Agentic RAG：Agent 如何用工具迭代检索
传统 RAG 是’一次检索定生死’，Agentic RAG 让模型自己决定’搜什么、搜几次、要不要换关键词’。同一个知识库，从 55% 准确率提到 78%，代价是延迟和成本。
技术
Go 1.22+ 新特性：泛型后的又一次进化
range 整数、迭代器、互斥锁 TryLock、http.ServeMux 增强——Go 1.22/1.23 的新特性哪些值得立刻用？一份升级实践清单。
AI 时代的架构师：角色升级与能力模型
AI 会写代码之后，架构师的价值在哪？从’写代码的人’到’定边界、做决策、建体系的人’——AI 时代架构师的能力模型与角色升级。
Agent 安全与审计：自主行为的边界
Agent 的自主性越强，安全边界越要清晰：权限最小化、工具白名单、行为审计、注入防御、可回滚——Agent 安全体系设计与落地。
AI 编码实践：从辅助到结对
AI 编码不只是’少打字’。辅助（补全）→ 协作（对话）→ 结对（自主+审查）三个阶段：怎么让 AI 从’帮你写’进化到’和你一起写’，提效 40% 的实战。
Go 内存模型：happens-before 与并发安全
为什么不加锁的并发读可能读到旧值？Go 内存模型的 happens-before 规则、可见性、数据竞争——并发编程的地基，比 goroutine 语法重要得多。
FastMCP 源码级剖析：中间件机制是怎么工作的
用 FastMCP 写了半年企业级 MCP 服务，决定读一遍源码：装饰器如何变成工具定义、session 生命周期、中间件洋葱模型、鉴权注入点。读完你对 MCP 服务的掌控力完全不同。
Prompt 缓存与预填充：TTFT 优化的工程实践
首字延迟（TTFT）是 AI 产品体验的生死线。Prompt 缓存把重复的系统提示词命中缓存，预填充让模型先想好再开口——TTFT 从 3 秒压到 500ms 的工程实践。
AI 评测体系：从准确率到用户满意度
模型准不准，不能靠感觉。离线评测（评测集+指标）、在线评测（A/B+埋点）、业务指标（转化率）——三层 AI 评测体系，让每次优化都有数据背书。
RAG 工程化：从切分到重排的调优实录
RAG demo 人人都能做，生产级 RAG 到处都是坑：切分粒度、召回策略、重排、上下文压缩。用招聘知识库做案例，把检索准确率从 55% 调到 85% 的完整记录。