AI 时代每天冒新名词——Agent、RAG、MCP、thinking_budget、tool_choice……追新名词永远追不完。但如果你能识别新名词背后对应哪个老规律，你就不再是被动学习者，而是主动判断者。这篇文章做一件事：用《矛盾论》这套完整的思维框架，重新解释我们每天都在做的 AI 工程决策。 TL;DR■ ReAct 循环 ≈ 《实践论》：算法语言和哲学语言，表达了同一条规律——知行

AI 让写代码变便宜了，但企业 AI 落地反而更难了——因为真正复杂的不是”接口怎么写”，而是模型、数据、权限、流程、历史系统怎么接起来。FDE（前线部署工程师）就是站在这个交叉点上的人。 TL;DR■ FDE 不是”懂业务的全栈”：是直接围绕业务问题做端到端交付的工程角色，工作边界是问题本身，交付物是业务结果 ■ AI 降低的是实现成本，没有同比降低企业复杂度：权限、数据、流程、合规才是落地

后编码时代，编码不再是瓶颈。决策才是。 TL;DR■ 核心矛盾：团队从3人到10人，速度反而慢了——协作成本平方级增长，决策流失是真正瓶颈 ■ 认知升级：AI不是更强的工具，而是”在”的同事——从工具模型切换到同事模型 ■ 解决方案：传键盘模型让交接不丢东西，记忆系统让AI积累决策记忆 ■ 执行闭环：团队Vibe Coding + GDD（Gap-Driven Development），反复出

设计原则：一切皆 ChartConfig。预设模板、AI 对话、异常预警、分享链接——四个入口产出同一份 JSON，走同一条渲染管道。这就是”不臃肿”的秘诀。 一、产品愿景与用户1.1 一句话定位让产品经理用自然语言问数据，系统自动分析并呈现可视化结果。 1.2 目标用户 角色 痛点 使用方式 产品经理 不懂 SQL，不会配置分析参数，每次分析都找开发 自然语言对话，AI 翻

读书有法，但无定法。略记数条，供己复盘。

CDC技术复盘：从”人工搬运”到”实时流转” TL;DR CDC捕获DB变更日志(binlog/WAL/Redo Log)，非轮询 三代演进：查询触发 → 日志解耦(Canal/Debezium) → 流批一体(Flink CDC) □ Canal：MySQL专属，轻量快速 □ Debezium：多DB支持，三种部署模式(Kafka Connect/Server/Embedded) □ Flink

本文是《深度解析 Model Context Protocol (MCP)》的姊妹篇——从「为什么」视角回顾 Agent、Prompt、Function Calling 到 MCP 的必然之路。 TL;DR 历史主线：Prompt → AutoGPT → Function Calling → MCP，本质是「让模型可靠地调用外部世界」的层层封装。 格式混战：SystemPrompt vs

TL;DR 核心地位：Transformer 取代 RNN/CNN 成为 NLP 及多模态领域的统一架构，是现代大模型 (LLM) 的物理地基。 架构精髓：基于自注意力机制 (Self-Attention) 的 Encoder-Decoder 结构，实现并行计算与长距离依赖捕捉。 演进分野：分化为 Encoder-only (BERT)、Decoder-only (GPT) 与 Encoder-D

TL;DR 演进主线：从 React 纯客户端渲染 (CSR) 到 服务端渲染 (SSR)，再到 静态生成 (SSG/ISR)，最终迈向 服务端组件 (RSC) 的混合架构。 核心价值：解决 SEO、首屏性能与开发体验 (DX) 的三角矛盾，提供“零配置”的最佳实践。 最新范式：App Router 彻底改变数据获取与路由模式，将后端逻辑无缝融入前端组件树。

框架之核心价值，在于集成优秀实践并实现按需导入。Spring 通过轻量化设计规避资源冗余，其本质是一场关于“解耦”的深度修行。 Spring 的设计思想，本质是让复杂的系统变得简单，通过合理的拆分、封装、复用，让每个模块都聚焦核心职责，这一思维不仅适用于 Java 开发，也适用于所有复杂系统的设计与问题解决。 一、 IOC纵向解耦：组件与组件原生开发中，组件创建、赋值、装配需显式编码，导致强耦合。