大模型

AI 能力封装从 MCP 到 Agent Skills 的演进路径，涵盖 MCP 协议原理、Skills 概念、两者关系、封装方法论、设计原则，以及在企业级 AI 应用中的实践和选型建议。

基于 LangGraph 的多智能体协作系统实践，涵盖 Agent 角色设计、状态机编排、工具调用、人机协作、记忆管理，以及在招聘场景（AI 面试官+简历分析师+匹配专家）中的实战应用和效果评估。

Prompt 工程的进阶技术，从基础提示词到 CoT 思维链、ReAct 推理模式、Few-shot 示例、Self-Consistency，以及在招聘场景（AI面试、简历评估、职位匹配）中的实际应用和效果对比。

基于 FastMCP 从零构建招聘领域 MCP Skills 服务的完整实战，涵盖项目结构、工具定义、资源管理、提示词模板、鉴权安全、部署运维，以及在 Claude/Cursor 中的实际使用体验。

MCP（Model Context Protocol）协议的深度解析，从设计哲学到三大核心能力 Tools/Resources/Prompts，传输层、安全模型、生命周期管理，以及和 Function Calling、OpenAPI 的本质区别。

MCP（Model Context Protocol）协议入门与实战，基于 FastMCP 框架构建企业级 Skills 服务，让大模型安全调用招聘平台的结构化数据，实现 AI 智能体的工具调用能力。

基于 One-API 的大模型网关架构设计，涵盖多模型统一接入、API Key 鉴权、限流策略、Token 计费、会员体系，实现 AI 能力的商业化闭环。

RAG（检索增强生成）的完整落地方案，涵盖文档切分策略、向量化、向量检索、重排序、Prompt 工程，以及在招聘场景下的实际应用和踩坑经验。