RAG 的召回质量很大程度取决于文档如何分块。围绕中文知识库场景，系统讲解固定长度、句子、递归、结构感知、语义、主题、父子段和混合分块的原理、代码实现、适用场景与调参方法。
DeepResearch 可以把用户问题拆解为搜索、规划、分析、代码处理、RAG 检索和报告生成等多个步骤。围绕 Spring AI Alibaba Graph 的 Java 实现，讲清整体节点编排、混合 RAG、搜索工具、MCP 扩展、连续对话、报告导出和部署方式。
DeepSeek-OCR-WebUI 把 OCR 模型封装成可视化工作台，适合处理截图、扫描件、PDF 页面和表格图片。这里从工作流程、核心功能、适用场景、部署方式和常见问题几个角度讲清楚它怎么用、适合解决什么问题。
介绍 4 个实用 GitHub 开源项目：Awesome Mac 用来筛选 macOS 软件，React Bits 提供高质量 React 动效组件，Agent Rules 为 Claude Code 和 Cursor 提供工程化规则，Microverse 用 Godot 4 构建多智能体 AI 小镇。
上下文工程关注的不再是单条提示词怎么写，而是如何为大语言模型动态组织指令、记忆、工具、检索结果和输出格式。围绕 LangChain、Claude Code、Manus 和 Kiro 的实践，可以看到 Agent 系统从 Prompt 驱动走向 Context 驱动的工程化路径。
Seed3D 1.0 是字节跳动 Seed 团队推出的单图生成 3D 模型系统，可以从一张参考图生成几何结构、纹理贴图和 PBR 材质。围绕数据管线、模型架构、评估结果和具身智能场景，系统讲清它如何把 2D 图像转成可用于仿真的 3D 资产。
Claude Skills 将 Agent 完成特定任务所需的指令、脚本、参考资料和素材打包成标准文件夹。内容围绕目录结构、分层加载机制、与 MCP 的关系，以及开发者如何用同样模式管理自研 Agent 能力库展开。
LLM 不是确定性的开发者，而是基于上下文预测 Token 的概率模型。围绕 p^n 成功率衰减、上下文舒适区、Unknown Unknown 错误和责任边界，讲清如何设计更可靠的人机协同开发流程。
大语言模型默认生成自由文本，难以直接接入业务系统。围绕 Prompt 引导、验证修复、约束解码、监督式微调、强化学习和 API 原生结构化能力，讲清结构化输出的原理、实现方式、评估指标和选型思路。
多智能体框架的差异主要体现在协作抽象、工具调用、状态管理、可观测性和部署能力上。围绕 Swarm、OpenAI Agents SDK、Qwen-Agent、Dify、CrewAI、AutoGen 等 10 个框架，梳理学习、开发、生产三个阶段的选型思路。
