这次学习最大的收获是：LLM 应用不是魔法，而是一套工程流程。它需要我们把模型能力包装进稳定的后端系统里。输入整理-> Prompt 设计-> 模型调用-> 输出校验-> 流式返回-> 工具调用-> 失败重试-> 成本统计如果以后要做 AI 客服、知识库问答、代码助手、文档生成器、数据分析助手，本质上都会反复用到这套流程。这就是我用一个 AI Commit Message Generator 学

FastAPI + Qdrant + sentence-transformers + OpenAI 兼容 API它已经具备这些能力：上传删除文档、重新索引、同内容强制重建级别的轻量权限隔离四种检索模式可选rerank回答带citation查不到时显式no-answer记录每次问答的提供简易 Web 页面带 smoke test、API test 和离线评测脚本如果从“学习型项目”的角度看，我觉得它

这次学习最大的收获是：LLM 应用不是魔法，而是一套工程流程。它需要我们把模型能力包装进稳定的后端系统里。输入整理-> Prompt 设计-> 模型调用-> 输出校验-> 流式返回-> 工具调用-> 失败重试-> 成本统计如果以后要做 AI 客服、知识库问答、代码助手、文档生成器、数据分析助手，本质上都会反复用到这套流程。这就是我用一个 AI Commit Message Generator 学