面向 AI Application Engineer 的 RAG 重排设计指南：区分检索融合、语义重排、业务排序与证据集合选择，并给出可落地的生产级默认链路。

基于中国大陆、美国与东京各 20 条公开职位描述的调研，梳理 AI Application、Agent 与 RAG 工程师的招聘技术栈，并给出面向东京求职的学习优先级与作品集路线。

一份面向程序员的 Multi-Agent 与 Sub-Agent 系统设计指南：从是否需要多 Agent、任务拆分和协调模式，到上下文、权限、可靠性、评测与生产落地。

本文系统梳理生产级 AI Agent 的上下文压缩方法，区分消息裁剪、工具结果清理、Artifact 外置、结构化摘要与原生 Compaction，并以 Hermes Agent、LangChain v1 和 LangGraph v1 为例给出分层落地与评估建议。

面向没有机器学习背景的程序员，以直观例子解释大语言模型训练中的梯度下降、损失函数、反向传播、学习率与优化器，并串起从预测下一个 token 到参数更新的完整训练循环。

以简化版在线书城为统一案例，系统讲解需求、业务、架构、数据、交互和部署设计阶段常用的软件图。

从 asyncio.run()、协程、Task 与 Future 出发，理解 Python 事件循环如何调度等待、定时器与 I/O，并掌握顺序 await、并发任务和阻塞代码的边界。

系统介绍 RAG 检索工程中的词法检索、稠密检索、混合融合、重排、评测、可观测性与生产治理。

介绍如何为 RAG 系统建立覆盖运行链路、检索质量、生成质量和持续回归的可观测与评估体系。