手搓生产级 AI Agent 系统（25）：MCP 全链路落地前的架构梳理
作为系列第 25 篇，本文基于官方资料梳理 MCP Host、Client、Server 三种角色的边界，对比 stdio 与 SSE 两种通信方式，分析 Python、TypeScript、Java、Kotlin 四种 SDK 及 Spring AI 集成路径，并给出 MCP Inspector 调试与选型建议，帮助开发者在全链路落地前完成架构决策。
LangSmith实战：Agent与RAG链路追踪与自动化评估
以LangGraph RAG Agent为例，系统讲解LangSmith的Trace、Monitoring、Dataset、Evaluator与Experiment能力，给出可复现的配置与代码，并厘清三个RAG指标与Reference Output的关系。
从 vercel/ai 看 TypeScript 构建 AI 应用的接入路径
vercel/ai 以“The AI Toolkit for TypeScript”为定位，提供 provider-agnostic 的统一 API、UI 集成 hooks 与 Agent 抽象。本文基于官方 README 梳理其安装要求、多 Provider 接入方式、结构化输出、ToolLoopAgent 与前端框架接入路径，并明确哪些结论需要结合源码与文档进一步验证。
Agent打字机效果怎么实现？SSE与WebSocket选型与实战
从Agent黑盒等待的体验痛点出发，拆解SSE与WebSocket在实时响应、中间状态推送、断线重连与多路复用场景下的选型边界，给出事件协议设计、FastAPI后端流式实现、EventSource前端状态机、WebSocket上行控制、Nginx关缓冲与可观测指标的完整落地方案。
MCP全链路实战排错指南：从Server配置到Host连接与Inspector调试
基于MCP Host、Client、Server全流程实战资料，梳理从本地Node环境依赖、Server description字段配置，到Client代码执行、Host连接LLM的排错路径，并给出MCP Inspector调试与检查清单。
Copilot 补全不准？用上下文工程改善建议质量
面向已使用 GitHub Copilot 的开发者，针对补全建议与项目规范不匹配的问题，从工程实践角度讨论上下文构建思路：注释引导、函数签名与类型注解约束、打开相关文件、维护配置文件等。文中明确区分官方事实与经验判断，并给出可执行的上下文管理策略与边界说明。
OpenAI欧盟文本溯源方案解读：文本水印机制与合规路径
OpenAI披露EU AI Act文本溯源方案：textGrain水印机制、检测局限、研究者优先访问策略，以及API客户opt-in与欧盟区域默认启用的分阶段落地路径。
向量数据库选型与本地搭建：从零跑通RAG检索链路
面向本地或内网RAG检索服务开发者，梳理Milvus、Qdrant、Chroma在部署复杂度、资源占用与检索接口上的差异，并给出从文本切分、嵌入生成、批量写入到相似度检索的完整工程流程与常见配置问题排查思路。
手搓生产级 AI Agent 系统（24）：RAG变体选型指南
承接系列教程，基于六类RAG变体（Agentic RAG、AUTO-RAG、ChunkRAG、FastRAG、Graph RAG、HtmlRAG）的核心思想，提出面向中国AI开发者的选型决策框架，重点讨论从传统RAG迁移时的检索策略、数据形态与系统复杂度等工程维度。
ReAct、Plan-Execute、Reflexion三种单Agent架构实战对比与选型指
同一模型换架构，效果与成本可能差异明显。本文基于公开论文与社区实战资料，拆解ReAct、Plan-Execute、Reflexion三种单Agent架构的执行流程、代码思路、Token消耗与错误恢复能力，给出选型决策矩阵、混合模式思路与常见踩坑点，并标注示例代码中的模型名与版本号需以官方最新文档为准。
从 vercel/ai 入手理解 TypeScript AI 工具链选型
以 vercel/ai 的公开元数据与 README 为事实基础，梳理 AI SDK 的定位、统一 Provider 架构、Agent 与生成式 UI 能力，并给出 TypeScript 技术栈下的选型检查清单与边界判断。
Qwen-Image-2.1云端部署三大坑：系统盘写满、显存OOM、忘关机扣费
本文基于一篇社区教程（掘金来源）及其中单次实测数据整理，不代表官方基准或官方承诺。以Qwen-Image-2.1云端GPU部署为主线，拆解新手最易翻车的三个问题：系统盘写满、显存OOM、忘关机持续扣费，给出成因分析与工程化规避思路，并附社区教程所述部署流程与故障速查表，供读者自行核验。
OpenAI 调用迁移 DeepSeek API 的兼容层实现
面向已使用 OpenAI SDK 或 REST 接口的开发者，讲解如何封装兼容层将部分请求切到 DeepSeek API。涵盖 base_url、api_key、模型名与参数映射，messages 格式、流式响应、错误码与超时重试差异，并给出环境变量切换、灰度路由与回滚的工程方案。所有具体取值均标注为示例，实际以官方文档为准。
传统RAG、Graph RAG与Agentic RAG怎么选：工程落地选型指南
基于公开资料中已出现的RAG形态，梳理传统RAG、Graph RAG与Agentic RAG在检索、生成、推理与决策链条上的差异，提炼面向工程落地的选型判断表，并讨论从传统RAG向复杂形态演进时的架构边界与失败模式。
Claude Code Mods 实战：自定义工具与终端 TUI 扩展
据社区作者转述，Claude Code 2.1.287 引入 Mods 机制，允许用 JS/TS 在进程内注册自定义工具并渲染终端界面。本文以 rm-guard 防误删插件为例，拆解工具注册、tool.call 拦截、ui.render 状态栏与面板的实现路径，对比 hook 与 Mods 的能力边界，并给出插件校验、测试与工程化建议。文中 API 与版本信息均来自社区教程，请以本地生成类型与官方文档为准。
API 返回 401 的密钥配置与鉴权排查
从 Authorization 头拼写、Bearer 前缀、环境变量加载顺序、多环境覆盖、代理与网关转发等角度，系统梳理 API 返回 401 的触发条件，并给出用 curl 与最小请求体定位鉴权失败环节的工程方法。所有端点、模型名与密钥格式均需按目标 API 官方文档确认。
手搓生产级 AI Agent 系统（23）：LangGraph 与 Ollama 选型对比
本篇是《手搓生产级 AI Agent 系统》第 23 篇，围绕 AI Agent 构建工具选型展开。基于公开资料中关于 LangGraph 与 Ollama 的对比信息，分析两者在 Agent 编排与本地模型推理上的不同定位，给出选型考量与组合使用建议，帮助开发者在生产级 Agent 系统中做出合理技术决策。
从协议握手到LangGraph多Server调用：MCP Agent工具集成实践
以MCP协议握手为起点，结合可运行Python示例讲解单Server工具开发、结构化输出、资源与提示词暴露，再扩展到LangGraph多Server聚合调用的架构设计与stdio/SSE/Streamable HTTP传输选型，最后落到生产环境的鉴权、超时、错误隔离与可观测性要点。
vercel/ai 开源案例：TypeScript 多模型接入与生成式 UI
vercel/ai 是 Vercel 与 Next.js 团队推出的 TypeScript AI 工具库，以 provider-agnostic 的统一 API 接入 OpenAI、Anthropic、Google 等模型，并通过 AI SDK UI 模块在 Next.js、React、Svelte、Vue 等框架中构建聊天与生成式界面。本文基于官方 README 梳理其统一 Provider 架构、结构化输出、ToolLoopAgent 与 UI 集成路径，并指出仍需结合源码确认的边界。
GitHub Copilot弃用4款模型：影响范围与迁移指南
GitHub于2026年10月2日弃用Gemini 3.5/3.6 Flash、Kimi K2.7 Code和Claude Opus 4.7，覆盖Chat、inline edits、ask/agent模式与代码补全。本文梳理受影响范围、替代模型、企业管理员策略配置与迁移评估要点。