Agent 安全防注入
纵深防御体系
阅读全文 →阿里百炼多模态文档拆分
前面那篇多模态拆分写了一些大致的思路。这篇用阿里百炼的文档解析 API + 千问 VL，讲一下具体实现。
阅读全文 →LangSmith 实战：让 LangGraph 项目零代码获得完整追踪 + 评估能力
上一篇我从零搭了一套链路追踪（TraceContext + traced_span + SQLite）。写完一个朋友说："你在 LangGraph 上跑 Agent，为什么不用 LangSmith？" 确实——LangGraph 和 LangSmith 是同一家公司的东西，LangGraph 的节点/LLM/工具调用 LangSmith 自动就能抓到，一行埋点都不用写。这篇把接入、自定义埋点、数据集、评估实验、实战排查全写一遍。
阅读全文 →链路追踪日志：多 Agent 系统里每条 LLM 调用、每次工具执行都能被追踪
多 Agent 出问题时最难的往往不是修 bug，而是压根不知道 bug 在哪个 Agent 并行跑，每个又调了 LLM 又调了工具，到底哪一步慢了、哪一步错了、token 花在哪了？
阅读全文 →RAG ：阿里百炼文本向量化——从 chunk 到检索的最后一环
RAG 系列第三篇。前两篇写了 chunk 拆分（百炼多模态文档解析）和向量存储（Milvus），这篇补上中间被跳过的 embedding 环节。
阅读全文 →联合搜索：向量 + BM25 + 知识图谱怎么并排跑——多通道检索入门
单一检索通道永远有盲区——向量搞不定精确术语、BM25 搞不定语义、图谱搞不定长尾查询。
阅读全文 →Milvus 折腾记
向量数过了 50 万之后，Redis Stack 的 HNSW 索引开始吃力。本文记录我从 Redis Stack 迁到 Milvus 的全过程，包括 Docker 安装、Schema 设计、索引选型的实际对比、以及迁移过程中的踩坑记录。
阅读全文 →Neo4j 实战：知识图谱从安装到查询
给湖北理工官网助手接上 Neo4j 存三元组，把"查一段话"升级成"查一张图"。覆盖 Docker 安装、Schema 设计、Cypher 查询、批量写入、以及跟 RAG 系统的对接方式。
阅读全文 →Graph RAG 入门：让 RAG 从"看一段话"升级到"看懂整张图"
普通 RAG 只能答"数据结构考什么"，答不了"学院课程体系整体怎么设计的"。Graph RAG 在检索前多做了一步——把文档转成图、图切成社区、每个社区写摘要。检索时先定位社区再看细节，LLM 就有了全局视野。
阅读全文 →上下文窗口的切分法则：system prompt、对话历史、RAG 结果、工具
上下文窗口是 Agent 最稀缺的资源。本文用拆解我的上下文管理方案：token 预算结构体、对话历史压缩算法、工具返回值截断规则、RAG 结果格式化器、以及窗口溢出时的降级策略。
阅读全文 →多模态文档拆分：用千问 Qwen-VL 把图片、PDF、PPT、Markdown 拆干净
文本拆分器是"盲人"——它对着一堆字符做切割，根本不知道页面上还有架构图、表格、截图。本文用可落地的伪代码拆解一套统一管线：任何格式 → 每页转图片 → 千问 VL "看图说话" → 在描述文字上做语义拆分。每一步都有代码示例。
阅读全文 →上下文完整性：让 LLM 能"看到"每个 Agent 的产出
修复前，checkpoint 只存 supervisor 的调度消息，子 Agent（路线/酒店/美食/文化）的产出全部封在 result 字段中不可见。用户问"把第二天的酒店换成便宜的"时 LLM 根本不知道推荐了什么酒店。将子 Agent 的摘要 AIMessage 写入 messages 解决了这个问题。
阅读全文 →