本篇文章我们使用LangChain和RAG对大语言模型进行了一些微调，使之生成答案前可以在我们给到的文档内进行检索，以生成更准确的答案。RAG是检索增强生成（Retrieval Augmented Generation），主要目的是让用户可以给模型制定一些额外的资料。这一点非常有用，我们可以给模型提供各种各样的知识库，让模型扮演各种各样的角色。LangChain是开发大语言模型应用的一个框架，内置

随着ChatGPT的兴起，LLM (Large Language Model，大语言模型) 已经成为人工智能和自然语言处理领域的热门话题。本篇文章我将和大家一起在自己的个人电脑上运行一个大语言模型。

主题系统是本次 4.0 升级的重点之一。更人性化的主题编辑流程支持在线导入主题文件支持主题重命名支持管理更多可保存主题主题从“高级功能”变为“核心能力”，真正支持创作者构建自己的品牌化排版风格。未来会进一步构建围绕“文颜”的“主题市场”。命令行版本同步升级。通过命令安装主题删除主题指定主题进行渲染文颜 CLI 正式成为可扩展的自动化排版基础设施。MCP Server同步支持主题系统。安装主题删除主

AI 离我们的代码越来越近，但它的存在感却越来越“不可见”。从一开始占据浏览器一角的聊天框，到占据桌面的 App，再到退居命令行的纯文本，最后干脆隐身成了系统的后台服务。作为程序员，我们不需要为了 AI 去改变原有的工程习惯。相反，优秀的 AI 智能体正在不断向下沉降，适配操作系统的底层逻辑，融入我们最习以为常的基础设施中。在未来，或许“写代码”这个动作本身，就会像今天的“编译”一样，成为一个只需

随着ChatGPT的兴起，LLM (Large Language Model，大语言模型) 已经成为人工智能和自然语言处理领域的热门话题。本篇文章我将和大家一起在自己的个人电脑上运行一个大语言模型。

今年三月，一个团队在内部复盘时发现了一个让人笑不出来的数据：AI 辅助后，团队 PR 数量涨了 98%，但代码评审时间涨了 91%。成员的个人交付速度确实快了，可反映到最终产出上，实际发版的频率几乎没有变化。这不是个例。DX 在 2025 年 Q4 对 5.1 万名开发者的调研发现，每天用 AI 的开发者确实多合入了 60% 的 PR。但另一份基于 3 家企业的随机对照试验显示，拿到 AI 工具的

今年三月，一个团队在内部复盘时发现了一个让人笑不出来的数据：AI 辅助后，团队 PR 数量涨了 98%，但代码评审时间涨了 91%。成员的个人交付速度确实快了，可反映到最终产出上，实际发版的频率几乎没有变化。这不是个例。DX 在 2025 年 Q4 对 5.1 万名开发者的调研发现，每天用 AI 的开发者确实多合入了 60% 的 PR。但另一份基于 3 家企业的随机对照试验显示，拿到 AI 工具的

龙虾养得起，token 烧不起。这句话是 2026 年 4 月一个独立开发者在推特上写的。他贴出了自己当月的 API 账单：¥3,742。半年前这个数字是 ¥400 出头。他没有新增任何功能，用户量也没涨。唯一的变化是，他接入了几个 Agent 框架，让 AI 能自动干活了。他不是个例。2026 年 5 月，你随便打开一个开发者社区，搜索"token 账单"，会看到成片的哀嚎。

AI 离我们的代码越来越近，但它的存在感却越来越“不可见”。从一开始占据浏览器一角的聊天框，到占据桌面的 App，再到退居命令行的纯文本，最后干脆隐身成了系统的后台服务。作为程序员，我们不需要为了 AI 去改变原有的工程习惯。相反，优秀的 AI 智能体正在不断向下沉降，适配操作系统的底层逻辑，融入我们最习以为常的基础设施中。在未来，或许“写代码”这个动作本身，就会像今天的“编译”一样，成为一个只需

AI 离我们的代码越来越近，但它的存在感却越来越“不可见”。从一开始占据浏览器一角的聊天框，到占据桌面的 App，再到退居命令行的纯文本，最后干脆隐身成了系统的后台服务。作为程序员，我们不需要为了 AI 去改变原有的工程习惯。相反，优秀的 AI 智能体正在不断向下沉降，适配操作系统的底层逻辑，融入我们最习以为常的基础设施中。在未来，或许“写代码”这个动作本身，就会像今天的“编译”一样，成为一个只需