia 2.1.7替换原有方案，迁移后重渲染组件降到9个，首屏可交互时间从2.1s降到1.4s，包体积仅增加3.2KB。下面记录完整对比、迁移步骤和踩坑细节。
在RAG应用中，Agent自动调用工具完成多步推理的需求日益增长。本文基于LangChain 0.2.15与Python 3.11，手写一个轻量级AI Agent，覆盖工具定义（函数/API封装）、记忆管理（滑动窗口+摘要压缩）、错误处理（重试与降级）以及循环控制（最大步数+条件终止）。实测在OpenAI GPT-4o-mini下，单轮推理耗时从1.8s降至1.2s（优化后），支持最多10步循环，
