目录与归档
按分类归档的全部文章，共 20 篇。
思考
安排日历做什么：月周日、目标、复盘和 Agent（也对照滴答免费版）
Anpai.Life 是个人节奏系统：月/周/日日历、每天一张 AI 图历、年度目标与里程碑、周复盘 + AI 洞察、会排期和拆目标的 Agent，PC 与手机同步。滴答免费版很好用，但这篇把安排日历本身写清楚——不关心滴答也能读完。
个人站如何获取流量：从技术 SEO 到内容工程、多语言的一手实操
给个人站做流量，不是「发帖等收录」，而是四件事：技术地基（sitemap/rss/结构化数据，让内容能被找到）、内容工程（选题+写作流水线，让内容值得被搜）、GEO（llms.txt+可引用内容，让 AI 引擎引用你）、多语言（中英双语，触达更大的市场）。这篇是我的完整实操记录。
关于意图识别的思考 ---- Plan + 工具设计
做了很多轮意图识别之后我才发现：问题可能根本不在分类，而在 Agent 架构。这篇讲清用 Plan + 工具设计，把「听懂」交给模型、「做对」交给代码。
Loop Engineering 没有银弹：垂直场景 Skills + spec/TDD 落地 coding agent
追求大而全的「全自动驾驶」行不通。密集用 coding agent 半年后的结论：Loop Engineering 的正确载体是垂直场景 Skills，核心是 spec + TDD。
AI
A2A — Agent-to-Agent 协议
A2A 让不同进程、组织和厂商的 Agent 用任务状态机协作；这篇讲清 Agent Card、四步流程，以及一份可跑的 TypeScript 示例。
RAG — 检索增强生成
RAG 让 Agent 能回答私有知识库里的问题；这篇从切片、Embedding、向量库讲到混合 BM25+向量+RRF、精排、OpenSearch，以及私人 RAG 的 ACL / Permissions Collapse。
MCP 双角色：在 AI 测试平台同时做 MCP Client 与 MCP Server
一个 AI 测试平台同时扮演 MCP Client 与 Server 双角色：原理三层速览、双端工程实践，以及接入网关时从报错到规范姿势的排障复盘。
MCP — Model Context Protocol
MCP 把工具从 Agent 里抽成独立进程，用标准协议对外暴露。这篇从普通 Tool 的局限出发，讲清如何实现自定义 MCP Server，让 Cursor 等 Client 直接调用。
混合检索做 Agent 记忆：dense + lexical + RRF
怎么给 Agent 记忆做混合检索：dense + lexical 双路召回、RRF 融合，再配上异步写路径和四态治理，查得准还不拖慢对话。
意图识别：无界给模型、有界给代码
意图识别（含意图解析 / intent parsing）不是分类问题，而是一条可观察、可校验、允许承认不确定的执行链：无界语言给模型听懂，有界事实给代码算准、守住。
LLM Agent 凭空说「已创建」，数据库却是空的：出口校验怎么设计
模型没调任何写入工具，却回复「已创建日程」。入口拦「已创建」这些措辞拦不住，模型总能换说法。用出口不变量「检查事实、不猜措辞」——只有数据库真的写入，才算成功。
意图识别的槽位抽取：中文时间解析的坑
意图识别不止是「分类出意图」，还得抽出时间、标题这些槽位。时间是最容易翻车的槽位：「7点半」无前缀时是早上 7:30 还是晚上 19:30？难点不在听懂，而在歧义消解。
我们为什么删掉了 530 行意图正则：一次日历 Agent 的架构重写
用真实用户问题重构日历 Agent：从 530 行意图正则走向一次大模型调用，并用状态机、工具约束、出口校验和真模型评测守住安全边界。
Agent 意图识别：从分类器到可执行控制系统
意图识别不该只是给一句话贴标签。它是一套控制系统：决定要不要调工具、调哪个、是否允许副作用、缺信息时如何续接，以及最后一句话能不能信。
我放弃了运营工作台，用几句话生成了上千张日历图
过去一周用 skill 生成了上千张日历图，我放弃了运营工作台。AI 时代，能「说话」做完的事，别再回到「做系统」的老路上——最小投入才是成事的关键。
我为什么要做 AI Gateway：独立开发者的模型中转、成本与限流
对独立开发者来说，AI Gateway（模型中转）不是炫技，而是把模型接入、成本与限流、稳定性收拢到一处的最小工程单元。这篇讲上线级中转站的五个能力，以及每个能力背后的坑。
AI 研发从 Demo 到生产环境差了什么
真正的差距不在模型效果，而在工程化：观测、回归、成本、权限和故障恢复是否完整。这篇逐项讲 Demo 到生产要补齐的五件事，以及每件事最容易被忽略的坑。
工程
数据过载与分布式改造
分库分表 → 读写分离 → 全局唯一 ID（雪花）→ 分布式事务，它们经常伴随出现，组成一套面对"数据量大、并发高"的改造手段。
一个人，也可以做完一款产品：我的 OPC 软件研发实践
独立开发者如何一个人做完一款产品？以「安排日历」为实践，用 AI、Coding Agent 与 Skills，把真实痛点转化为需求、设计、开发、测试到发布运营的完整软件生产体系。
清单应用的客户端和 PC 端同步架构
清单类应用难点不在页面，而在多端同步和冲突处理；设计对了，同步体验才会"像本地一样自然"。这篇讲同步架构的几个关键设计，以及最容易翻车的坑。