Clarity

/

/

/

/

/

/

/

/

/

Vibe Coding 并非让 AI 代写代码后躺平，而是将开发者角色从"手写代码"转向"清晰表达需求、验证结果"。文章提出三阶段演进路径：Vibe Coding（感觉驱动快速迭代）→ Spec Coding（规格文档先行，减少 AI 瞎猜）→ Loop Programming（设计自动化循环让 AI 自主运行）。重点

Vibe Coding 进阶之路:从氛围编程到工程化实践

2026-07-26 1909 字约 6 分钟 11 访问量

Vibe Coding 并非让 AI 代写代码后躺平，而是将开发者角色从"手写代码"转向"清晰表达需求、验证结果"。文章提出三阶段演进路径：Vibe Coding（感觉驱动快速迭代）→ Spec Coding（规格文档先行，减少 AI 瞎猜）→ Loop Programming（设计自动化循环让 AI 自主运行）。重点

Cover Image of Vibe Coding 进阶之路:从氛围编程到工程化实践

工业级的 RAG 优化选型

2026-07-26

/

/

/

/

/

/

/

/

/

工业级RAG优化需围绕完整闭环展开：从知识工程（语义切分、元数据Tag、冲突治理）、Query改写（多路改写与模型微调）、检索召回（混合检索、GraphRAG、标签加权）、Rerank与截断优化，到可信生成（证据约束RL、URL校验）和反馈闭环。核心在于让知识持续更新、证据稳定召回、模型按证据回答，并通过线上数据回流实

2026-07-26 5099 字约 16 分钟 5 访问量

工业级的 RAG 优化选型

工业级RAG优化需围绕完整闭环展开：从知识工程（语义切分、元数据Tag、冲突治理）、Query改写（多路改写与模型微调）、检索召回（混合检索、GraphRAG、标签加权）、Rerank与截断优化，到可信生成（证据约束RL、URL校验）和反馈闭环。核心在于让知识持续更新、证据稳定召回、模型按证据回答，并通过线上数据回流实

RAG 检索增强生成大模型向量检索 Query改写 GraphRAG 知识库 LLM embedding 多Agent协作

2026-07-26

/

/

/

/

父子索引是一种索引设计模式，用于处理一对多关系的数据存储与查询。通过让父文档和子文档在逻辑上关联但物理上独立存储，解决了嵌套存储导致的文档膨胀、更新开销大，以及搜索引擎中 JOIN 查询性能差的问题。核心机制是子文档保留 parent ID，支持 has_child 和 has_parent 双向查询，适用于评论系统、

后端开发

2026-07-26 1040 字约 3 分钟 6 访问量

父子索引是什么，解决了什么问题

父子索引是一种索引设计模式，用于处理一对多关系的数据存储与查询。通过让父文档和子文档在逻辑上关联但物理上独立存储，解决了嵌套存储导致的文档膨胀、更新开销大，以及搜索引擎中 JOIN 查询性能差的问题。核心机制是子文档保留 parent ID，支持 has_child 和 has_parent 双向查询，适用于评论系统、

全文搜索性能优化系统设计后端开发 Elasticsearch

多路召回设计

2026-07-26

系统设计

/

/

/

/

/

/

多路召回是现代搜索与RAG系统的核心架构设计。文章系统解析了三大关键技术环节：BM25作为传统稀疏检索的标杆算法，通过词频饱和度与文档长度归一化改进TF-IDF；RRF（倒数排名融合）解决多路召回分数不可比问题，仅依据排名位置进行粗排融合；以及基于Cross-Encoder的精排模型，通过查询与文档的深度交互实现高精准

系统设计

2026-07-26 2039 字约 6 分钟 6 访问量

多路召回设计

多路召回是现代搜索与RAG系统的核心架构设计。文章系统解析了三大关键技术环节：BM25作为传统稀疏检索的标杆算法，通过词频饱和度与文档长度归一化改进TF-IDF；RRF（倒数排名融合）解决多路召回分数不可比问题，仅依据排名位置进行粗排融合；以及基于Cross-Encoder的精排模型，通过查询与文档的深度交互实现高精准

RAG 全文搜索检索增强生成向量检索 embedding Query改写大模型

RAG基础结构

2026-07-26

/

/

/

/

/

/

LLM

RAG（检索增强生成）通过让大模型在回答前先从外部知识库检索相关信息，解决了传统大模型知识静态、不可追溯的痛点。文章详细拆解了RAG的完整流程：数据准备阶段涵盖数据提取、文本分割（递归字符分割、Markdown结构分割、Small-to-Big父子索引三种策略）、向量化（对比BGE、M3E、OpenAI等Embeddi

2026-07-26 4439 字约 14 分钟 4 访问量

RAG基础结构

RAG（检索增强生成）通过让大模型在回答前先从外部知识库检索相关信息，解决了传统大模型知识静态、不可追溯的痛点。文章详细拆解了RAG的完整流程：数据准备阶段涵盖数据提取、文本分割（递归字符分割、Markdown结构分割、Small-to-Big父子索引三种策略）、向量化（对比BGE、M3E、OpenAI等Embeddi

RAG 大模型检索增强生成 embedding 向量检索 LangChain LLM

RAG基础概念

2026-07-26

/

/

/

/

/

RAG（检索增强生成）通过让大模型在回答前先从外部知识库检索相关信息，解决了传统大模型知识静态、不可追溯的痛点。文章系统讲解了RAG的完整架构：数据准备阶段包括数据提取、文本分割（递归字符分割、Markdown结构分割、Small-to-Big父子索引等策略）、向量化（对比BGE、M3E、OpenAI等Embeddin

2026-07-26 4426 字约 14 分钟 4 访问量

RAG基础概念

RAG（检索增强生成）通过让大模型在回答前先从外部知识库检索相关信息，解决了传统大模型知识静态、不可追溯的痛点。文章系统讲解了RAG的完整架构：数据准备阶段包括数据提取、文本分割（递归字符分割、Markdown结构分割、Small-to-Big父子索引等策略）、向量化（对比BGE、M3E、OpenAI等Embeddin

RAG 检索增强生成 embedding 向量检索大模型 LLM Wiki

RAG—动态TOP K算法

2026-07-26

/

/

/

/

/

Dynamic Top-K 是一种根据系统负载、延迟目标和任务优先级动态调整 K 值的调度算法，区别于固定 Top-K 的僵化策略。文章从评分机制、动态阈值选择、排序执行三个核心环节展开，阐述了如何在 RAG 检索、推荐系统、任务调度等场景中，通过实时调整 K 值来平衡质量与效率，实现有限资源下的价值最大化产出。

2026-07-26 1157 字约 3 分钟 6 访问量

RAG—动态TOP K算法

Dynamic Top-K 是一种根据系统负载、延迟目标和任务优先级动态调整 K 值的调度算法，区别于固定 Top-K 的僵化策略。文章从评分机制、动态阈值选择、排序执行三个核心环节展开，阐述了如何在 RAG 检索、推荐系统、任务调度等场景中，通过实时调整 K 值来平衡质量与效率，实现有限资源下的价值最大化产出。

RAG 检索增强生成大模型向量检索性能优化系统设计

聊聊MCP

2026-07-26

MCP

/

/

/

/

/

LLM

MCP（Model Context Protocol）是Anthropic于2024年11月推出的开放协议，旨在标准化AI模型与外部数据源、工具之间的交互方式。文章将其比喻为"AI领域的USB-C接口"，解决了传统function call平台依赖性强、适配成本高的问题。MCP通过统一的中间协议层，让任何支持该协议的模

2026-07-26 892 字约 2 分钟 5 访问量

聊聊MCP

MCP（Model Context Protocol）是Anthropic于2024年11月推出的开放协议，旨在标准化AI模型与外部数据源、工具之间的交互方式。文章将其比喻为"AI领域的USB-C接口"，解决了传统function call平台依赖性强、适配成本高的问题。MCP通过统一的中间协议层，让任何支持该协议的模

MCP AI助手协议标准 Anthropic 工具调用 LLM

2026-07-26

/

/

/

/

/

/

/

Loop Engineering（循环工程）是 AI 编程代理的范式转变：从开发者手动输入每条指令，转变为设计包含目标、验证和停止条件的自动循环系统。文章以 Claude Code 的 `/goal` 和 `/loop` 为核心案例，梳理了从手动驱动到目标驱动、时间驱动、事件驱动四类循环的演进路径，强调 2026 年行

Claude Code Codex Loop Engineering AI智能体工作流编排自动化任务 agent 提示工程

2026-07-26 10973 字约 36 分钟 3 访问量

第十三讲. 从手动驱动到自动循环

Loop Engineering（循环工程）是 AI 编程代理的范式转变：从开发者手动输入每条指令，转变为设计包含目标、验证和停止条件的自动循环系统。文章以 Claude Code 的 `/goal` 和 `/loop` 为核心案例，梳理了从手动驱动到目标驱动、时间驱动、事件驱动四类循环的演进路径，强调 2026 年行