本文主要对kubernetes的控制面组件API Server 的限流机制进行详细介绍，涵盖常见的限流算法：固定窗口、滑动窗口、漏斗算法、令牌桶算法，还详细介绍了API Server的基础限流机制和APF优先级限流机制。希望大家多多 点赞 关注 评论 收藏，作者会更有动力继续编写技术文章

windows下使用bat打开程序，并解决闪退问题

本文梳理了大模型应用开发的三个时代（Prompt时代→编排时代→Agent时代），详解从最简架构（Prompt→LLM→Response）到生产架构（Agent+Memory+Guardrails+Observability）的四级演进，对比大模型应用vs传统后端开发的核心差异（确定性vs概率性、语义驱动vs数据驱动），总结大模型应用"第一性原理"三大支柱（信息注入、能力扩展、质量控制），并给出完

本文系统讲解提示词工程的核心认知和方法论，包括六大设计原则（清晰明确、给出示例、指定角色、分步指导、指定格式、正面描述）、Prompt基本结构、**Prompt消息类型体系**（system/user/assistant/tool四种角色的起源、语义等）、核心提示词技术（Zero-shot/Few-shot/CoT/自我一致性/角色扮演/结构化提示词）、高级模式（提示词链/元提示/方向性刺激提示）

本文阐述从Prompt Engineering到Context Engineering的认知转变——核心工作不是写指令，而是管理LLM看到的全部信息（上下文窗口）；详解上下文窗口本质、"Lost in the Middle"现象、上下文预算管理，以及五大核心技术（上下文压缩、排序优化、动态选择、缓存、长上下文处理策略），附上下文管理器设计框架和反模式分析。

本文讲解Agent开发中结构化输出的必要性（工具调用、信息提取、多步规划、分类路由、多Agent通信），对比三种实现方法（Prompt约束→JSON Mode→Structured Outputs/JSON Schema），详解JSON Schema核心语法（description/required/additionalProperties/enum）、Pydantic定义Schema、不同模型的

本文详解Function Calling机制——没有它Agent只能聊天，有了它Agent能调API、查数据库、发邮件。内容包括：无Function Calling时的变通方案（Prompt解析JSON/ReAct）、Function Calling的完整工作流（工具定义→模型决策→输出结构化→调用执行→结果返回）、OpenAI vs Anthropic工具调用格式对比、多函数并行调用、实战示例（

本文从"什么是Agent"出发，梳理Agent概念从哲学到AI的演变，然后**深度解析**LLM Agent发展史上每一个关键项目和事件——它为什么出现、做了什么、结果如何、现状怎样。涵盖ReAct、AutoGPT、BabyAGI、MetaGPT、Function Calling、Devin、SWE-Agent、OpenHands、Manus、Claude Code、Cursor Agent、MC

本文详解RAG技术——解决LLM知识局限（训练数据截止、私有数据未知、专业领域不精）的核心方案，梳理RAG流程（离线索引：文档→分块→嵌入→向量数据库；在线查询：嵌入→向量检索→Top-K→拼接到Prompt→LLM生成），详解关键技术（分块策略、嵌入模型选择、向量数据库选型、混合检索、重排序），提供最简RAG和生产级RAG架构代码，以及常见问题优化。

本文阐述Tool Use的完整概念层级（Tool Use→Function Calling/MCP/Skill等实现方式），详解工具描述规范（name/description/parameters JSON Schema）、工具选择策略（模型自动选择/强制调用/禁用）、工具结果处理（结构化返回→模型理解→下一步决策），对比不同模型工具调用能力差异，以及从Function Calling到MCP协议