本文深入解析了向量数据库在RAG（检索增强生成）项目中的核心作用。主要内容包括： 向量数据库本质是专门存储、索引和检索高维向量数据的数据库系统，通过Embedding模型将语义内容映射为向量空间中的点。 与传统关系型数据库相比，向量数据库采用近似最近邻搜索（ANN）算法（如HNSW和IVF）快速处理高维相似度查询，解决了暴力搜索和B-Tree索引不适用的问题。 生产环境中，向量数据库还需支持Met

LangChain是一个AI应用开发框架，它通过集成第三方大语言模型（如OpenAI、DeepSeek、阿里Qwen等）提供统一接口。文章介绍了LangChain的核心组件ChatModel及其主要参数，包括temperature、max_tokens等配置选项，并说明了不同模型对参数的支持差异。同时详细讲解了消息组件的类型和属性，包括消息内容(content)和元数据(response_meta

终于搞懂了！Token、1M上下文、KV Cache 和大模型记忆的真相

本文介绍了LeetCode第11题"盛最多水的容器"的解题思路。题目要求在给定柱子高度数组中找到两根柱子，使它们与x轴形成的容器面积最大。作者首先分析了暴力枚举法的时间复杂度为O(n²)，并指出其效率不足。随后详细讲解了双指针优化解法：初始化左右指针分别指向数组两端，每次移动较矮的一侧指针，因为移动高柱子不可能增加面积。该方法将时间复杂度优化到O(n)。文章通过示例演示了双指针的运行过程，并强调了

如何让大模型稳定输出JSON

摘要 Claude Code是Anthropic推出的命令行AI编程工具，被誉为"终端中的AI工程师"，能深度理解项目、执行终端命令并直接修改代码。为解决官方API地域限制和成本问题，推荐使用CC-Switch工具接入国产大模型（DeepSeek、Qwen、GLM等）。安装教程涵盖Node.js环境配置、Claude Code安装、CC-Switch部署及模型接入步骤，特别提供了DeepSeek/

大模型agent的记忆系统如何实现,什么时候存，什么时候取？

如何让大模型稳定输出JSON

文章摘要： DeepSeek 的 Input Cache（输入缓存） 是一种优化大模型推理性能的技术，通过缓存输入 Prompt 的中间计算结果（如 KV Cache），避免重复计算相同前缀的 Token，从而提升响应速度并降低 API 成本。其核心原理是：当多次请求的输入前缀一致时，直接复用已缓存的中间状态，仅计算新增或变化的部分。 关键点： 缓存内容：模型处理输入时的中间计算结果（非最终回答）

AI 应用的高并发并没有一个所谓的“万能技术”。先减少不必要的请求↓缓存再限制请求进入速度↓限流再控制下游并发↓再把耗时任务异步化↓再提高单机处理能力↓单机不够↓多实例 + Load Balancer下游不稳定↓模型成为瓶颈↓模型路由 + vLLM / SGLang + Batching所以对于 AI 应用来说，高并发优化最重要的不是记住几十个组件，而是学会找到真正的瓶颈在哪里。QPS高→ 看限流