Supervisor、Handoff与Blackboard怎么选？多Agent协作模式指南
多Agent可以由Supervisor集中调度、Agent间直接移交，或通过共享Blackboard协作。
并行Sub-Agent为什么让Token成本暴涨？并发、上下文复制与预算排查
并行执行会复制System Prompt、工具Schema、历史和检索上下文，Agent数量翻倍时成本可能超过线性增长。
用Spring Boot实现预算感知的多Agent编排器
实现Supervisor分解任务、受控并行Worker、版本化共享状态和预算结算。
手搓生产级 AI Agent 系统（10）：多Agent协作、Supervisor与共享状态
实现Agent能力目录、Supervisor、任务DAG、受控并发、共享状态合并和结果聚合。
Agent从Checkpoint恢复后为什么重复调用工具？步骤提交与副作用幂等排查
Checkpoint保存时间点不正确时，恢复后会重新执行已经产生副作用的工具。
数据库Checkpoint、事件溯源与工作流引擎怎么选？Agent持久化指南
Agent持久化可以保存最新快照、完整事件或交给工作流引擎管理。本文比较恢复粒度和复杂度。
Human-in-the-Loop审批超时后任务丢失？等待状态与恢复令牌排查
人工审批可能持续小时或数天，不能依赖HTTP连接、内存Future或临时线程等待。
用Spring Boot搭建Agent Checkpoint服务：保存、恢复、审批与重放
实现Agent Checkpoint与人工审批服务，支持状态快照、事件日志、恢复令牌和步骤重放。
手搓生产级 AI Agent 系统（9）：Checkpoint、Human-in-the-Loop与断点恢复
实现步骤级Checkpoint、事件记录、人工审批、中断恢复和副作用幂等。
Agent Planner输出计划存在循环依赖？DAG校验与自动修复排查
Planner生成的步骤可能互相依赖，导致执行器无法找到起点或反复等待。
ReAct、Plan-Execute-Review与状态图Agent怎么选？
三种Agent架构分别强调即时推理、显式计划和可持久化状态图，适合不同任务复杂度。
Reviewer为什么让Agent无限修改？接受阈值、最大轮次与差异检测排查
Reviewer如果只有“继续改进”而没有可判定Rubric和接受阈值，会让执行器无限返工。
用Python实现Planner-Executor-Reviewer状态机Agent
实现带计划校验、步骤执行、Reviewer反馈、局部重试和最终汇总的状态机Agent。
手搓生产级 AI Agent 系统（8）：Planner、Executor与Reviewer闭环
在已有任务规划器之上实现DAG校验、步骤执行、局部审校、状态更新和终止策略。
HNSW索引内存为什么越来越高？参数、Payload索引与副本排查
向量数量增长后，HNSW图、向量数据、Payload索引、副本和缓存都会消耗内存。只调整一个参数往往无法解决。
pgvector、Qdrant与Milvus怎么选？企业RAG向量库选型指南
三种方案分别强调数据库整合、专用向量能力和分布式规模化。本文从规模、运维和过滤能力比较。
向量量化后Recall突然下降？Scalar、Product与Binary Quantization排查
量化能够降低内存和提升速度，也会引入距离误差。下降是否可接受取决于向量分布、候选数和重排策略。
用Python搭建向量库基准测试CLI：Recall、延迟、过滤与成本对比
实现一个可重复的向量库基准工具，使用同一数据集比较索引、过滤、并发和量化配置。
GraphRAG检索结果为什么又多又乱？实体合并、社区摘要与路径约束排查
GraphRAG能够沿关系扩展证据，也容易因为实体重复、关系过密和无边界遍历返回大量噪声。
Naive RAG、GraphRAG与Agentic RAG怎么选？企业知识问答架构指南
Naive RAG适合单跳事实，GraphRAG擅长关系查询，Agentic RAG能够动态规划多个检索步骤。