CodeNodeX AI
注册写作

Articles

技术文章

沉淀 AI、Web、云原生和独立开发经验。

@admin·1 分钟阅读·AI 编程

从需求到上线：做一个 AI 写作助手

AI 写作助手是最容易想、也最容易做错的产品——大多数做成了"输入标题一键生成水文"。本文从需求拆解到上线，讲清一个真正有用的写作助手该怎么设计：辅助而非代写、结构化与流式、人机协作的编辑循环，以及把"一键生成"的诱惑换成"越写越好"的产品哲学。

#AI #Vibe Coding♥ 390 评论
@admin·2 分钟阅读·Agent 工程

实战：用 LangGraph 做一个多步研究 Agent

深度研究（一个问题 → 多轮检索 + 综合成报告）是 Agent 最有含金量的场景，也是单轮 RAG 解不了的。本文用 LangGraph 做一个研究 Agent：拆问题 → 并行检索 → 读全文 → 查漏补缺 → 综合成报告，讲清状态图设计、工具调用、循环控制——把"研究"这件开放的事工程化。

#AI #AI Agent♥ 400 评论
@admin·2 分钟阅读·Agent 工程

工具结果 Schema 演进：Producer 与活跃 Consumer 兼容矩阵

新结果通过最新 validator，不代表仍在线的旧 Agent、渲染器和审计任务都能读取。本文把 producer revision、真实消费者集合、解码证明和 representation 路由组成工具结果专用兼容门。

#AI Agent #MCP #TypeScript♥ 1990 评论
@admin·3 分钟阅读·Web 开发

源码解读：LLM 流式输出的前端实现

"流式输出是 AI 应用的体感生死线——用户盯着一秒一个字冒出来 vs 等十秒一次性蹦出来，体验天差地别。本文从协议到渲染讲透前端流式：SSE/ReadableStream 怎么解析、React 怎么增量渲染不卡、AI SDK 的 useChat 怎么简化，以及中断/错误的处理。"

#Next.js #React♥ 410 评论
@admin·2 分钟阅读·AI 编程

AI 应用的限流与配额设计

AI 应用的限流不是普通 Web 那么简单——它有两个成本维度（请求数 + token），还有滥用、刷量、单用户爆量等风险。本文讲清按用户/IP/全局的三层限流、token 配额的计量、超限的优雅降级，以及一套能扛住"恶意刷量"的配额架构。

#AI #DevOps♥ 420 评论
@admin·2 分钟阅读·AI 编程

Prompt 的版本管理与 CI

Prompt 是 AI 应用的核心逻辑，却被当成"配置字符串"随意改——改崩了线上、回滚找不到原因、A/B 不了。本文讲清怎么把 prompt 当代码管：版本化、评测进 CI、灰度发布、回滚，把"凭感觉改 prompt"变成可回归的工程。

#AI #DevOps♥ 430 评论
@admin·1 分钟阅读·AI 前沿

长上下文时代，RAG 还需要吗

模型上下文窗口从 4K 涨到百万级，越来越多人问"是不是直接全塞进去就行，不用 RAG 了"。答案没那么简单。本文从成本、召回、更新、可追溯四个维度，讲清长上下文和 RAG 各自的甜区——它们不是二选一，而是组合使用，且大多数生产场景 RAG 仍是更优解。

#大模型 #RAG♥ 440 评论