Yue 的 AI 工坊
  • 首页
  • 博客
  • 笔记
  • 关于
知识库笔记
  • 协同文档
    • 核心技术点
    • 类似飞书文档-多人实时协同表格系统
    • 面试官问的问题
    • 前端分享功能全局设计方案
    • 设计一个云笔记项目
  • AI赋能前端面试
    • 模块4.1:Prompt工程 - 场景化Prompt库建设
      • 模块4.1:Prompt工程 - 场景化Prompt库建设
    • 模块4.2:Skill.md文件定制 - 解决重复性工作
      • 模块4.2:Skill.md文件定制 - 解决重复性工作
      • Skill.md实际使用操作手册
    • 模块4.3:MCP服务器集成实战
      • 基于Swagger的MCP实战操作手册
      • 模块4.3:MCP服务器集成实战
    • 模块4.4:SpecKit全链路应用 - 从需求到上线的AI协作
      • 基于Figma的MCP实战操作手册
      • 模块4.4:SpecKit全链路应用 - 从需求到上线的AI协作
    • 模块4.5:效率提升验证与真实案例
      • 模块4.5:效率提升验证与真实案例
    • 模块5:AI项目简历包装实战指南
      • 模块5:AI项目简历包装实战指南
    • 前端侧-AI相关的面试题
      • 前端侧-AI相关的面试题
      • 有没有借助ChatGPT或Claude解决过复杂的技术难题?比如调试一段棘手的前端代码或生成复杂的业务代码?最终效果如何
    • 最新AI开发Agent面试真题汇总
      • 标准答案参考
      • 大模型预训练和微调的区别是什么
      • 一、标准答案参考
      • 一文通俗易懂讲清大模型训练原理
      • 最新AI开发Agent面试真题汇总
      • Agent 怎么评测
      • Agent的本质是什么
    • AI 代码智能与AI 编程
      • 程序修复(Program Repair)怎么做?怎么自动修Bug
      • 抽象语法树(AST)在代码理解中的作用是什么?怎么解析AST
      • 代码补全(Code Completion)怎么做?GitHub Copilot的原理是什么
      • 代码大模型和文本大模型有什么区别?代码数据怎么预训练
      • 代码的单元测试生成怎么做?怎么自动生成测试用例
      • 代码的复杂度度量有哪些方法?圈复杂度、认知复杂度怎么计算
      • 代码的技术选型怎么做?什么时候该用新技术,什么时候该用成熟方案
      • 代码的技术债务怎么检测?代码坏味道(Code Smell)有哪些
      • 代码的静态分析和动态分析有什么区别?各自的应用场景是什么
      • 代码的性能测试怎么自动化?怎么识别性能回归
      • 代码的性能优化能自动化吗?怎么识别性能瓶颈并优化
      • 代码的许可证合规检测是什么?开源代码的许可证冲突怎么避免
      • 代码的依赖分析怎么做?函数调用图和模块依赖图怎么构建
      • 代码的语法修复怎么做?生成的代码有语法错误怎么自动修正
      • 代码的语义理解怎么做?怎么判断两段代码在功能上是否等价
      • 代码的自动化部署怎么做?CI_CD pipeline怎么设计
      • 代码翻译(Code Translation)是什么?Python转Java怎么做
      • 代码克隆检测(Code Clone Detection)是什么?怎么找相似代码
      • 代码理解和自然语言理解有什么本质区别?代码的结构化怎么利用
      • 代码模型的上下文怎么构建?Repo-level理解怎么做
      • 代码生成的可靠性怎么保证?生成的代码能直接用吗
      • 代码生成的评估指标有哪些?Pass@k是什么意思
      • 代码搜索(Code Search)怎么实现?自然语言查询怎么匹配代码
      • 代码相似度计算怎么做?Token-based、AST-based、Semantic-based哪个更准
      • 代码重构(Code Refactoring)能自动化吗?怎么优化代码结构
      • 代码Review能用AI做吗?怎么自动提PR建议
      • 技术债务检测(Technical Debt Detection)怎么做?坏味道怎么识别
      • 文档生成(Documentation Generation)怎么做?API文档能自动写吗
      • 增量代码生成和全量代码生成有什么区别?什么场景用哪个
      • AI编程工具的安全性怎么保证?怎么避免生成有漏洞的代码
      • AI编程工具的代码风格一致性怎么保证?怎么符合团队规范
      • AI编程工具的开源替代品有哪些?开源方案和商业方案怎么选
      • AI编程工具的提示词怎么写?怎么让Copilot生成更符合需求的代码
      • AI编程工具的未来是什么?程序员会被替代吗
      • AI编程工具的性能优化怎么做?生成代码的性能怎么保证
      • AI编程工具对开发者技能的影响是什么?会不会让开发者退化
      • AI编程工具在大型项目中的应用有哪些限制?什么场景不适合用AI
      • Copilot Chat怎么实现的?怎么在IDE里对话式编程
      • Cursor、Windsurf这些AI IDE有什么特点?和传统IDE有什么区别
      • FIM(Fill-in-the-Middle)是什么?为什么代码补全需要这个能力
      • HumanEval、MBPP这些代码评测集测什么
    • AI 知识工程与 RAG
      • 多语言知识库怎么构建?知识的跨语言对齐怎么做
      • 如何选择合适的Embedding模型?开源模型vs闭源API的权衡
      • 上下文压缩(Context Compression)技术有哪些?如何减少token消耗
      • 什么是知识图谱?实体、关系、属性分别是什么
      • 什么是GraphRAG?知识图谱如何增强RAG系统
      • 什么是Self-RAG?如何让模型自主判断是否需要检索
      • 增量更新场景下,RAG的向量库如何维护?如何处理文档删除和修改
      • 知识工程和知识图谱有什么区别?知识工程的完整流程是什么
      • 知识图谱怎么和大模型结合?检索增强生成(RAG)怎么用图谱
      • RAG系统的评测指标有哪些?如何评估检索质量和生成质量
      • RAG系统如何支持多模态检索?图文检索如何实现
      • RAG系统中如何处理多跳问答(Multi-hop QA)
      • RAG系统中文档切分的策略有哪些?如何选择合适的chunk size
      • RAG中的幻觉问题如何缓解?引用溯源(Citation)如何实现
      • RAG中的重排序(Reranking)如何工作?有哪些重排序模型
    • AI Agent理论与框架题库
      • 如何处理Agent的部分可观察问题?信息不完整时如何决策
      • 如何给AI Agent添加网络搜索功能?需要注意什么
      • 如何评估和改进AI Agent的响应质量
      • 如何评估AI Agent的性能?有哪些关键指标
      • 如何设计Agent的反思(Reflection)机制?何时触发反思
      • 如何使用LangChain构建多轮对话系统
      • 如何用LangChain实现一个简单的问答机器人Agent
      • 如何用LangGraph实现一个多步骤的数据分析流程
      • 如何在LangChain中实现流式输出?有什么应用场景
      • 如何在LangChain中实现RAG(检索增强生成)
      • 如何在LangGraph中定义状态?状态管理的最佳实践
      • 如何在LangGraph中实现超时控制
      • 如何在LangGraph中实现循环和迭代
      • 什么是对话历史窗口?保留多少轮对话合适
      • 什么是多AI Agent系统(Multi-Agent System)?AI Agent之间如何协作
      • 什么是工具使用AI Agent(Tool-using Agent)?工具调用的基本流程是什么
      • 什么是Agent的辩论(Debate)模式?如何通过多Agent辩论提升答案质量
      • 什么是AI Agent?与传统软件程序有什么本质区别
      • 什么是LCEL(LangChain Expression Language)?它有什么优势
      • 什么是MCP(Model Context Protocol)协议?它解决了什么问题
      • 实现一个文件处理AI Agent需要考虑哪些技术点
      • 自然语言生成(NLG)在对话里怎么用?模板、检索、生成各有什么优缺点
      • Agent的元认知能力是什么?如何评估自身的能力边界
      • Agent的Self-Refinement是如何实现的?需要哪些关键组件
      • Agent对话模块的容错能力怎么设计?用户说话不清楚或有歧义时怎么办
      • Agent社会模拟(Social Simulation)有什么应用?如何建模Agent交互
      • Agent系统的监控指标有哪些?如何实时追踪Agent的执行状态
      • Agent在执行过程中如何进行动态重规划?触发条件有哪些
      • AgentBench评测框架包含哪些维度?如何设计Agent的benchmark
      • AI Agent的规划能力是如何实现的?有哪些规划策略
      • AI Agent的幻觉问题如何解决?有哪些验证策略
      • AI Agent的记忆机制如何设计?短期记忆和长期记忆的区别
      • AI Agent的可解释性如何实现?为什么重要
      • AI Agent开发中常见的调试问题有哪些?如何解决
      • AI Agent在执行过程中可能遇到哪些错误?如何处理
      • AutoGPT的工作原理是什么?它如何实现自主任务执行
      • Graph of Thoughts(GoT)如何表示复杂推理过程?有什么优势
      • LangChain的核心组件有哪些?各自的作用是什么
      • LangChain的缓存机制如何工作?如何优化性能
      • LangChain的Agent执行器是如何工作的
      • LangChain的Memory组件如何工作?有哪些Memory类型
      • LangChain是什么?它解决了LLM应用开发的哪些问题
      • LangGraph的编译和执行过程是怎样的
      • LangGraph的人机交互功能如何实现
      • LangGraph的条件边(Conditional Edge)如何使用
      • LangGraph是什么?它与LangChain有什么关系
      • MCP(Model Context Protocol)协议的安全机制包括哪些?如何保证通信安全
      • MCP(Model Context Protocol)协议的基本架构是怎样的?Client和Server如何交互
      • Multi-Agent系统的一致性问题如何解决?共识算法如何应用
      • Multi-Agent系统中的投票机制如何设计?如何聚合不同Agent的意见
    • AI Prompt 工程与应用
      • 大模型的安全性问题有哪些?怎么防止生成有害内容
      • 大模型的上下文长度是怎么回事?为什么有token限制
      • 大模型的长文本理解能力怎么样?大海捞针测试是什么
      • 大模型的知识截止日期是什么意思?怎么更新模型的知识
      • 大模型的Temperature参数是干什么的?什么时候调高,什么时候调低
      • 大模型会遗忘吗?灾难性遗忘(Catastrophic Forgetting)是什么
      • 大模型在数学推理上为什么表现不好?怎么提升
      • 大模型真的能理解吗?还是只是在做模式匹配
      • 多语言大模型是怎么训练的?中文和英文的能力怎么平衡
      • 什么是幻觉(Hallucination)?为什么模型会一本正经地胡说八道
      • 什么是位置偏见(Position Bias)?为什么模型更关注开头和结尾
      • 什么是涌现能力(Emergent Abilities)?有哪些典型例子
      • 什么是Chain-of-Thought(CoT)?为什么让模型先想一想效果更好
      • 什么是Prompt注入攻击?怎么防范
      • 什么是Self-Consistency?为什么要让模型生成多次然后投票
      • 为什么大模型很难数数?算strawberry有几个r 为什么会错
      • 为什么模型规模越大,能力提升越明显?有临界点吗
      • 为什么要在Prompt里加约束条件?怎么加才有效
      • 怎么减少幻觉?有哪些有效的方法
      • 怎么写出好的System Prompt?有什么技巧
      • 怎么在有限的上下文里塞更多信息?有什么压缩技巧
      • Few-shot CoT的例子怎么选?随便选几个行吗
      • Prompt里的角色设定(You are...)真的有用吗
      • Top-p(nucleus sampling)和Top-k采样有什么区别
      • Tree of Thoughts和Chain of Thoughts有什么区别
      • Zero-shot CoT就是加一句Let's think step by step吗?原理是什么
      • Zero-shot和Few-shot有什么区别?什么时候用哪个
    • 面试常见问题答案模板
    • 前端工程师简历模板(3种级别)
    • 前端面试准备清单
    • AI 赋能前端
    • AI赋能前端工程化实践--详细操作步骤
  • AI前端相关
    • AI 在前端方向的落地和实践(skills)
      • 从0到1开发一个组件库
        • 从0到1开发一个组件库
        • 核心技术难点与解决方案
        • 简历项目经验(AI 组件库版本)
        • 简历项目经验描述
        • 面试标准回答话术
        • 面试常见追问及回答
        • 项目经验总结
      • 地图可视化
        • 12.1 地图集成方案
        • 12.1 地图集成方案 - 完整技术文档
        • 地图可视化
        • 地图业务场景
        • 空间数据处理
        • 数据实时更新方案 + 空间数据处理
        • 完整技术文档
      • 核心业务组件
        • 富文本编辑器
          • 富文本编辑器
          • 具体涉及到的技术实现
        • 3.2 DynamicForm 动态表单 - 深度剖析
        • 3.3 虚拟滚动深度实现 - 深度剖析
        • 核心业务组件
        • 拖拽系统设计-深度剖析
        • ProTable 高级表格 - 深度剖析
      • 跨端开发方案
        • 跨端开发深度的项目难点和亮点
          • 跨端开发 - 核心代码示例
            • 跨端开发 - 核心代码示例
            • 跨端项目功能详细说明
            • Electron 桌面端项目简历示例
            • Flutter 跨端项目简历示例
            • React Native 跨端项目简历示例
            • uni-app 跨端项目简历示例
          • 跨端开发核心技术细节
          • 跨端开发深度的项目难点和亮点
          • 跨端开发项目 - 简历描述
          • 跨端日志系统简历描述指南
          • 跨端应用打包上架及升级方案
          • 跨端应用日志收集系统技术方案
          • App更新策略和灰度发布简历描述指南
          • App更新通知和升级策略完整方案
        • Electron 应用监控-demo
          • 文档说明
          • Electron 应用监控-demo
        • 应用稳定性监控完整指南
        • Flutter&React Native&Electron 对比与实战指南
        • Taro 深度应用完整指南
        • Uni-app 实战完整指南
      • 流程规范与协作
        • 接口规范与联调 - 深度剖析
        • 流程规范与协作
        • 组件库建设 - 深度剖析
        • Git 工作流设计 - 深度剖析
      • 前端安全防护
        • 18.1 前端常见安全问题
        • 18.2 内容安全策略
        • 18.3 前端加密方案
      • 前端工程化建设
        • 打包编译时间优化(200s → 30s)
        • 打包体积与白屏时间优化 - 面试完整指南
        • 代码质量保障体系
        • 构建工具深度优化
        • CICD 流水线搭建
        • Monorepo 架构设计 - 面试完整指南
      • 前端监控体系
        • 17.1 前端性能监控系统
        • 17.2 前端错误监控系统
        • 17.3 前端埋点系统
        • 17.4 监控平台搭建
      • 数据处理与可视化
        • 大数据量渲染
          • 大数据量渲染
          • 前端大数据渲染项目 - 简历话术与面试指南
          • 虚拟列表头像: URL vs Base64 完整对比
        • 图片文件上传
          • 大文件上传
          • 批量上传图片
          • 图片文件上传
        • 4.1 树形数据处理 - 深度剖析
        • 数据处理与可视化 - 面试指南
        • Excel 导入导出
      • 数据大屏开发与长时间运行优化
        • 大屏适配方案
          • 13.1 大屏适配方案
          • 大屏适配方案完整技术文档
          • 数据可视化大屏 - 简历包装与面试SOP
          • scale方案(简单有缺点)
        • 大屏组件库
          • 13.2 大屏组件库
          • 大屏组件库完整技术文档
        • 大屏交互设计
        • 大屏渲染性能优化完整技术文档
        • 数据大屏开发与长时间运行优化
        • 数据实时更新方案优化完整技术文档
        • 长时间运行内存泄漏问题完整技术文档
      • 微前端实践
        • Module Federation 联邦模块
          • Module Federation 联邦模块-上
          • Module Federation 联邦模块(下)- 简历与面试
        • qiankun 深度应用
          • qiankun 深度应用(上)
          • qiankun 深度应用(下)- 关键问题解决与实战
        • Wujie 无界微前端
          • Wujie 无界微前端(1)- 原理
          • Wujie 无界微前端(2)- 性能优化与实战经验
          • Wujie 无界微前端(3)- 适用场景与简历指南
        • 21.1 微前端方案全景对比
        • 21.7 微前端工程化
        • 微前端改造与Monorepo架构 - 简历撰写指南
        • 微前端关键问题解决
        • 微前端实践
        • Micro-App 轻量方案
      • 系统级功能
        • 单点登录(SSO)简历话术
          • 单点登录(SSO)简历话术
          • 什么是 SSO 单点登录
          • SSO SDK —— 完整技术实现 + 简历话术
        • 5.2 国际化方案 - 企业级多语言解决方案
        • 5.3 主题切换系统 - 动态主题与暗黑模式
        • 权限系统设计 - 深度剖析
        • 系统级功能 - 面试指南
      • 小程序开发
        • 7.1 小程序架构设计 - 企业级架构实践
        • 7.2 小程序性能优化 - 极致性能实践
        • 7.3 小程序高级功能 - 实战技巧精选
        • 小程序面试相关
      • 移动端H5开发
        • 6.1 移动端适配方案 - 多屏幕完美适配
        • 6.2 移动端性能优化 - 完整技术实现方案
        • 6.3 移动端交互优化 - 流畅的触控体验
        • Hybrid 混合开发-Web与Native的完美融合
      • AI 对话应用
        • 对话界面开发
          • 19.1 AI对话界面开发
          • 设计多轮对话上下文管理模型,解决长对话性能与上下文限制问题
          • 长对话场景性能优化
          • AI 对话交互体验优化与稳定性控制
        • AI 辅助功能
        • AI 能力集成
        • AI对话应用
      • AI 前端项目实战&面试技巧
        • 面试中可能被问到的技术问题
          • 面试中可能被问到的技术问题
          • 源码
        • AI 教育内容生成与智能辅导平台
          • 1-3年前端
          • 5年+前端
          • AI 教育内容生成与智能辅导平台
        • AI实战项目-企业级落地
          • 智能办公领域
            • 极速购智能客服(AI全栈开发实战)
              • 第二章:Agents + Function Calling
              • 第三章:RAG + 向量数据库
              • 第四章:LangGraph 多 Agent 编排
              • 第一章:LLM 核心概念与 LangChain.js 快速上手
              • 极速购 AI 客服系统 — 第三方库详解
              • 速购 AI 客服系统简历包装 + 面试 SOP
              • 完整项目源码
              • AI 全栈开发实战 — 项目总览与快速启动
              • Mac环境 向量数据库 docker 完整环境搭建
              • Windows 完整环境搭建与运行指南
            • WorkMind AI — 智能办公 Agent 平台
              • 第二章:知识库问答(RAG)
              • 第六章:Prompt 调试工具&第七章:用量与成本看板
              • 第三章:任务执行 Agent
              • 第四章:内容生成工作流
              • 第五章:ERP 报销与请假(Multi-Agent 审批流)
              • 第一章:项目搭建 + 智能对话助手
              • 完整项目总结与上线指南
              • 源码
              • WorkMind AI — 简历写法 + 面试 SOP
              • WorkMind AI — 智能办公 Agent 平台
            • 面试官追问的问题
            • 源码
            • AI 数据标注平台
          • AI 内容创作工作台
            • 代码部分
            • 面试常见问题深度解析
            • 数据库设计文档
            • 完整部署指南
            • 完整代码实现文档(Part 1)
            • 完整代码实现文档(Part 2)
            • AI 内容创作工作台
            • AI 内容创作工作台
            • API 接口文档
          • AI 智能运营平台
            • 面试官追问的问题
            • 源码
            • AI 智能运营平台
        • 大模型前端项目——六大难点技术实现方案
        • AI 前端项目实战&面试技巧
      • AI 增强组件
        • 20.1 智能表单 - 完整实现方案
        • 20.2 智能搜索 - 完整实现方案
        • 20.3 AI 代码助手 - 完整实现方案
        • 智能体工作流平台 - 技术难点与亮点深度分析
        • AI Agent
      • Canvas 可视化
        • 11.1 Canvas 高级应用
        • 11.2 Canvas 性能优化技巧
        • Canvas 可视化
      • ECharts 可视化
        • ECharts 封装实践完整指南
        • ECharts 复杂图表实现完整指南
      • Skills-实战操作案例
        • 源码和操作步骤
        • Skills 使用和运行完全指南
      • Three.js 3D可视化
        • 3D 业务场景
          • 3D 业务场景
          • 3D产品展示系统
          • 3D机房可视化监控系统
          • 代码资料说明
          • 智慧园区数字孪生系统
          • VR全景看房系统
          • Web3D粒子特效系统
        • Three.js 基础架构完整指南
        • WebGL 着色器编程完整指南
      • WebRTC 实时通信
        • 15.1 WebRTC 基础架构完整实现方案
        • 15.2 音视频通话完整实现方案
        • 15.3 实时协作功能完整实现方案
        • WebRTC 实时通信
      • WebSocket 实时系统
        • 16.2 客服系统实现
        • 16.3 实时推送场景
        • WebSocket 架构设计
      • 大模型岗位深度解析:应用开发 vs 研发 vs 算法
      • 前端简历 AI 编程提效完整话术方案
      • 前端开发者做大模型应用开发 - 完整技能图谱
      • 实战项目: 企业级任务管理系统
      • Agent Skills 高级实践指南
      • Agent Skills 完全指南
      • LangChain、LangGraph等前端AI库深度解析
      • Skills vs 传统开发方式: 深度对比与迁移指南
      • Vue3 Skills 实战 Demo
  • AI提效在企业项目的落地
    • 增量的项目如何基于sdd驱动开发
    • Agent时代,软件开发的范式
    • SDD 规范驱动开发 — 管理系统 CRUD 实操
    • SDD 规范驱动开发 — 老项目增量开发实操
    • SDD 规范驱动开发 — 理论与面试话术
    • SDD 规范驱动开发 — H5 移动端实操
    • UI还原
  • VibeCoding从0到1实操
    • 第 01 集:什么是 Vibe Coding
    • 第 02 集:2026 年 AI 编程工具全景
    • 第 03 集:Cursor 快速上手
    • 第 04 集:Cursor Rules 与 Context
    • 第 05 集:Rules 实战模板
    • 第 06 集:用 Cursor Agent 从 0 搭 NestJS 项目
    • 第 07 集:Claude Code 终端 Agent
    • 第 08 集:AI 辅助单元测试
    • 第 09 集:AI 辅助重构遗留代码
    • 第 10 集:AI Code Review 与安全扫描
    • 第 11 集:Vibe Coding 工程规范
    • 第 12 集:从 Vibe Coding 到 Agentic Engineering
    • 第 13 集:AI 驱动的完整研发生命周期
    • 第 14 集:为什么需要 Spec Coding(Vibe Coding 的天花板)
    • 第 15 集:spec.md 结构设计(AI 看得懂的需求文档)
    • 第 16 集:核心总结与收获
    • 详解& 视频讲解环境配置
  • Claude Code
    • Claude Code 全功能速查手册

文档中心 & 知识库

这里记录了我在协同文档、AI 赋能开发、以及个人成长方向的技术探索和思考沉淀。

6顶级分类
378笔记总数
Notes Illustration

知识库全部分类

选择一个知识库主题,开始系统性阅读与学习

协同文档

包含 5 篇笔记与实践沉淀

开始阅读

AI赋能前端面试

包含 156 篇笔记与实践沉淀

开始阅读

AI前端相关

包含 192 篇笔记与实践沉淀

开始阅读

AI提效在企业项目的落地

包含 7 篇笔记与实践沉淀

开始阅读

VibeCoding从0到1实操

包含 17 篇笔记与实践沉淀

开始阅读

Claude Code

包含 1 篇笔记与实践沉淀

开始阅读
目录大纲

暂无可用目录