解释大语言模型如何把提示词、历史对话和用户问题转成 token 与向量，经过 Transformer、自注意力和位置编码完成上下文建模，再通过概率采样逐 token 生成回答，并给出上下文控制、多 Agent 拆分等工程实践建议。
MCP 是连接大语言模型与外部工具、数据源的开放协议。围绕 MCP 的设计理念、Client/Server 架构、JSON-RPC 通信机制、Stdio/SSE/Streamable HTTP 传输方式，以及数据库智能查询场景中的 Server 设计、安全控制和工程化实现展开讲解。
Claude 的 Agent 能力可以按连接层、认知层和组织层理解：MCP 负责连接外部系统，PTC 用程序批量编排工具调用，Skills 按需注入专业知识，Subagents 把复杂任务拆给多个专门智能体处理。
MCP（模型上下文协议）用于统一 Agent 与外部工具之间的通信。围绕 MCP 的三类角色、SSE 与 JSON-RPC 2.0、初始化握手、工具列表和工具调用流程，使用 Spring Boot WebFlux 实现一个可运行的 MCP Server。
Next.js 与 React Server Actions 相关的远程代码执行风险，会让恶意请求在服务端触发非预期代码路径。这里从影响面识别、攻击链原理、检测思路、日志排查和加固措施几个角度，讲清如何判断系统是否暴露以及如何降低风险。
Nano Banana Pro 不只能用来单次生成图片，也可以接入内容生产、社交媒体制图和自拍场景迁移等工作流。这里拆解 3 个相关开源项目：提示词案例库 Awesome Nano Banana Pro、小红书图文生成工具 RedInk，以及自拍传送门应用 SelfieAt。
小红书账号想要变现，不能只盯粉丝数和爆款数据，更要看定位、信任、产品和成交路径是否闭环。这里用 Gemini 搭建一套商业变现诊断 Prompt，让 AI 按固定框架分析账号现状、变现方式、平台风险和下一步动作。
Deep Research 是一种面向复杂研究任务的 AI Agent 范式，它把任务规划、多轮检索、网页探索、证据整合和报告生成串成闭环。围绕 RAG 到 Deep Research 的演进、四大核心模块、评测方法、主流系统局限，以及结构化私域数据与公域信息融合的方案展开讲解。
