本文从工程落地视角系统梳理 AI Agent 的核心概念，重点讲清 Prompt、RAG、微调、Tool Call、状态机、Workflow 与 MCP 各自解决什么问题、边界在哪里，以及它们在真实系统中如何协作。文章通过架构图、流程图和运维分析场景示例，帮助读者建立一张完整的 Agent 能力地图，避免将知识检索、行为固化、任务编排和工具接入混为一谈，为后续做技术选型、系统设计和项目落地提供清晰

本文从工程落地视角系统梳理 AI Agent 的核心概念，重点讲清 Prompt、RAG、微调、Tool Call、状态机、Workflow 与 MCP 各自解决什么问题、边界在哪里，以及它们在真实系统中如何协作。文章通过架构图、流程图和运维分析场景示例，帮助读者建立一张完整的 Agent 能力地图，避免将知识检索、行为固化、任务编排和工具接入混为一谈，为后续做技术选型、系统设计和项目落地提供清晰

文件处理技术方案概述 本文介绍了一个通用的文件处理技术方案，支持多种文件格式（Excel、Word、PDF）的上传、解析、预览、编辑和下载功能。方案采用前后端分离架构： 后端（Python）： 使用FastAPI提供API接口 按文件扩展名路由到不同解析器 核心依赖：openpyxl（Excel）、python-docx（Word）、pymupdf（PDF） 可选OCR支持（pytesseract

本文介绍了一个基于React+Next.js和Node.js+NestJS的纯语音实时助手项目。前端采用状态机驱动设计，专注于实时语音交互体验，包含麦克风采集、音频播放和WebSocket通信模块。后端作为代理层连接豆包语音API，处理协议转换、状态管理和数据持久化。项目采用三层架构（浏览器-业务后端-语音API），通过独立路由和精简UI确保交互流畅性，特别适合展厅、驾驶舱等场景。关键技术包括音频

本文介绍了视频上传功能的技术实现方案，针对移动端和一体机终端常见的三大痛点：文件体积大、上传链路长、接口契约漂移。基于Flutter+Node.js项目实践，提出直传MinIO对象存储的方案，避免应用服务器中转压力。前端负责视频录制、切片上传和状态管理，后端处理预签名、状态追踪和元数据落库。方案采用multipart分片上传，确保大文件传输稳定性，并通过前后端严格契约和持久化状态记录保障数据一致性

React Native实现BLE蓝牙设备接入需要分层架构设计，分为Android原生层、RN桥接层、蓝牙管理器封装层和应用层。关键点包括：处理Android不同版本的权限差异（Android 12+需要新权限BLUETOOTH_SCAN/CONNECT，10-11需位置权限），原生模块实现扫描连接等核心功能，运行时动态权限检查，以及通过事件系统实现原生与JS层通信。

因实际工作中有涉及到前端调用邮件发送的功能，了解到 EmailJS 插件，即出此文。需要在 EmailJS 官网中注册一个邮箱账号，并创建邮件发送服务和邮件模板，获取serviceID和templateID，进而实现功能。

MCP（Model Context Protocol）是连接AI模型与外部工具的标准通信协议，旨在解决AI工具生态中的接口碎片化问题。它通过标准化工具描述、调用格式和结果返回，实现高效的多工具协同。MCP架构包含大语言模型、网关层和能力服务单元，支持企业级安全治理、审计合规和权限控制。典型案例包括GitHub版本查询、Jira工单创建等。MCP不仅提升AI执行能力，还简化了工具扩展流程，是下一代A

本文基于真实项目经验，提出了一种工程化的RAG（检索增强生成）落地策略。不同于直接构建完整问答系统，作者主张优先搭建独立的KB-RAG基座，将文档上传、解析、切片、向量化、检索等核心环节拆解为可独立验证的模块。项目采用NestJS+Next.js架构，通过异步工作流处理文档入库，并设计了专门的调试页面验证检索效果。文章强调RAG的真正价值在于让系统基于私有知识库生成可靠答案，而非简单接入大模型。文

本文基于真实项目经验，提出了一种工程化的RAG（检索增强生成）落地策略。不同于直接构建完整问答系统，作者主张优先搭建独立的KB-RAG基座，将文档上传、解析、切片、向量化、检索等核心环节拆解为可独立验证的模块。项目采用NestJS+Next.js架构，通过异步工作流处理文档入库，并设计了专门的调试页面验证检索效果。文章强调RAG的真正价值在于让系统基于私有知识库生成可靠答案，而非简单接入大模型。文