手写一个信息获取 MCP Server：fluxio-mcp 从零到开源
从零手写一个基于 FastMCP 的信息获取 MCP Server：RSS 解析、网页转 Markdown、免 Key 搜索，让 Claude/Cursor 等 Agent 直接读取任意信息源。含架构设计、踩坑记录、三层验证体系与接入教程。
LLM
LLM 流式响应的工程化：从代理到协议
SSE 不是’把响应流转发’那么简单：心跳、断线重连、背压、取消传播、事件协议。从 Go 代理到客户端渲染，LLM 流式响应的完整工程实践。
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。
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。
AI 应用可观测：LLM 调用的追踪与评估
LLM 应用是个黑盒：为什么回答变差了？为什么 token 花了这么多？Prompt 追踪、成本审计、质量评估、A/B 实验——AI 应用的可观测体系搭建。
LLM 幻觉治理：从 Prompt 到 RAG 到评测
幻觉是 LLM 的’天性’，治理是系统工程：Prompt 约束、RAG 兜底、引用强制、评测闭环。把 AI 面试的越级率打到 0% 的幻觉治理体系完整复盘。