语义缓存：LLM 应用的降本增效利器
同样的问题问三遍，token 烧三遍？语义缓存：把相似问题映射到同一答案，命中率 30% 就能省下三成成本、降低一半延迟。实现、阈值、场景边界全解析。
技术
Coding Agent 选型与上手：Claude Code / Cursor / 开源方案横评
AI 编程工具爆发式增长，怎么选？Claude Code、Cursor、开源方案（Aider/Cline）实测对比：场景匹配、成本、可控性、上手教程，附我的选择结论。
One-API 网关架构拆解：多模型路由与计费
公司有 8 个模型供应商、十几个模型，业务方各接各的，计费乱成一锅粥。One-API 网关统一接入、路由、限流、计费，一个入口管所有模型。
MCP 安全与鉴权：企业级 Tool Call 的边界
MCP Server 暴露的是’能力’，能力被滥用就是事故：越权读简历、刷爆上游接口、Prompt 注入。Token 鉴权、会话隔离、工具级权限、审计——企业 MCP 的安全边界设计。
Prompt 状态机：AI 面试越级率 0% 的工程化
让 LLM 按流程走完一场面试，最大的敌人是模型自己——它会在第 3 步跳到第 8 步。System 强元规则 + User 变量 + Assistant 预填开场，三层结构把流程越级率压到 0%。
MCP 生态全景：从 Server 到 Client 到 Hub
MCP 正在成为 AI 应用的 USB-C 接口。协议分层、Server/Client/Host 三方角色、注册表与 Hub、主流实现对比——MCP 生态的一次全景扫描。
个人知识库搭建：从 Markdown 到 RAG 检索
笔记记了十年，要用时找不到。用 Obsidian + 本地知识库 + RAG 检索，把碎片笔记变成可问答的个人知识库，让 AI 替你翻笔记。
Agent 记忆体系：短期、长期与工作记忆
AI 面试官记不住候选人前面说过什么，是产品硬伤。短期记忆（上下文）、长期记忆（向量库）、工作记忆（状态）——Agent 记忆体系的设计与落地。
SSE vs WebSocket：AI 流式场景怎么选
AI 对话要打字机效果，选 SSE 还是 WebSocket？从协议机制、代理兼容、断线重连、服务端实现四个维度对比，结论：90% 的 AI 场景选 SSE，剩下 10% 才需要 WebSocket。
配置中心：从配置文件到动态配置
改一个开关要发版？配置散在 20 个服务里？配置中心把配置从代码里拿出来，动态生效、版本回滚、灰度发布——微服务基础设施的最后一块拼图。