RAG是一种范式全链路拆解（个人观点）
RAG 的本质不是某一套固定工作流，而是检索—增强—生成的工程范式。本文从 Chunking、稠密与稀疏 Embedding、索引、查询优化到重排，梳理全链路，并回应 RAG 已死一类说法。
MimirQ 企业知识库搭建要点：把 RAG 做成可审计的数据流水线
MimirQ 偏向 RAG 基础设施层，解决企业知识库“排错难、改崩效果、无法验收”的工程痛点。本文梳理可观察性、插件合约、组件工厂、Golden 门禁、证据优先与权限裁剪等核心要点。
Transformer 核心知识点梳理：Encoder、Decoder 与 BERT / GPT
从 Encoder、Decoder 出发，梳理自注意力、FFN、残差连接、层归一化，并对比 BERT 与 GPT 的核心差异。
多 Agent 系统：基于 EventBus 的统一通信架构设计
多智能体系统里存在一对多广播、多对一汇聚、拉取、流式推送、高可靠错误消息等多种通信场景。本文介绍如何用 EventBus（发布-订阅）把它们收敛到同一套机制，同时解决引擎内部通信与前后端实时推送。
Vibe Coding 工程化实践：一套可落地的 AI 编程规范与工作流
很多人以为 Vibe Coding 是“凭感觉写代码”。真正高效的玩法，是用架构思维、工具分工和分级工作流，把 AI 编程从玄学变成可交付的工程实践。