手搓生产级 AI Agent 系统（19）：从AI Agent到Agentic AI的架构与安全考量
本文是《手搓生产级 AI Agent 系统》系列第19篇。基于搜索信号中关于Agentic AI与AI Agent区别的讨论，本文从工程视角分析如何判断任务场景是否需要引入Agentic AI能力，并梳理在架构层面需要提前考虑的安全设计、透明性保障与责任归属机制，避免算法公平性、隐私安全等风险在生产部署中失控。
手搓生产级 AI Agent 系统（18）：从单MCP到多MCP架构选型与落地关注点
承接系列上一篇 Agent Identity 与 Delegated Authority 的治理视角，本篇聚焦 MCP Host、MCP Client、MCP Server 三段角色，梳理从单 MCP 到多 MCP 的接入结构差异、配置要点与调试关注点，并讨论 MCP 与 Tool Calling 的关系对架构选型的影响，形成面向生产落地的 MCP 集成架构对比研究框架。
DeepSeek API 401 排查：鉴权头与密钥环境隔离
针对服务端集成 DeepSeek API 时高频出现的 401 Unauthorized，本文从鉴权头构造、Token 拼接与换行符污染、环境变量加载时序、网关代理重写请求头四个维度拆解排查路径，并给出最小 HTTP 客户端隔离验证与容器环境差异比对的可执行方法，帮助开发者快速区分密钥失效、编码污染与代理改写三类根因。
DeepSeek API 流式返回在 Python 中的解析与拼接
从 Python 客户端出发，梳理流式响应在 requests 与 httpx 下的读取方式、SSE 行解析、结束标记判断、增量拼接与去重，以及网络中断后缓冲区残留和重复输出的处理方法。文中不臆造接口字段，落地前请以官方文档为准。
AI Agent 工具调用超时：分层超时与重试配置
工具调用拖垮 Agent 运行时，多数时候不是工具本身慢，而是缺少超时与重试的边界定义。本文从工程实践角度梳理分层超时设计、可重试错误分类、退避与重试预算、连接池与并发限制，以及可观测性埋点方法。
RAG 检索结果不相关时的检索链路排查路径
面向已上线 RAG 应用、回答质量时好时坏的开发者，按查询改写、向量化、召回过滤、重排序、上下文拼接五层给出逐层定位方法，并给出最小日志埋点字段与从后往前的排查顺序，区分召回问题、排序问题与生成问题。
DeepSeek API 超时与限流：客户端配置调优思路
面向在服务端集成 DeepSeek API 的开发者，讨论反复出现的请求超时与限流失败如何在客户端配置层解决：超时分层、失败分类与可重试判定、退避与重试预算、并发上限与队列控制，以及把这些参数串成一套自洽配置的方法。需要说明的是，本次可引用的官方资料为空，文中不含任何官方默认值、阈值或错误码断言，具体数值与字段须以官方文档为准。
AI编程工具怎么选：从原生AI编辑器到低代码平台的分类选型思路
资料将AI编程工具分为原生AI编辑器、集成式代码助手、AI编程平台和低代码平台四类。本文不做工具排名，而是结合开发者角色转型与AI Agent触发、执行、评估、重试闭环，给出适用边界、选型维度、失败模式和官方核验清单。
RAG 检索链路 HNSW 参数怎么配：M、efConstruction、efSearch
面向正在搭建 RAG 检索链路的开发者，拆解 HNSW 索引的三类核心参数：M 决定图结构与内存开销，efConstruction 决定构建质量，efSearch 决定查询期召回与延迟。文章同时说明距离度量与向量维度对配置的约束，并给出内存受限、数据量增长、QPS 变化时的调整顺序。
企业知识库的RAG形态选型：传统、Graph与Agentic
基于一组CSDN搜索聚合结果，梳理传统RAG、Graph RAG与Agentic RAG在企业知识库选型中的已知事实、未核验项和工程判断框架。
RAG 向量数据库配置：索引参数与实际检索的调优方法
从召回不足、无关结果靠前、延迟偏高三类现象出发，区分索引构建期参数与查询期参数的调节边界，讨论量化压缩、相似度度量、索引规模阈值对精度与速度的影响，并给出用固定小样本评测集逐项对比配置组合的工程流程，以及配置与 embedding 模型、数据规模之间的适配原则。
私有API接入Claude Code的MCP配置与鉴权排查清单
面向团队将内部私有服务接入Claude Code的场景，本文以search型工程方法组织：先给出MCP server注册与配置的排查顺序，再讨论鉴权token的最小化传递与作用域隔离，随后分析工具schema粒度取舍，最后对比本地与容器环境的路径、网络差异。所有具体命令、字段名与路径均标注为需以官方文档为准的示例，工程建议与事实陈述严格分离。
Spring Boot 对接本地 LLM 的超时分层与连接池排查
把本地 Ollama 这类推理服务接进 Spring Boot 应用时，超时和连接池耗尽往往互为因果，单独调其中一个参数通常无效。本文按通用的分层超时预算、连接池容量反推、流式响应超时语义三个角度，给出可直接执行的排查顺序和验证方法，并明确哪些配置细节必须回到所用版本的官方文档核对。
应用平台对接内网模型：OpenAI 兼容网关配置要点
当应用平台部署在内网、上游是自研或私有化模型服务时，调用失败通常不是模型本身的问题，而是路径拼接、鉴权模式、流式响应、超时分层和 TLS 信任这五处边界同时变化导致的。本文按语义梳理 OpenAI 兼容接入方式下的网关配置要点，并给出一套逐跳验证的排查顺序，帮助定位 404、401、504 以及流式卡死这类典型故障。
LLM API 迁移适配层：字段核对维度与契约测试设计
迁移大模型 API 时，真正难处理的是「请求成功、响应也解析了，但语义已经变了」这类静默失败。本文不提供两家平台的静态字段对照表，而是给出迁移前的差异分类维度、字段路径外置的适配层实现、契约测试不变量清单，以及影子请求与灰度切流的验证方式，目标是让 Provider 切换的风险变成可检测的断言。
RAG 检索不相关：分块与嵌入配置的排查与调优
面向已经搭好 RAG 知识库、但检索结果总是不相关的开发场景，给出一个分层排查路径：先判断问题出在召回还是排序，再用向量距离分布和反向检索判断分块是否合理，最后才有依据地调整 chunk 粒度、重叠、标题处理与元数据过滤。文中同时给出一套最小评估集的做法，避免靠感觉调参。
DeepSeek API 401 排查：密钥与请求头配置检查清单
调用 DeepSeek API 拿到 401 时，问题通常出在请求构造层而不是密钥本身。本文按「先分清状态码、再用最小请求复现、最后逐项收敛」的顺序，给出密钥字符串、环境变量注入、Authorization 头、SDK 与手写 HTTP 差异、代理网关改写等环节的检查清单，并明确标注哪些细节必须以官方文档为准，不作为结论输出。
RAG 检索召回率低：分块与嵌入调用的工程排查
面向已跑通基础 RAG、但实际问答经常检索不到正确片段的开发者，梳理一条按代价排序的排查路径：先把召回失败拆成可观测的几类，建立最小评估集与检索日志，再依次检查分块边界、重叠比例、上下文前缀与嵌入调用侧的一致性问题，最后才考虑换模型或加重排。
向量检索延迟优化：索引结构、量化与查询参数调优
面向已上线 RAG 检索服务、响应时间逐渐变慢的场景，拆解向量检索延迟的构成，说明图索引与倒排索引在延迟机制上的差异、量化对距离计算的影响，以及如何用离线召回-延迟曲线确定查询参数，并给出可执行的排查顺序与边界条件。
大模型 API 400 错误：请求体校验排查清单
调用大模型接口返回 400 时，问题通常发生在请求解析或校验阶段，而不是提示词质量上。本文给出一套分层排查清单：从定位失败层级、构造最小可复现请求，到 JSON 序列化失真、messages 结构检查点、参数取值与未知字段，以及用请求回放与字段级 diff 定位问题。文中不提供任何厂商的字段级规范与错误码对照表，所有检查项都需要对照你所调用服务的官方接口文档逐条核对。