爱折腾的工程师

未来的你会感谢现在努力的自己

从 RAG 到 LLM Wiki:一种可持续演化的个人知识库技术方案

从一次性检索到持续性知识编译:基于 LLM Agent、Markdown 与 Git 的个人 Memex 架构设计

基于 Karpathy 的 LLM Wiki 设计模式,系统拆解一种由 LLM Agent 持续维护 Markdown Wiki 的知识库架构。本文从传统 RAG 的局限出发,深入分析 Raw Sources、Wiki、Schema 三层模型,设计 Ingest、Query、Lint 三类核心工作流,并给出目录结构、页面数据模型、Agent 规则、检索策略、质量控制、Git 审计与规模化路线,帮助技术爱好者理解如何把 LLM 从一次性问答工具升级为长期知识库维护者。

CL4R1T4S 项目深度解析:AI 系统透明度与系统提示词工程

从 25 家 AI 厂商的系统提示词说开去:一场由社区驱动的 AI 透明度实验

深度解析 GitHub 项目 elder-plinius/CL4R1T4S:一个收录了 OpenAI、Anthropic、Google、xAI、Cursor、Windsurf、Devin、Perplexity 等 25 家主流 AI 产品系统提示词的开源仓库。本文不仅梳理项目背景、仓库结构、分层技术架构和提取方法论,还逐一拆解 Claude Opus 4.7、ChatGPT-5、Grok 4.1、Gemini 2.5 Pro、Cursor Composer、Cascade、Devin 2.0、Perplexity Deep Research 八款知名产品的真实系统提示词片段,帮助开发者看清商用 LLM 背后 Prompt Scaffold 的工程化实践与价值取向差异。

Claude 提示词工程最佳实践深度解析:原则、技巧与 Opus 4.7 适配

从黄金法则到 effort 参数:一份面向开发者的 Claude 提示词工程实战指南

基于 Anthropic 官方 Claude Prompting Best Practices 文档的深度解读。系统性整理 Claude 的通用提示词原则、XML 结构化、长上下文排版、effort 参数调优、工具使用与代理工作流治理等关键技术,并重点解析 Claude Opus 4.7 在指令遵循、工具使用、子代理、前端默认风格等方面的行为变化,帮助开发者在真实产品中高效、稳定地驾驭 Claude。

Contextual Retrieval 深度技术解析:把难检索的 Chunk 变成可检索的知识单元

从索引前增强、混合检索到提示缓存,系统拆解 Anthropic 如何补回 Chunk 在切分中丢失的语境

深入解析 Anthropic 提出的 Contextual Retrieval,讨论其核心原理、实现路径、成本权衡与在 RAG 系统中的工程价值。

dify-sandbox学习笔记

dify-sandbox学习笔记