登录社区云，与社区用户共同成长
邀请您加入社区
这两年只要聊大模型应用，RAG几乎是绕不开的话题。最早大家理解RAG，通常是把它看成一个“给大模型外挂知识库”的方案：用户提出问题之后，系统先去知识库里检索相关内容，再把检索结果和用户问题一起塞进Prompt，最后让大模型基于这些材料生成回答。这个理解没有错，但它只解释了最基础的。在很多早期场景里，这套方案已经足够好用。比如产品文档问答、接口说明查询、企业制度检索、FAQ 客服机器人，本质上都是把
调试技术千千万，println依然是开发者的第一选择。无论是初学者还是资深工程师，无论是手写代码还是借助 AI Agent，输出日志来观察程序状态始终是最直接、最通用的手段。但println调试有两个根深蒂固的问题：一是需要修改源代码，二是无法在第三方库或生产环境中使用。IntelliJ IDEA 的功能多年来一直作为println的“增强版”存在——它无需修改源码，且支持条件触发、堆栈打印、命中
这篇文章探讨了如何有效利用AI Agent完成真实开发任务的全流程，而非仅作为代码生成工具。作者以"用户列表增加账号状态筛选"这一常见需求为例，系统演示了六个关键阶段：需求澄清与验收标准制定、项目上下文调查、最小改动方案设计、分阶段编码实现、验证与测试、独立代码审查。文章强调AI协作的核心在于提供完整上下文、明确验收标准、拆分可验证的小任务，并要求AI为结论提供证据。最后总结了使用AI Agent
本文介绍了如何创建CodeBuddy Skill中的标准接口文档生成器。该技能可将功能需求或Java Controller代码转换为标准Markdown格式的API文档，支持三种模式：需求设计模式、代码逆向模式和批量生成模式。文档包含修订记录、接口概览、详细参数说明、响应示例、错误码表等内容，并遵循RESTful规范。使用时只需输入简短触发词即可自动生成统一格式的文档，适用于团队协作和前后端联调。
深度测评CC GUI插件，让Claude Code无缝集成IntelliJ IDEA，基于技术派项目实战，支持MCP、Skills、可视化操作。
