随着大语言模型的快速发展，我们面临着知识时效性和准确性的挑战。RAG（Retrieval-Augmented Generation，检索增强生成）技术应运而生，它结合了检索系统和生成模型的优点，为AI应用带来了革命性的改进。
大模型的局限性
传统的大语言模型存在几个明显的局限性：
- 知识截止日期：模型训练完成后，无法获取最新信息
- 事实准确性：模型可能产生"幻觉"，编造不存在的信息
- 领域专业性：在特定专业领域，模型可能缺乏深度知识
- 实时性：无法处理实时变化的数据
2026/4/27大约 3 分钟
关于博客
我的个人博客的历史
我的语雀花园
欢迎来看
砥砺前行
砥砺前行，终有所得
白嫖党体验Claude Code
Claude Code使用体验
图文转语音系统
支持python图片和文档转MP3语音系统，项目完全依赖minimax2.7大模型
目前我们看到的ChatGPT、DeepSeek、Kimi、千问、豆包都是生成式人工智能，为什么说他们是生成式人工智能，而不是人工智能呢？
人工智能
我们先来看看人工智能是什么？
人工智能 (AI) 是一种使计算机和机器能够模拟人类学习、理解、解决问题、做出决策，以及发挥创造力和自主性的技术。
配备 AI 的应用程序和设备可以感知并识别物体。它们可以理解人类语言并作出回应；可以从新的信息与经验中学习；可以向用户和专家提供详细建议；可以自主行动，替代人类智能或人工干预（自动驾驶汽车就是典型案例）。
人工智能的目标是要让机器能像人一样感知、推理、决策。它包含你熟知的一切，比如下围棋的 AlphaGo、人脸识别、自动驾驶、推荐算法等。
2026/4/24大约 3 分钟
记录 AI 学习与实践的点点滴滴。
主要内容
- 大模型基础 — 机器学习、神经网络、Transformer、注意力机制等核心概念
- AI 工具 — Claude Code、Cursor 等 AI 编码工具的使用体验
- AI 工作流 — 如何利用 AI 提升开发效率，构建 AI 编码工作流
关于本栏
AI 技术正在深刻改变我们的工作方式，这里记录我在学习和使用 AI 工具过程中的心得与总结。
2026/4/22小于 1 分钟
本栏目记录 Java 后端开发的学习与实践历程。
主要内容
- Java 基础 — 面向对象、集合框架、多线程、JVM 原理
- Spring Boot — 快速构建 RESTful API 与微服务
- JavaWeb — Servlet 原理、Maven 构建、MySQL/Redis 实战
- 工程部署 — 打包发布、日志管理、生产环境部署
实践与思考
2026/4/21小于 1 分钟
提示
我是一名全栈开发工程师，热爱技术，喜欢分享。
技术栈
- 前端：Vue / React / JavaScript
- 后端：Java / Node.js / Spring Boot
- 其他：Git / Docker / GIS / OpenLayers
2026/4/18大约 1 分钟
2026/4/18小于 1 分钟
记录前端学习与实践的点点滴滴。
主要内容
- JavaScript — 原型链、作用域、Promise、async/await、垃圾回收等核心概念
- Web 开发 — TCP/UDP 协议、Docker 部署、SQL 基础、AntV 可视化
- 工程化 — GitHub Actions、npm 包发布、前端架构设计
- 数据结构 — 链表、队列、栈、二叉树等基础与实现
- GIS 地图 — OpenLayers 入门，了解 WebGIS 基础
2026/4/18小于 1 分钟
2026/4/18小于 1 分钟
本栏目聚焦 React 生态，从核心原理到工程实践都有涉及。
主要内容
- Hooks — useState、useEffect、useRef 等常用 Hook 的使用与原理
- 源码解析 — 虚拟 DOM、Fiber 架构、Diff 算法、Hooks 链表机制
- 状态管理 — Redux 原理、Context API、状态管理最佳实践
- 工程实践 — 组件设计、性能优化、开发规范
2026/4/18小于 1 分钟
收录一些看过觉得不错的文章、工具或资源，供大家参考。
推荐原则
- 确实对自己有帮助
- 内容经得起验证
- 有一定的参考价值
如果你也有想推荐的内容，欢迎留言交流。
2026/4/18小于 1 分钟