AI 路线

AI 路线

这里是后续博客的主入口：从会用 AI，到理解 AI 核心能力，再到把 AI 做成可靠系统。旧的后端文章继续保留，新内容会围绕四条主线沉淀。

内容主线

01

AI 使用入门

AI 是什么、模型 token、Codex、本机配置、CC-Switch、Skills 和常用工具。

 02

AI 核心能力

RAG、文档解析、OCR、知识图谱、检索、chunk 和回答质量验证。

 03

AI 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。

 04

Backend Systems

Java、并发、JVM、数据库、消息队列和工程稳定性。

AI 使用入门

适合谁看：会写代码，但还没有系统理解 AI 工具链、模型 token、本机配置和安全边界的人。

先读什么：先建立“AI 的大脑和身体”这张图，再进入模型账号、API key、Codex、Skills 和本机工具配置。

后续文章计划：

  1. AI 是什么：大脑、身体和工具
  2. 普通开发者如何开始使用 AI
  3. 模型 token 是什么，应该去哪里获取
  4. 如何在本机配置 OpenAI API Key
  5. Codex 入门：桌面端、CLI 和 IDE 怎么选
  6. AI 工具箱：CC-Switch、Skills、常用命令与安全边界

资料来源约定：OpenAI 相关教程以官方文档为准，包括 Codex quickstart、Codex CLI、Codex IDE、Build skills、API quickstart 和 API authentication。CC-Switch、Skills.sh 这类工具会按第三方工具介绍，不写成官方能力。

安全边界：不把 token 写进代码，不提交到 GitHub，优先使用环境变量、本机密钥管理或工具自身的安全配置。

AI 核心能力

适合谁看：已经会用模型，希望理解 RAG、文档解析、知识图谱和检索质量的人。

先读什么：

后续文章计划：围绕 OCR、表格结构、chunk、知识图谱、本体论、检索排序和回答质量验证继续展开。

AI 工程化

适合谁看：希望把 AI 能力做成稳定产品或内部系统的人。

先读什么：先从评测和 trace 开始，再看 Agent 工作流、上下文工程、模型服务和成本稳定性。

后续文章计划：

  1. AI 应用为什么需要评测
  2. Agent 工作流不是堆工具调用
  3. Langfuse 这类 trace 工具解决什么问题
  4. 上下文工程：为什么不是把资料都塞进去
  5. 模型服务的成本、延迟和稳定性取舍

Backend Systems

适合谁看：希望把 AI 功能落到真实服务里，同时补齐后端工程能力的人。

先读什么：Java、并发、JVM、Kafka、Zookeeper、数据库和工程稳定性文章。

后续文章计划：保留现有后端文章，后续会把它们和 AI 系统里的缓存、消息队列、检索、权限、任务调度和可观测性连接起来。

已发布 AI 文章