AI 开发实战
本系列共 9 篇文章
聚焦 AI 应用开发、API 接入、模型能力、自动化和落地实践，适合快速补齐 AI 开发基础与实战经验。
AI重构10000行老代码：2周完成1个月工作量的真实复盘
记录用Claude Code重构10000行Vue遗留代码的完整过程。从接手3年无人敢动的屎山，到2周上线零事故，包含测试生成、代码诊断、重构执行的完整Prompt模板和避坑指南。
多模态 AI 应用开发指南：从模型选型到实战部署
深入讲解多模态AI应用开发全流程，涵盖GPT-4V、Claude Vision、Gemini等主流模型对比，图像/视频/文档处理实战代码，以及成本优化与部署最佳实践
多模态 AI 应用开发实战：三模态融合完整指南
对比 GPT-4V、Gemini、Claude 三大平台，提供文本、图像、语音融合完整代码示例，讲解系统架构设计原则和成本控制技巧，帮你快速掌握多模态开发核心技能。
LangChain LCEL 实战：从传统链到流式响应的现代范式
LCEL 用 | 运算符重构 LangChain 开发，代码量减少 70%，自动支持流式响应。详解 Pipe 原理、Runnable 接口、流式机制，提供迁移实战指南。
LLM 评估框架对比：LangSmith vs W&B vs MLflow
深度对比 LangSmith、Weights & Biases、MLflow 三大 LLM 评估框架，从追踪能力、评估方法、生产部署到真实成本，帮你做出最佳选型决策。
自进化AI：让模型持续学习的关键技术路径
深入解析自进化AI的四大技术路径：模型层进化、上下文进化、元学习、架构层进化，探索AI从静态知识到动态成长的技术突破与实践应用
自进化 AI：2026 年让模型持续学习的 4 种方法
深度解读 2026 年持续学习趋势，从 SDFT 自蒸馏到 MiniMax M2.7 自进化流程，解析让模型边用边学的 4 种方法及 LangChain 三层进化框架实战视角
LangGraph vs AutoGen 状态追踪对比：checkpoint、超时恢复与选型决策
聚焦 LangGraph 与 AutoGen 的状态恢复实践，分析 checkpoint、超时重试和故障续跑，并给出可运行代码与生产验收方法。
Hyper 公司知识库：AI Agent 记忆的工程化设计
从 Hyper 的公开架构细节出发，拆解 AI Agent 公司知识库如何处理事实有效期、权限、决策链、混合检索、hooks/MCP 注入和人工纠错，并给出 7 天试点路径。
