本文深度剖析了JavaScript中执行上下文、作用域与this指向的底层机制。执行上下文（EC）是代码执行时的核心对象，包含词法环境、变量环境和ThisBinding三个组件。词法环境实现静态作用域规则，通过[[Environment]]属性形成作用域链。变量环境处理var变量提升，而this绑定根据调用方式动态确定。文章通过对象结构模拟和图示，展现了全局函数调用时这些机制的运作过程，最终通过代

OpenAI Function Calling 是一种让大语言模型与外部系统交互的技术，通过结构化函数调用实现数据获取。核心流程包括：用户提问→模型判断需调用函数→返回函数名和参数→应用执行函数→回传结果→模型生成最终回答。代码演示展示了如何定义天气查询工具，并通过多步对话完成请求处理。该技术扩展了模型能力，使其能访问实时数据并执行复杂任务。

本文介绍了如何从零开始手写一个简化版 Vite (mini-vite)，重点解析了 Vite 的核心原理。文章首先概述了 Vite 的工作流程，包括配置加载、依赖预构建和热更新等关键步骤。随后详细展示了实现过程：通过 esbuild 进行依赖预构建、处理裸模块导入的路径重写、创建 HTTP 服务器处理请求等。代码示例涵盖了配置合并、缓存目录创建、依赖预构建等核心功能实现，帮助开发者深入理解 Vit

OpenAI Function Calling 是一种让大语言模型与外部系统交互的技术，通过结构化函数调用实现数据获取。核心流程包括：用户提问→模型判断需调用函数→返回函数名和参数→应用执行函数→回传结果→模型生成最终回答。代码演示展示了如何定义天气查询工具，并通过多步对话完成请求处理。该技术扩展了模型能力，使其能访问实时数据并执行复杂任务。

本文介绍了如何从零手写一个简化版mini-webpack，帮助理解Webpack的核心原理。通过读取文件、构建AST、收集依赖、ES6转ES5等步骤，最终生成依赖图谱并打包输出。文章提供了完整的代码实现，包括解析模块、构建依赖图等关键功能，并展示了运行测试结果。该项目简化了部分Webpack功能如Tree Shaking和loader链执行，适合学习Webpack底层机制。完整代码已开源在GitH

让每个词通过Q、K、V的分工协作，找到和自己最相关的词，按重要程度提取信息，最终读懂上下文，支撑模型完成理解、生成等任务。输入X（词嵌入向量）→ 分别乘以3个差异化可学习矩阵 → 得到Q、K、V→ 算匹配度、缩放、归一化 → 按比例提取V的核心内容 → 输出融合了上下文的新表示再次提醒：文中用到的 W^Q 、W^K 、W^V是我们手动模拟出来的，只是为了演示。真实场景中，这些学习矩阵是模型自己从海

来看一段官方（Anthropic）的解释：意思：skill是Anthropic官方发布的一套跨平台可移植性的开放标准原文链接：https://claude.com/blog/equipping-agents-for-the-real-world-with-agent-skills?Skill是一个被标准化封装、可被 AI Agent 主动调用，用于完成特定任务的能力单元翻译成人话『Skill 是给

RAG的本质，就是给大语言模型配一个外部知识库，让它不再依赖训练时的记忆，而是实时查阅资料后作答。现在市面上所有主流AI应用（如企业知识库、智能客服、AI搜索）背后几乎都有RAG的影子。核心流程：检索 → 增强 → 生成核心组件：嵌入模型 + 向量数据库 + LLM核心价值：Token消耗减少、实时更新、可解释RAG的架构深处，藏着比技术更深的生存智慧——检索、增强、生成，这何尝不是我们面对人生时

MCP（ModelContextProtocol）是一个为大型语言模型（LLM）提供外部工具和数据访问的开放标准协议。它通过JSON-RPC 2.0规范实现标准化通信，使用stdio或HTTP作为传输方式，使LLM能够执行代码、处理文件、访问实时数据等操作。MCP包含初始化、工具发现和工具调用三个核心流程，通过SDK简化开发。该协议突破了LLM的固有局限，使其从封闭系统转变为可扩展的智能服务。技术

Model Context Protocol (MCP) 是一个开放标准，旨在为大型语言模型（LLM）提供外部数据源和调用外部工具。MCP的三部分组成：MCP 客户端MCP服务器JSON-RPC协议MCP就是一个“外挂系统”，让原本只能“纸上谈兵”的大语言模型真正拥有“动手能力”！