WL
RAG 系统全景：从原理到工程实践
RAG 是当下 AI 应用开发中最重要的能力之一。这篇文章不讲代码，先帮你建立 RAG 的全局认知——管线全貌、核心组件选型、真实系统架构、常见坑，让你面对 RAG 项目时知道该从哪里下手。
WL
检索后优化：让 RAG 结果更精准
拿到检索结果后，RAG 管线还有多个优化环节可以大幅提升效果。这篇文章讲解 Query 改写、HyDE、多路召回、上下文压缩、幻觉抑制，帮你把 RAG 效果从 70 分提升到 90 分。
WL
向量检索：从 Embedding 到向量数据库
向量检索是 RAG 管线的核心环节。这篇文章系统讲解 Embedding 模型的原理和选型、向量数据库的对比和选择、混合检索的实现方式，以及 reranking 为什么能大幅提升效果。
WL
AI代理开发框架实战：构建你的智能开发助手
学完这篇教程，你将掌握如何配置和使用AI代理开发工具来完成实际的编码任务。我会用一个真实的AI代理开发框架作为示例，演示从环境搭建到完成一个完整功能的全流程。你会学到如何让AI代理理解你的代码库、自主
WL
AI绘画进阶参数实战心得
不谈理论，只聊我在AI绘画折腾过程中真正吃透的几个关键参数——Seed、CFG、采样器、分辨率和重绘幅度，哪些该动哪些别碰，一次讲清楚。