本文手把手教你用LLaMA-Factory完成第一次模型微调——这是目前最流行的零代码微调框架，支持100+开源模型，自带WebUI。文章覆盖完整链路：环境搭建（conda+CUDA避坑）、数据集放置与注册（dataset_info.json的正确写法）、LoRA关键参数配置（学习率/rank/epoch的推荐起点）、WebUI可视化训练操作，以及训练曲线解读（什么样的loss曲线算健康、什么情况

本文介绍MyBatis-Plus作为MyBatis的无侵入增强工具，阐述其自动注入CURD、Lambda支持、主键自动生成、内置分页与代码生成器等核心特性，以及支持多种数据库的能力。文章通过Spring Boot快速入门示例，演示依赖引入、数据源配置、建表、实体类开发及Mapper继承BaseMapper实现通用CRUD的完整流程，并说明@TableName表映射与@TableId主键配置等常用注

本文系统介绍 Git 版本控制工具的使用方法，涵盖入门配置、基础操作、分支机制与高级工具。基础部分包括仓库初始化与克隆、文件追踪与提交、状态查看与撤销、远程仓库管理及标签操作；分支机制涉及创建切换、远程分支推送与跟踪；工具篇讲解储藏清理、子模块管理、cherry-pick、变基与冲突解决等进阶技巧。

本文介绍 NoSQL 概念及 Redis 键值数据库基础知识，阐述其作为内存型数据库的核心特征（高性能、多数据类型、持久化等）及典型应用场景（热点数据缓存、消息队列、分布式锁等）。涵盖 Linux 环境下的安装部署、核心文件说明、服务启动与客户端连接方式，并介绍 Redis 基本操作命令及数据库级指令（DBSIZE、FLUSHDB 等）。

上篇把 Django 镜像从 2GB 瘦身到 180MB。下篇用 `docker-compose.yml` 把 Django、MySQL、Redis、Nginx 四个服务编排在一起——一个 `docker-compose up -d` 就全跑起来。重点讲：服务之间的依赖顺序控制（`depends_on` + `healthcheck`）、数据库数据持久化（`volumes`）、静态文件和白卷代理（

本文对四大主流向量数据库进行系统性实测对比——Chroma（轻量入门）、Milvus（分布式生产级）、Qdrant（高性能Rust引擎）、Weaviate（GraphQL原生）。通过百万级数据插入速度、Top-K召回精度、内存占用、Python SDK易用性和部署复杂度五个维度给出量化数据与选型决策树。文中配以Mermaid架构图展示各数据库的核心组件，适合在做RAG技术选型的AI开发者快速决策。

本文从2023年AutoGPT爆火事件切入，系统讲解AI Agent的核心定义与四大基础架构。文章拆解Agent的本质公式（Agent = LLM + 规划 + 工具 + 记忆），逐一讲解四种Agent架构（ReAct、Plan-Execute、Multi-Agent、Reflexion）的设计哲学和适用边界，并讨论了Agent的能力天花板——"它能做什么、不能做什么、什么场景下Agent反而让事

本文从2023年AutoGPT爆火事件切入，系统讲解AI Agent的核心定义与四大基础架构。文章拆解Agent的本质公式（Agent = LLM + 规划 + 工具 + 记忆），逐一讲解四种Agent架构（ReAct、Plan-Execute、Multi-Agent、Reflexion）的设计哲学和适用边界，并讨论了Agent的能力天花板——"它能做什么、不能做什么、什么场景下Agent反而让事

本文系统介绍LlamaIndex——一个在RAG场景下比LangChain更专注的数据框架。内容涵盖LlamaIndex的核心数据结构抽象（Node/Document）、索引类型对比（向量索引/摘要索引/树索引/知识图谱索引）、IngestionPipeline数据摄入管道的设计理念，以及与LangChain在RAG场景下的功能对比矩阵。配以Mermaid架构图展示LlamaIndex的索引体系，

本文深入LlamaIndex的高级检索策略，在基础向量搜索之上，系统讲解四种进阶索引技术：递归检索（Recursive Retrieval）在文档层级之间逐层缩小范围、句子窗口检索（Sentence Window Retrieval）利用上下文窗口还原语义完整性、自动合并检索（Auto-Merging Retrieval）解决分块过细导致的碎片化问题，以及知识图谱+向量双索引融合带来的多跳推理能力