本文介绍了一套基于Obsidian、Karpathy llm.wiki和Clandian(Claude)的增量式知识库搭建方案。该方案解决了传统笔记存在的知识碎片化、难以关联等问题，通过"只增不改"原则保留完整知识轨迹，利用AI自动关联新旧内容并补充延伸知识。文章详细讲解了工具选择、环境搭建步骤和具体操作流程，展示了如何创建增量笔记并通过AI自动生成关联链接和补充内容。该方案的特色在于纯本地存储、

摘要：全栈开发入门教程 - Vue3 + Express + PostgreSQL 本教程为全栈开发新手提供30分钟快速入门指南，解决90%初学者常见问题。教程采用极简技术栈：Vue3前端 + Express后端 + PostgreSQL数据库，实现数据增查完整流程。 核心内容： 环境准备：安装Node.js、PostgreSQL和VS Code 后端搭建：使用Express创建API服务，配置P

低代码不是不管，ai开发

工具调用的本质，是LLM的语言能力 + 传统代码的执行能力用JSON Schema给大模型“植入工具认知”大模型做“决策”：判断是否调用工具、传什么参数传统代码做“执行”：调用工具、获取结果大模型做“总结”：把工具结果转换成自然语言回答这套逻辑不仅适用于股票查询，还能扩展到天气查询、Excel分析、网页搜索等场景——这也是AI Agent的核心基础。

工具调用的本质，是LLM的语言能力 + 传统代码的执行能力用JSON Schema给大模型“植入工具认知”大模型做“决策”：判断是否调用工具、传什么参数传统代码做“执行”：调用工具、获取结果大模型做“总结”：把工具结果转换成自然语言回答这套逻辑不仅适用于股票查询，还能扩展到天气查询、Excel分析、网页搜索等场景——这也是AI Agent的核心基础。

工具调用的本质，是LLM的语言能力 + 传统代码的执行能力用JSON Schema给大模型“植入工具认知”大模型做“决策”：判断是否调用工具、传什么参数传统代码做“执行”：调用工具、获取结果大模型做“总结”：把工具结果转换成自然语言回答这套逻辑不仅适用于股票查询，还能扩展到天气查询、Excel分析、网页搜索等场景——这也是AI Agent的核心基础。

工具调用的本质，是LLM的语言能力 + 传统代码的执行能力用JSON Schema给大模型“植入工具认知”大模型做“决策”：判断是否调用工具、传什么参数传统代码做“执行”：调用工具、获取结果大模型做“总结”：把工具结果转换成自然语言回答这套逻辑不仅适用于股票查询，还能扩展到天气查询、Excel分析、网页搜索等场景——这也是AI Agent的核心基础。

工具调用的本质，是LLM的语言能力 + 传统代码的执行能力用JSON Schema给大模型“植入工具认知”大模型做“决策”：判断是否调用工具、传什么参数传统代码做“执行”：调用工具、获取结果大模型做“总结”：把工具结果转换成自然语言回答这套逻辑不仅适用于股票查询，还能扩展到天气查询、Excel分析、网页搜索等场景——这也是AI Agent的核心基础。

摘要：本文深入浅出讲解快速排序，对比O(n²)的基础排序算法，分析快排O(nlogn)的高效原理。提供两种实用代码实现：1) 简洁版（易理解，需额外空间）；2) 原地交换版（双指针优化，生产推荐）。详解分治策略与基准值选择，指出新手常见坑点（如递归溢出、稳定性问题），并给出解决方案。附电商订单排序示例，帮助开发者掌握快排核心逻辑，实现高效数组排序。适用于面试准备和实际开发场景。

本文针对大模型接口开发中的高并发、会话状态管理等痛点，提出无状态设计方案。核心思路是将对话历史由客户端维护并随请求携带，而非服务器存储，从而解决服务器压力大、扩展性差等问题。文章通过一个记忆用户名字的对话场景，展示了无状态实现的完整代码，包括环境配置、请求处理和上下文维护。同时指出常见误区（如忽略模型回复存储、上下文无限膨胀）和优化方向（结合RAG、LRU策略等）。该方案适用于智能客服等需要高并发