小江的技术记录
小江AI
这里记录我在 AI、Agent、前后端和基础设施上的学习、实践与复盘。 文章会把问题、推理过程、实现细节和验证结果写清楚，方便后来回看，也方便读者把方法带到自己的项目里。
当前主线个人学习与实践
- 文章
- 322
- 栏目
- 7
- 技术主线
- AI + Infra
近期关注
三个实践方向
从这里开始
重点文章
01LLM、工作流、RAG 和 Agent 到底是什么，有什么区别从同一个知识查询任务出发，拆开模型生成、固定流程、外部检索和动态决策，建立后续 Agent 开发需要的第一张系统地图。02Plan、Auto、Goal 与 OPC：AI 时代的个人全栈工作系统区分 Plan、Auto 和 Goal 的任务、权限与周期，再把产品、设计、研发、测试、发布、增长和复盘组织成保留人类门禁的 OPC 闭环。03知识 Agent 工程实践：从文档进入系统到可审计回答把导入、版本、权限、检索、工具、证据、事件、取消、恢复、评测和观测串成一条匿名工程实现。04DOM 事件系统从点击一个嵌套按钮开始，观察事件目标、捕获、冒泡、默认行为和事件委托。05AI Infra 全景、岗位职责与学习路径沿一条 AI 请求拆开应用、数据、模型、计算、平台和可靠性六层，并把岗位能力落实为可验证产物。
全部栏目
知识地图
70 篇AI 与 Agent从模型输入输出开始，逐步构建具备检索、工具、记忆、证据和质量治理的知识 Agent。12 篇SEO 与增长沿需求、页面、抓取、索引、排名、点击、转化和搜索广告建立完整增长方法。104 篇前端从语言、浏览器和框架内部机制走向构建、质量、性能、安全与跨端工程。21 篇算法从数据结构、不变量和复杂度出发，用 TypeScript 推导并验证常见算法。68 篇后端系统学习网络、Linux、API、MySQL、事务、安全、缓存、消息、测试、性能、部署与企业项目。37 篇AI Infra 工程从运行底座、AI Backend 和模型服务走向 GPU、Kubernetes、企业平台、分布式训练与可靠交付。10 篇AI 实践从核心概念、Agent 协作和能力扩展走向研发闭环、Harness 与个人全栈工作系统。