归档后端底层、大数据处理、大模型私有化部署与运维工程化知识点，沉淀可复盘的技术学习实践。
AI 应用
本文通过9个典型场景，拆解RAG、Agent、多模态处理、工具调用、工程化部署等核心技术的混合应用逻辑。RAG构建企业知识库，解决幻觉与私有知识问题，生产端经文档解析、智能切片、向量化建库，消费端通过多路召回、重排、流式生成实现闭环。Agent通过意图路由、短期/长期记忆与工具调用形成对话记忆闭环；多Agent编排借助总控与子Agent分工处理复杂任务。FC、MCP与RAG构成“黄金三角”，分别负责动态工具调用、标准化接入与静态知识检索。多模态摘要降维、NL2SQL自助取数、高并发工程策略、数仓ETL及推荐系统三层链路进一步拓展应用边界。读者可掌握从技术选型到系统落地的完整思路，核心在于场景化组合RAG+向量库+大模型+工具链的底层逻辑。
AI 应用
OpenClaw是一个自托管开源AI助手网关，将飞书、钉钉、微信等聊天软件统一接入本地LLM Agent，实现多渠道统一接入、自托管安全可控。其核心三层架构（Channel/Brain/Body）实现关注点分离：Gateway层负责消息路由与鉴权，从不调用模型；Brain层负责指令解析、人格定义和LLM推理，支持Claude/GPT等模型无缝切换；Body层提供工具调用（如天气、日程）和文件操作。消息处理遵循七阶段Agentic循环（归一化、路由、上下文组装、LLM推理、ReAct工具循环、技能加载、持久化记忆）。记忆采用Markdown+YAML文件存储，支持人工编辑和Git备份，通过检索式访问避免上下文窗口爆炸。自动化任务支持Heartbeat心跳、Cron定时和Webhook事件触发。安全设计三道权限闸：入口闸（本地连接与配对码）、工具闸（默认拒绝白名单）、执行闸（Docker沙箱隔离）。实践踩坑提示包括记忆选择性遗忘、技能依赖耦合、Cron时区问题及Docker权限控制。核心优势：透明可控、安全隔离、灵活扩展。
AI 应用
Claude Code 的核心是单线程 while 主循环（ReAct 模式），通过工具调用触发循环，纯文本回复终止；支持实时打断（h2A 双缓冲队列）。为应对上下文窗口限制，设计五层压缩流水线（从丢弃旧消息到语义压缩），并强调状态外化到文件（如 CLAUDE.md）避免依赖内存。持久记忆由跨会话的 CLAUDE.md 和会话级扁平消息历史构成。四大扩展机制（MCP、Skills、Plugins、Hooks）与子代理（仅返回摘要）实现可控扩展。成本优化需分级选模型、主动压缩（/compact）、回退隔离及切换镜像。Agent SDK 复用核心 harness 加速开发。掌握工具触发循环、压缩策略和状态外化，可构建可控、可调试的生产级 AI 代理系统。
专注后端底层、大规模大数据处理与大模型工程化落地的个人技术知识库。
遵循极简原则与第一性原理，内容聚焦 Kafka 消息队列、容器编排运维、大模型私有化部署与微调实战。
如无必要，勿增实体。
