Zero-point field / AI Engineering Notes从会用 AI，到把 AI 做成可靠系统 这里先讲清楚 AI 是什么、工具怎么装、token 怎么用，再进入 RAG、知识图谱、工程化和后端系统。 AI 使用入门 AI 核心能力 AI 工程化 Backend SystemsContent Tracks四条长期主线 01AI 使用入门AI 基础概念、NLP/CV/硬件、模型 token、Codex、CC-Switch、Skills 和本机配置。 02AI 核心能力RAG、文档解析、OCR、知识图谱、检索、chunk 和回答质量验证。 03AI 工程化Agent 工作流、模型服务、评测体系、可观测性、上下文工程、成本和稳定性。 04Backend SystemsJava、并发、JVM、数据库、消息队列、风控中台和工程稳定性。Reading Path推荐阅读路径 01先从 AI 使用入门开始按概念、token、Codex、本机配置、工具箱和安全边界的顺序，补齐普通开发者使用 AI 的基础路线。 02再看 RAG 文档解析链路理解文档进入知识库之前，解析、结构保留和测试样本为什么会影响检索质量。 03然后进入 AI 工程化从 Agent、模型服务、评测、trace、上下文工程和成本稳定性，理解 AI 应用如何进入真实系统。 04最后回到后端基本盘Java、并发、JVM、数据库、消息队列和风控中台经验，是把 AI 能力落到系统里的底座。Latest最新记录 RAG 文档解析链路：解析质量如何决定检索质量记录 RAG 入库前的文档解析、结构保留、切分验证和开源复现思路，解释为什么上游质量会直接影响检索与回答。2026.07.27 博客重构路线：从会用 AI 到可靠系统说明这个博客后续如何围绕 AI 使用入门、AI 核心能力、AI 工程化和后端系统持续更新，避免只变成零散笔记。2026.07.27 工作中常用的工程写法代码技巧2025.05.19 英语自然拼读法基本规则汇总英语发音2025.04.19 混沌工程-容灾能力测试实战发现问题能力训练实战2025.03.22 JVM指令集JVM指令集2025.02.19 JVM原理解析与实战JVM2025.02.18 Kafka原理解析与实战Kafka2025.02.02