小小工匠-CSDN博客

小小工匠

码龄14年

44,558,312

总访问量
2,540

原创
44

排名
141,280

粉丝
9

关注

IP 属地：山东省

加入CSDN时间： 2011-10-15

个人简介：show me the code ,change the world

查看详细资料

个人成就

优质创作者: Java技术领域
领域专家: 后端开发技术领域
获得26,565次点赞
内容获得1,656次评论
获得26,873次收藏
代码片获得25,780次分享
原力等级

原力等级

9

原力分

17,156

本月获得

269

TA的专栏

TA关注的专栏 29

TA关注的收藏夹 0

TA关注的社区 3

TA参与的活动 35

兴趣领域设置

后端

架构
云原生

云原生
人工智能

人工智能

【一起交流】

微信公众号发现更多精彩

小工匠的IT生活

创作活动更多

AI 镜像开发实战征文活动

随着人工智能技术的飞速发展，AI 镜像开发逐渐成为技术领域的热点之一。Stable Diffusion 3.5 FP8 作为强大的文生图模型，为开发者提供了更高效的图像生成解决方案。为了推动 AI 镜像开发技术的交流与创新，我们特此发起本次征文活动，诚邀广大开发者分享在 Stable Diffusion 3.5 FP8 文生图方向的实战经验和创新应用本次征文活动鼓励开发者围绕 Stable Diffusion 3.5 FP8 文生图方向，分享以下方面的内容： 1. 技术实践与优化 - Stable Diffusion 3.5 FP8 模型架构解析与优化技巧 - 文生图生成效果的提升方法与技巧 - 模型部署与加速策略，例如使用 Hugging Face、Diffusers 等工具 - 针对特定场景（例如二次元、写实风）的模型微调与定制化开发 2. 应用场景探索 - Stable Diffusion 3.5 FP8 在不同领域的应用案例分享，例如游戏设计、广告创意、艺术创作等 - 利用 Stable Diffusion 3.5 FP8 实现图像编辑、图像修复、图像增强等功能的探索 - 结合其他 AI 技术（例如 NLP、语音识别）构建更强大的应用 3. 创新应用与思考 - 基于 Stable Diffusion 3.5 FP8 的创新应用场景设计 - AI 镜像开发的未来发展方向的思考与展望 - 对 AI 镜像开发伦理、安全等问题的探讨

36人参与去参加

更多

LLM - 从 GPU 到智能应用：构建 AI 系统的五层技术栈不完全指北

许多团队在做 AI 应用时都有类似体验：模型参数越来越大、能力越来越强，但真正落地时，却频频遭遇“跑不动、接不进业务、用户不用”的尴尬局面。背后原因往往不是“模型不够强”，而是缺少从硬件到应用的全栈视角，忽略了基础设施、数据、编排和产品形态之间的系统性关系。本文面向开发者、架构师和技术决策者，从一个真实的场景出发，系统拆解 AI 技术栈的五个关键层次，并给出选型思路、实践建议与成本权衡。如果只盯着某一个“最强模型”，AI 系统很容易陷入“看起来很厉害，但实际用不起来”的陷阱。

博文更新于 5 分钟前 ·

LLM - 从 Claude Code Agent Skills 看通用代理的现实路径：设计理念、工程实现与未来形态

Claude Skills 是一种创新的模型扩展机制，通过 Markdown+YAML+脚本的组合，让大模型具备稳定执行专业任务的能力。其核心价值在于：模块化技能封装：将专业任务知识打包成可复用的"技能包"，包含结构化元数据(YAML)、详细说明(Markdown)和可执行脚本。高效知识管理：采用"元数据索引+按需加载"机制，大幅降低token消耗，支持海量技能共存。自然执行流程：模型通过阅读说明自主调用脚本，在代码解释器环境中实现完整任务闭环。相比传统插件系

博文更新于昨天 05:45 ·

LLM - Prompt Engineering 构建工业级 LLM Agent 的六维结构化框架

本文深入探讨了面向开发者的结构化Prompt设计方法，提出Agent设计的六维框架：角色、上下文、流程、边界、约束和示例。通过角色设定激活模型专业子空间，分层管理上下文状态，显式定义任务流程步骤，明确划定职责边界，严格规范输出格式，并利用少样本学习提升性能。文章以代码审查Agent为例，展示了如何将这六大维度整合为可落地的工程化Prompt方案，帮助开发者构建稳定可控的AI交互系统。

博文更新于昨天 04:30 ·

LLM - 面向开发者的 Prompt 设计：从“一次成稿”到“对抗式收敛”

摘要：本文系统介绍了Prompt工程化设计方法，帮助开发者从“随手提问”升级为“对抗式收敛”的迭代工作流。核心观点包括：结构化Prompt：将自然语言指令转化为包含背景、任务目标、输入约束、输出格式和示例的五要素“规格说明书”，提升模型输出的稳定性；迭代优化：通过诊断问题、针对性修正和自我反馈（Self-Refine）循环，逐步逼近理想结果；设计原则：强调清晰具体、任务分解、结构化输出和示例示范，避免模糊指令；团队协作：建议将Prompt模板化、版本化管理，建立可复用的团队资产库，并通过A/B测试

博文更新于前天 05:45 ·

LLM - 基于技术方案的 AI 开发新范式

AI编程新范式：技术方案驱动的全链路代码生成本文探讨了AI编程从"对话式写代码"向"技术方案驱动"的范式转变。针对Java+Spring Boot团队，提出五步闭环流程：1)结构化技术方案作为AI"施工图"；2)建立规范化规则索引；3)集成内部工具与知识；4)人机协同代码生成与校验；5)AI自我总结形成闭环。实践表明，这种结构化方法可使AI代码采纳率显著提升，同时让开发者从重复编码转向更高价值的设计工作。落地时建议从小型试点开始，逐步构建团队专属

博文更新于前天 04:45 ·

LLM - AI Agent的上下文工程（Context Engineering）不完全指北

本文探讨了AI Agent从Demo到生产环境面临的核心挑战——上下文工程（Context Engineering）。文章指出，当前AI系统的主要瓶颈不在于模型能力，而在于如何高效管理上下文窗口中的信息流动。作者分析了上下文窗口的本质限制，揭示了四种典型失败模式（污染、分散、混淆、冲突），并提出了构建生产级AI Agent的六大支柱框架：Agent编排中枢、查询增强、智能检索、提示技术、记忆系统和工具集成。文章强调，上下文工程是确保AI系统在真实场景中保持稳定性和可靠性的关键，需要从战略层面设计信息的选择、

博文更新于 2025.12.17 ·

LLM - 从定制化 Agent 到通用 Agent + Skills

摘要大模型应用团队普遍面临Agent维护成本高、复用率低的问题。Anthropic提出的Agent Skills方案采用全新路径：构建通用Agent，通过可组合Skills沉淀专业知识。Skills采用结构化文件系统存储，包含元数据、指令文档、脚本和示例，实现知识模块化管理。相比传统长prompt方式，Skills方案具有渐进式加载、代码执行不占上下文、可组合性等优势。该方案将领域知识与智能解耦，通过三层加载机制平衡无限技能与有限上下文，使Agent更专注于决策而非流程描述。最终实现从领域专用Agent向

博文更新于 2025.12.17 ·

LLM - Spring AI × Anthropic Skills

本文介绍了如何将外部技能(Skill)集成到基于Spring AI的智能体(Agent)中。通过Java封装Python脚本作为可调用函数，并利用Spring AI的Function/Tool Calling功能，使大语言模型能够自主决定何时调用特定技能。主要内容包括：定义技能请求/响应DTO模型通过ProcessBuilder调用Python技能脚本将技能工具注册为Spring Bean 配置ChatClient让Agent自动选择技能文章以内部数据分析和代码评审两个技能为例，展示了端到端的集成

博文更新于 2025.12.16 ·

LLM - Agent Skills 案例：内部数据分析

本文介绍了一个面向企业内部数据分析场景的智能体(Skill)设计示例。该Skill包含完整的工作流程：从需求澄清、数据查询到分析报告生成。核心内容包括：标准化目录结构，包含技能说明文档(SKILL.md)、执行脚本和资源文件详细的工作流程设计，分6个步骤完成数据分析任务两个关键脚本：run_query.py用于执行SQL查询，clean_and_aggregate.py用于数据清洗和聚合输出结构化分析报告模板，包含摘要、关键指标、洞察建议等部分该Skill强调数据合规性、指标口径统一性和分析结论的

博文更新于 2025.12.16 ·

LLM - Agent Skills 案例：PR 代码评审 Skill

本文介绍了一个面向开发者的PR代码评审智能体Skill完整示例，包含以下核心内容：目录结构：展示了一个标准Skill的组成，包括核心说明文件、脚本和资源目录。 SKILL.md模板：提供了可直接套用的YAML+Markdown模板，包含：元数据定义（名称、描述、输入输出等）详细评审流程（5个关键步骤）静态检查脚本使用说明资源文件交互方式输出格式规范示例脚本：给出了一个Python静态检查脚本框架，可检测函数长度和嵌套深度等基础问题。该示例完整展示了一个代码评审智能体Skill的开发范式，开发

博文更新于 2025.12.15 ·

LLM - Agent Skills 智能体新范式

摘要： Agent Skills 是 Anthropic 提出的新型 AI 技能系统，通过结构化文件夹（含说明文档、脚本和资源）封装可复用的任务流程，解决了当前 Agent 开发中知识难以沉淀、上下文爆炸和生态割裂的问题。其核心机制"渐进式披露"分层加载技能内容，平衡了上下文开销与执行精度。相比传统工具调用和 RAG，Skills 更强调"如何做"的完整工作流，可转化为组织级可执行资产。开发者可通过拆解高频任务、结构化步骤和脚本化关键操作来构建有效 Skill，推动

博文更新于 2025.12.15 ·

LLM - 六大 Agent 设计模式：从 ReAct 到 Agentic RAG 的完整工程实践指南

摘要：本文系统梳理了多模态AI Agent的6大设计模式，包括ReAct（推理与工具调用闭环）、Self-Reflection（自我评估提升质量）、MCP Tool Use（轻量级工具集成）、CodeAct（可执行代码替代JSON）、Multi-Agent Workflow（多智能体协作）和Agentic RAG（智能化检索策略）。这些模式可组合应用，将单一对话模型升级为具备自主思考、工具调用、协作与检索能力的智能系统。文章从工程落地角度分析了各模式的原理、适用场景及实践建议，强调通过模块化设计和安全控制实

博文更新于 2025.12.14 ·

LightRAG - 从传统 RAG 到 LightRAG：双层检索与知识图谱在企业问答中的实践

摘要： LightRAG针对企业问答场景，提出“向量检索+知识图谱”的双层检索架构，弥补传统RAG在跨文档推理和全局一致性上的不足。其核心是通过实体关系图增强检索能力，支持局部（chunk向量）、全局（图结构）及混合检索模式，兼顾效率与逻辑连贯性。系统采用模块化存储设计，支持增量更新，适应企业数据动态变化。相比传统RAG仅依赖文本片段检索，LightRAG通过显式建模实体关联，显著提升复杂查询（如跨系统业务分析）的准确性，同时保持工程轻量化，成为企业知识管理的高效解决方案。

博文更新于 2025.12.14 ·

LLM - 从 LLM 到 RAG、Agent、MCP 的一体化工程实践

企业大模型应用正从对话转向任务闭环，需要整合LLM、RAG、Agent和MCP等技术构建可落地的AI基础设施。LLM作为基础能力组件，企业应采用"云端+本地"混合部署策略；RAG通过检索增强让模型理解业务知识；Agent赋予系统规划执行能力；MCP协议实现工具和数据标准化接入。典型架构分为数据层、AI能力层、Agent层和应用层，需兼顾安全治理与业务需求。以知识助手为例，展示了从检索到任务执行的端到端流程。未来趋势将聚焦AI与核心业务的深度融合，以及开发流程的标准化。

博文更新于 2025.12.14 ·

LLM - 智能体驱动的 Agentic RAG

企业级Agentic RAG系统正从简单的问答转向复杂的业务决策执行。相比传统RAG，它通过引入多智能体协作机制，实现了任务分解、工具调用和流程编排能力。系统架构包含交互层、智能体运行时层和数据检索层，采用Planner、Retrieval、Tool等Agent角色分工协作。Java/Spring技术栈可通过统一接口、策略模式实现灵活路由，并注重安全审计、权限控制和可观测性。这种架构将文档检索与动态系统查询统一为"工具"，支持复杂企业场景下的可靠决策执行。

博文更新于 2025.12.14 ·

LLM - 从 Prompt 到上下文工程：面向 Java 的生产级 AI Agent 设计范式

本文探讨了如何构建安全、可控的生产级AI Agent系统。文章指出，当前大模型已具备接近工程师的编程能力，但落地难点在于系统安全性、权限控制和可持续运行。重点分析了Prompt注入威胁及多层防御策略，强调工具设计、调用策略和上下文工程的关键作用。针对长任务场景，提出了压缩、外部记忆和子Agent三板斧解决方案。最后为Java开发者提供了架构建议，包括上下文管理、安全控制和任务调度三层设计。附Anthropic/Claude相关工程文档索引，涵盖Agent SDK、上下文工程及长任务可靠性设计等实用资源

博文更新于 2025.12.13 ·

LLM - MCP Powered Agent_从工具失配到架构重构的实战指南

本文探讨了AI Agent在多工具环境下的优化策略。针对工具数量增加导致的选择困难和性能下降问题，提出了分层架构设计：将工具发现与调用解耦为两阶段流程，引入中间层进行工具检索和路由；建议采用程序化脚本编排工具调用，使用GraphQL等统一接口收敛零散工具；提出建立分层Agent体系，由顶层协调Agent、领域专属Agent和底层工具平面组成。文章还给出了MCP工具设计的具体建议，包括合理控制工具粒度、规范命名描述、结构化返回数据等。最终强调，提升Agent效能的关键不在于工具数量，而在于优化工具的组织架构和

博文更新于 2025.12.13 ·

Elasticsearch - UNASSIGNED SHARDS 解决方案不完全指北

Elasticsearch的allocate_stale_primary命令用于在主分片不可用且无最新副本时，强制将过期副本提升为主分片以恢复服务。该操作通过_cluster/reroute接口执行，需显式设置accept_data_loss:true确认可能的数据丢失风险。执行流程包括：确认分片状态、查找可用副本节点、执行强制分配命令。该操作可能导致数据回退，且后续若更完整数据节点重新加入，可能被覆盖造成不可逆损失。建议仅在无法恢复最新数据且接受数据丢失时使用。

博文更新于 2025.12.13 ·

Elasticsearch - Reroute 深度剖析：分片调度与集群恢复不完全指北

Elasticsearch Reroute机制解析与实践指南本文深入探讨Elasticsearch集群管理中的关键手动干预机制——reroute。主要内容包括：机制原理：分析reroute在ES分片调度系统中的作用，解释其如何绕过自动调度的保守策略实现快速恢复。应用场景：主分片丢失时的灾难恢复集群负载均衡与扩容节点下线与维护迁移 API详解：提供move、allocate_primary、allocate_stale_primary等核心操作的可执行示例。决策系统：剖析Allocation D

博文更新于 2025.12.12 ·

ElasticSearch - 分片灾难恢复实战：不重启ES集群极限磁盘级数据抢救

本文介绍了在ElasticSearch集群出现主副本分片同时unassigned时的数据恢复方案。当系统文件句柄耗尽导致分片不可分配时，虽然磁盘数据仍存在，但ES会因安全验证失败而拒绝自动恢复。文章详细解析了两种底层恢复机制：allocate_stale_primary（从磁盘恢复可能回滚数据）和allocate_empty_primary（重建空分片），并给出了工程化的恢复流程，包括系统修复、分片检查、逐分片恢复策略表等关键步骤。最后强调恢复后的数据校验和集群加固措施，指出掌握磁盘级恢复技术对保障搜索系统

博文更新于 2025.12.12 ·