分类： AI
-
51个指标 × 5000只股票：全市场技术扫描的工程实践
51个指标 × 5000只股票：全市场技术扫描的工程实践 A 股每天有 5000+ 只股票需要被审视，每只股票要计算数十个技术指标，传统人工筛选在这种规模下完全失效。程序化扫描不是「能不能做」的问题，而是「怎么把数据管道、指标计算、信号扫描和结果呈现组织清楚」的工程问题。 本文基于 stock-analyzer 的真实源码，梳理它从数据获…阅读全文 →
-
能算的绝不调模型：resolve-harness 的确定性 Fast Path 运行时
本文拆解一个刻意保持「可拆解、可替换」的极简 Agent Harness：LangGraph 工具循环、LiteLLM 多模型路由、分层记忆，外层套一套 Planner/Specialist/Evaluator/Reporter 多智能体编排。它的核心主张是「能算的绝不调模型」——在 Specialist 执行层前加一道三层 Fast P…阅读全文 →
-
基于 Electron + React + Vite 的 AI UI 生成工作台，用自然语言描述需求，LLM 转为声明式 UI spec 并编译成真实 React 组件实时预览
起点 我一开始以为，AI UI 生成的问题，是「如何让 LLM 写出更好的 React」。 后来发现，真正的问题恰恰是：不应该让 LLM 直接写 React。 SpecPulse 最终走了一条不同的路径： SpecPulse 是我为验证这条路径搭的动手项目：用自然语言描述需求，LLM 把它转成一份声明式的 UI spec一棵 JSON …阅读全文 →
-
Text2SQL 确定性管线 + ReAct 双路径：datapulse AI BI 工作台架构解析
Text2SQL 确定性管线 + ReAct 双路径：datapulse AI BI 工作台架构解析 引言：AI BI 的痛点与双路径设计的起点 用 LLM 做 BI 分析，听起来很诱人，做起来全是坑。开发者最常遇到的三个问题几乎一模一样： 幻觉。 LLM 在数据库没有数据的时候，依然会自信地编出一个数字。 SQL 不可信。 即使生成了查…阅读全文 →
-
从 SQLite 到 LLM 重排：一个 Rust RAG 服务的七层设计决策
做本地 RAG 的开发者，大概都经历过这样的折腾：想跑一个纯本地的文档检索服务，结果发现内存态索引重启就丢，得接持久化向量库；向量检索搞定了，又得配 Ollama 做重排；再后来发现检索质量不稳定，还得上 pgvector……最后部署的时候，容器镜像大得离谱。阅读全文 →
-
AutoGen PSE 架构解析：用 Planner/Specialist/Evaluator 模式构建可靠的多智能体协作系统
PSE 模式的灵感来自软件工程中的角色分工： Planner → 相当于 Tech Lead：拆解需求、制定计划、分配任务、做交付决策。不做具体执行。 Specialist → 相当于 Developer：负责编写具体的交付物。只执行被分配的任务。 Evaluator → 相当于 Code Reviewer：…阅读全文 →
-
用 React Three Fiber 打造会对话的 3D 数字人：架构与部署的真实踩坑记录
用 React Three Fiber 打造会对话的 3D 数字人：架构与部署的真实踩坑记录 把一个 LLM 接进 3D 场景，让一个 VRM 虚拟角色能听懂你说话、开口回应、眼神还跟着你转——这个想法挺酷，但真做起来会撞上一连串工程问题：Key 不能进前端、Serverless 函数有 10 秒硬上限、R3F 的 Canvas 不穿透 …阅读全文 →
-
本地优先的 AI 通讯录助手：把大模型请进地址簿，数据却不离家
本地优先的 AI 通讯录助手：把大模型请进地址簿，数据却不离家 痛点：通讯录里最缺的不是存储，是"上下文" 每个人的手机里都有一份通讯录：几百个名字、号码、归属地。它能帮你拨号、发短信，却帮不了你一件更日常的事——知道该怎么跟某个人开口。 久未联系的老同事，过节该用什么样的语气？ 一个只存了名字的客户，邀约时该怎么称呼才不尴尬？ 脑子里闪…阅读全文 →
-
不信任执行者：桌面 AI 工作台的验证架构设计
ai-workbench 的工作流引擎把任务生命周期拆成三个角色，每个角色有独立的 system prompt，甚至可以用不同的模型配置： 三个角色的职责在 中严格界定： Planner：只做拆解，输出带验收标准的 JSON 计划，不执行任何命令 Specialist：只执行当前这一步，产出交付物，可以运行 shell 命令…阅读全文 →
-
让智能体从源头不说谎：用 LlamaIndex Workflow 构建 RAG 接地的 PSE 多智能体框架
直觉做法：状态图 + 条件边 如果你熟悉多智能体编排框架，可能会想到 LangGraph 的 StateGraph。它用显式的条件边来控制流程分支： 每次流程分支都需要手动编写判断逻辑——Evaluator 通过后走哪条边、有问题时走哪条边，代码里到处是条件判断。 实际做法：事件驱动 + @step 装饰器 llamaindex-pse …阅读全文 →