这篇文章系统梳理了AI领域的核心概念和架构，主要包含以下要点： 三层架构框架：模型层（LLM/Embedding等）、工程层（Prompt/Agent/RAG等）和应用层（AI产品） 大语言模型本质：作为无状态函数，通过上下文窗口(Context)处理输入并生成输出token 技术演进路径：从基础Prompt到Prompt工程，再到Context工程，最终发展为Harness工程 AI Agent

本文系统梳理了AI Agent记忆管理的6个层级，从原生记忆到跨工具统一大脑，揭示了不同方案的适用场景与成本权衡。核心观点包括： 记忆管理本质是"索引+按需读取"的平衡，层级越高能力越强但维护成本也越高 原生记忆系统包含CLAUDE.md全量加载和Auto Memory按需读取两套机制 有效记忆管理需要解决召回问题，从简单分类到结构化系统逐步演进 高级方案涉及语义检索、历史回放、自组织知识库等复杂

本文深入解析了KV Cache在大模型推理中的关键作用。KV Cache通过缓存历史token的Key和Value向量，避免了自回归生成时的重复计算，将注意力计算复杂度从平方级降至线性级，显著提升推理速度。文章阐释了只缓存K/V而不缓存Q的原因：Q是仅用一次的查询向量，而K/V会被后续所有步骤反复读取。然而，KV Cache也带来显存线性增长的代价，促使了PagedAttention、量化压缩、滑

本文介绍了Kong在微服务认证授权架构中的角色与配置。Kong作为API网关和策略执行点(PEP)，负责拦截请求、验证Keycloak令牌、向OPA获取授权决策，并将允许的请求转发至banking-api-service。项目采用IdP/PEP/PDP分离架构：Keycloak作为身份提供者(IdP)，OPA作为策略决策点(PDP)。配置主要涉及两个文件：docker-compose.yml定义K

📦 GitHub: https://github.com/geekchow/micro-service-authKong 是 API 网关，也是策略执行点（PEP）：它拦截每个请求、用校验令牌、向请求授权决策，并把被允许的请求转发给 。在本 PoC 所用的 IdP / PEP / PDP 分工中：Kong 在本项目中的职责：Kong 不是身份提供方、不是策略引擎、也不是银行业务服务。本仓库中有两

本文介绍了JWT的签名、校验与内省机制，重点分析了Keycloak在内省时如何判断令牌有效性。文章指出：即便JWT结构合法且未过期，Keycloak仍可能返回"active: false"，原因在于Keycloak维护了服务端会话状态，能实时判断令牌背后的会话是否有效。文章通过流程图和序列图，展示了从令牌签发到服务验证的完整信任链，并详细解释了RSA签名验证过程。最后强调JWT仅携带数据，而Key

Summary: When a Kubernetes Deployment with HorizontalPodAutoscaler (HPA) is scaled to 0 replicas, HPA cannot automatically restore it to its minimum replica count because no pods are running to genera

这篇文章介绍了一个微服务系统的身份认证与授权（authn/authz）概念验证（PoC），以移动银行API为例。系统使用Keycloak作为身份提供商（IdP）颁发JWT令牌，Kong作为网关和策略执行点（PEP），通过Open Policy Agent（OPA）进行策略决策（PDP）。资源服务器（banking-api-service）会独立验证JWT令牌，确保权限控制（如普通用户仅能访问自己的

这篇文章介绍了一个基于Keycloak、Kong和OPA的授权架构概念验证(PoC)项目。主要组件包括：Keycloak作为身份提供者(IdP)，负责用户认证和JWT签发；Kong作为策略执行点(PEP)，处理请求并与Keycloak和OPA交互；OPA作为策略决策点(PDP)，评估授权策略；banking-api-service作为资源服务器；identity-bootstrap-service

how does superpower skill works