登录社区云,与社区用户共同成长
邀请您加入社区
本文介绍了如何有效使用AI工具(如Claude)辅助编程和日常办公工作,重点针对国内技术环境提供了实用案例。主要内容包括: 提示词撰写技巧:强调清晰的"任务说明书"式指令结构,包含目标、背景、格式和限制条件 编程场景应用: 提供错误排查方法论(分步确认、最小修改) 给出Spring Boot登录接口和Python订单校验的具体案例 办公场景应用: 会议记录转待办事项 跨部门邮件撰写 Excel数据
*优先用原版 MSI 正常卸载,比直接删除 Windows Installer 注册表记录更安全。*/--AI提供的建议。我出现这样的原因是原来存放nodejs的硬盘损坏,导致源文件丢失,因此下载最新的node时提示此内容。不要尝试手动清除残余文件,费时且不安全,还有可能清除不干净。重新下载对应旧版本的node,再卸载。最后重启电脑,重新下载自己想要的版本。如果下载时再次出现上面窗口,点击。,选择
是 Anthropic 推出的终端 AI 编程助手(CLI 工具),能在命令行中直接读写代码、执行命令、提交 Git,并支持与 VS Code 深度集成。重要前提:Claude Code 需要付费账号才能使用——Claude.ai 订阅(Pro / Max / Team / Enterprise)或API Key(按量计费)。免费的 claude.ai 账号不包含Claude Code,务必先准备
请求:{"model":"agnes-2.0-flash","messages":[{"role":"user","content":"1+1=> 不写代码,当指挥官。- **AgnesCode 日志**:直接读取 `~/.agnes/state/logs/llm_request.*.jsonl`,聚合流式响应。请求:{"model":"glm-5.2","messages":[{"role":"
@giszhc/vips-thumbnail 是一个高性能 Node.js 图片缩略图生成库,适用于 GIS 平台、图片管理系统等场景。它能有效解决大尺寸图片加载慢、带宽消耗等问题,支持自定义尺寸和比例保持。文章介绍了基本使用方法、常见开发陷阱(如内存管理、图片比例处理)以及 Docker 部署注意事项。该工具支持多尺寸缩略图批量生成,显著提升系统性能。项目已开源,可通过 npm/pnpm 安装使
和到底有什么区别?什么时候用哪个?__dirname和有啥不一样?读个文件而已,为什么有同步、回调、Promise、async/await 四种写法?说白了,这些问题背后藏着的,是 Node.js 对路径规范和异步 I/O的两大核心设计哲学。今天这篇文章,我就用实测代码带你一次性把它们彻底搞懂。彻底搞清楚path模块 6 个核心 API 的用法和区别理解fs模块的异步演进史,并掌握最优雅的写法收获
本文总结了将NestJS 11应用部署到Vercel的完整指南和常见问题解决方案。关键点包括: NestJS现已在Vercel上原生支持,无需额外配置或serverless-http适配器 常见问题及解决方案: 确保Vercel项目预设正确识别为NestJS(非Other) 完整CORS配置需包含OPTIONS方法和必要头信息 Express版本冲突需避免手动添加express依赖 路径别名在Ve
当传统游戏市场逐渐触及增长天花板,区块链技术正以摧枯拉朽之势重塑游戏产业格局。2026年,全球链游用户规模突破1.02亿,市场规模达299亿美元,GameFi赛道以27%的年复合增长率领跑Web3领域。从腾讯、网易等传统巨头入场,到《Axie Infinity》《The Sandbox》等标杆项目估值飙升,链游已从边缘实验进化为数字娱乐的核心战场。在这场变革中,如何开发一款既能引爆市场又能持续盈利
幻觉:一本正经地胡说八道,无法容忍于专业场景。知识滞后:训练数据截止后发生的事情,它完全不知道。私域盲区:它懂全人类的常识,但不懂你公司内部的规章制度、业务文档。最朴素的解决思路是把所有私域文档塞进 Prompt 让它读。但这受限于 LLM 的上下文窗口和高昂的 Token 成本。RAG(Retrieval-Augmented Generation,检索增强生成)应运而生。不让大模型翻阅整座图书馆
最近在整理 GEO 监测能力时,我重新看了一遍几种采集方式。表面上看,GEO 监测只是问大模型一个问题,然后判断回答里有没有出现目标品牌。真正做起来会发现,它比普通关键词排名监控麻烦得多:同一个问题在不同模型里会有不同检索策略,不同时间会引用不同网页,回答里还可能把品牌、公司、产品和竞品混在一起。这篇只写我这次做技术接入时踩到的点。重点放在两类路线:一类是网页版监测,一类是基于厂商 API 去模拟
2026 年 3 月,一场关于 AI 生成代码的争议在 Node.js 社区掀起轩然大波。一份请愿书在短短数天内获得超过百名开发者签名,呼吁技术指导委员会(TSC)禁止 AI 生成的代码进入核心仓库。这场争议不仅关乎技术选择,更触及开源项目的价值观与未来走向。
痛点:每次给 Claude Desktop 或 Cursor 装 MCP 服务,都得手动找仓库、看文档、编辑 JSON 配置文件,很麻烦。Go 写的,单二进制,零依赖。还可以作为 MCP 服务接入 Claude Code,在对话里直接说"搜索数据库 MCP"就能搜索和安装。开源:MCP Hub - MCP 服务的 npm,一行命令管理所有 MCP 服务。MCP Hub - MCP 服务的包管理器,
Claude Code 【npm安装】如何接入国内大模型?
Anthropic团队在《Harness design for long-running application development》中揭示了AI应用开发的关键洞见:真正决定复杂任务完成质量的不是模型本身,而是为其设计的工作框架(harness)。文章通过前端设计和长时应用开发案例,展示了如何通过拆分任务、建立评价标准和构建闭环系统来解决模型的长程失稳和自我评价失真问题。核心观点包括:将主观任
本文介绍了AI Agent的概念及其核心组成(LLM+Memory+Tool+RAG),并通过手写mini-cursor项目展示了具体实现。作者选择使用LangChain框架,在Node.js环境下实现了文件读写、命令执行等工具功能。文章重点解析了如何通过给大模型添加工具(Tool)来扩展其能力,使其不仅能生成代码,还能执行创建项目、运行命令等操作。最后以读取文件工具为例,展示了使用LangCha
本文以 **OpenClaw**、**Claude Code** 等现象级 AI Agent 项目为切入点,从工程实践角度分析为什么大量 Agent 项目选择 **Node.js + 前端技术栈** 作为核心运行环境。文章通过拆解项目源码与架构,介绍了 Agent 的基本运行模式(LLM 推理 → 工具调用 → 执行反馈 → 循环决策),并进一步分析其关键组件,包括 **Agent Loop、工具
《情绪日记:一款心理健康助手的全栈开发实践》摘要 本文记录了由9人学生团队开发的"情绪日记"全栈应用开发过程。项目采用uni-app+Vue2前端、Node.js+Express后端和MySQL数据库的技术栈,实现了情绪记录、树洞社区、AI心理辅导等功能模块。作为项目组长,作者不仅完成了前端记录页开发(包括情绪可视化图表和AI助手集成),还负责项目联调、团队管理和技术协调工作。
—— 从原理到生产落地的完整技术手册 (2026 版)技术栈:Spring Boot 3.4 + Spring AI 1.0 + Milvus 2.6 + Ollama场景:阿里云低配 ECS 极限部署 / 标准企业级 GPU 集群部署这是一本面向生产环境的 RAG(检索增强生成)系统完整实施指南。不同于市面上偏重理论的 AI 教程,本书从第一行代码到生产运维,提供可落地、可复制、可优化的全栈解决
(1)访问官网,这里下载的是jdk-18_windows-x64_bin这是链接,嫌麻烦的可以直接下载:链接:https://pan.baidu.com/s/1bOeQnEPNPvHqPndGQuGIGQ?pwd=mhh1提取码:mhh1将目录复制一下。
MCP(模型上下文协议)简介 MCP是Anthropic开发的标准化通信协议,旨在为AI模型提供安全连接和使用外部工具与数据源的桥梁。它类似于AI的"USB接口",使AI能安全访问文件系统、数据库、网络资源等扩展功能。MCP支持stdio和HTTP两种通信方式,通过规范化的输入输出参数确保正确交互。MCP服务本质是可执行程序,遵循统一协议与AI通信。文章还提供了一个简单的Nod
《Claude Code 安装与使用指南》提供了该命令行工具的详细配置说明。主要内容包括:安装流程(需Node.js环境)、多种启动模式(交互/单次任务/会话管理)、常见问题解决方案(如连接失败处理)、国内模型接入方法(需修改配置文件)。指南还列举了常用功能(代码审查/生成/优化)、使用示例、模型管理工具推荐,以及国内主流AI平台的兼容配置信息(火山/阿里云/智谱等)。该工具支持代码相关操作、系统
本文详细介绍了OpenClaw工具的安装与配置流程。主要内容包括:1)环境准备,包括通过NVM安装Node.js和Git;2)OpenClaw安装步骤,需在管理员权限PowerShell中执行;3)模型配置指南,重点推荐国内用户使用MoonshotAI(KimiK2.5)模型;4)Web端访问方法。文章提供了完整的命令行操作步骤和常见问题解决方案,帮助用户顺利完成安装并验证功能。
NodeJS 环境下出现的 Vertex AI GoogleAuthError 认证错误
动态 Prompt 构建技术解析 本文介绍了 Agent 框架中动态 prompt 构建的核心机制,主要包含两个关键部分: 双 prompt 注入系统: systemPrompt(系统角色定义)作为 system 消息注入 environmentPrompt(实时上下文)作为末尾 user 消息注入 这种分离设计考虑了缓存优化和语义区分 systemPrompt 的四层组合结构: 基础角色定义和核
很久之前装的nvm了,今天需要使用新的node版本,发现运行 nvm ls available 报错了,记录一下解决过程。4.下载需要的node版本 nvm install (需要的版本号),如:nvm install 24.9.0。早已停止维护,证书指向的域名列表里压根没有它,TLS 验证必然失败。使用需要的版本:nvm use 24.9.0。查看当前node版本:node -v。3.重新打开c
本文介绍了从Prompt Engineering向Agentic Engineering的范式转变,详细阐述了AI Agent的核心概念(LLM+Memory+Tool+RAG+Prompt Template)。作者基于Node.js和LangChain框架,通过封装子进程通信、开发文件读写等工具,构建了一个具备"手眼"能力的编程Agent。文章重点展示了Agent的思考循环机
本文介绍了 Schoober AI SDK 中 ReAct 引擎的实现细节。ReAct 模式通过推理(Reason)、行动(Act)和观察(Observe)的循环让 LLM 完成任务。核心模块包括驱动循环的 ReActEngine、处理流式响应的 ExecutionManager 和错误追踪的 ErrorTracker。文章详细解析了循环控制、动态提示词生成、流式响应处理、工具并行执行等关键技术点
本文介绍了大龙虾(OpenClaw)AI助手的本地部署方法,包括一键安装和npm/pnpm安装两种方式。一键安装过程可能遇到各种问题。安装后需完成8步配置,包括模型选择(如千问)、交互软件设置等。npm安装方式相对简单,需预先安装Node.js(版本22以上)。文章还提供了Node.js安装指南,并预告后续将更新飞书接入教程。部署过程中遇到网络问题可使用科技手段解决。整体流程虽偶遇波折,但官方文档
Claude Code 启动器的项目文件面板提供了一个直观、高效的文件管理方式。通过可视化的树状结构,快速定位文件、批量引用资源,支持智能过滤和搜索,完美解决中文文件名输入困扰。面板集成 Git 忽略规则,自动过滤无关文件,让 AI 编程交互更加流畅便捷,大幅提升开发效率。
内存马是一种无文件攻击技术,通过在内存中动态注册恶意组件(如Java的Filter/Agent,Go/Node.js的Middleware)来实现隐蔽的持久化控制。主要用于APT攻击和高级渗透测试的后渗透阶段,以绕过传统基于文件的安全检测。防御核心在于“运行时检测”,必须超越文件层面。RASP是最高效的手段,同时结合EDR行为监控和定期的内存快照分析,构建纵深防御体系。
📌 摘要(150字) 事件循环是JavaScript并发模型的核心机制。本文系统对比浏览器与Node.js的事件循环差异,深入解析微任务、宏任务、渲染时机等关键概念。浏览器采用"同步→微任务→渲染→宏任务"的循环模型,而Node.js则划分为6个阶段。重点讲解了Vue的nextTick实现原理及process.nextTick的特殊性,并指出常见误区。最后探讨了AI时代下事件
Nodemailer是Node.js平台上最流行的电子邮件发送库,它提供了一个简单而强大的解决方案,支持Unicode内容、HTML内容、附件、图片嵌入等功能。SMTP(Simple Mail Transfer Protocol,简单邮件传输协议) 是一个在互联网上发送电子邮件的标准协议。
摘要:本文介绍了如何利用 Node.js 和 AI 技术开发一个集简历生成与模拟面试功能于一体的工具 My-CV。项目采用 React + Node.js 技术栈,通过 LaTeX 实现高质量简历生成,并设计异步任务队列解决编译性能问题。在 AI 面试功能上,通过精心设计的 Prompt Engineering 让 AI 扮演专业面试官角色,基于简历内容提问,并支持结构化评分报告输出。该项目展示了
本文基于 AtomGit 首发模型体验,开发了 AI Game Generator 工具,实现一句话生成可运行小游戏,并对 GLM-5 与 Qwen3.5 进行双模型并行对比。从提示词设计、并发调用、安全沙箱到缓存优化,完整展示模型实战效果与差异评测,为大模型应用落地提供参考。
本文是系列收官之作,写给每一位AI时代的创造者。在“什么都可以拿来”的今天,作者追问:为什么还要亲手造东西?答案藏在创造者的快感里——用是消费,造才是参与。文章回顾了从“凌云”诞生的过程,证明AI应用的门槛从未如此之低:不需要训练模型、不需要海量数据,只需要一个想法和一点动手能力。作者指出,AI时代最稀缺的不是算力而是想象力,技术越强大,人的独特性越珍贵。最后向读者发出邀请:动手做一个属于自己的智
本文聚焦对话系统的核心设计,从数据结构选型入手,对比了“按条存储”与“按问答对存储”的优劣,最终基于“文件夹即智能体”理念确定了chat.json的存储格式。文章重点阐述了如何构建符合OpenAI格式的messages数组,将智能体人格prompt与历史对话记录融合为完整上下文,并引入上下文窗口管理策略——截取最近N轮对话以平衡记忆效果与token消耗。正式接入模力方舟API,处理API密钥动态读
本文聚焦多智能体身份绑定系统的设计与实现,从隐私保护与场景适配的双重需求出发,提出“每个智能体独立保存用户身份”的核心设计理念——用户告诉医生的病情不会被理财顾问知晓,同时避免每次切换智能体重复杂输入。通过灵活的JSON键值对结构,支持任意自定义字段,满足不同场景下的身份差异化需求。后端实现身份信息的读写接口,并将身份数据动态注入system prompt,让AI在对话中自然感知用户姓名、职业等信
本文进入编码实战,从项目初始化开始,安装Express和nodemon依赖,搭建基础服务器。核心是实现智能体动态发现接口,通过扫描目录、识别“文件夹名.png”和“文件夹名.txt”文件,自动返回智能体列表。文章重点讨论了同步文件操作的适用场景、路径处理注意事项,并延伸思考了多图片格式支持、缓存策略等进阶问题,最终实现“新增文件夹即新增智能体”的核心设计。
本文从“为什么所有AI聊天机器人都长得一样”的思考出发,深入剖析市面方案的四大痛点,将需求转化为“文件夹即智能体”的核心设计理念。通过多维度对比,论证了Node.js+原生JS+文件系统的技术选型逻辑,绘制了分层架构图,并对并发写入、数据完整性等关键问题进行深度预演。本文重在思维启发,帮助读者建立架构认知框架,为后续实战打下基础。
本专栏将带领读者从零构建一个完整的AI智能体对话平台——MultiMind。通过10篇实战文章,深入剖析"文件夹即智能体"的零配置设计、多轮对话上下文管理、模力方舟API集成、多智能体身份绑定系统等核心功能。专栏注重思维路线,不仅讲解代码实现,更分享架构设计思考与踩坑经验,帮助开发者掌握AI应用开发的核心能力,打造真正有"灵魂"的智能对话系统。
手把手带你安装+使用 AI编程 必备的环境与工具,包括 Python、uv、NodeJS、Trae、Git等
AI UI Web 通过自然语言对话自动生成完整的前端界面,让开发变得像聊天一样简单。### 核心技术栈- 前端 :Vue3 + Element Plus + Vite- 后端 :Node.js + Express + SQLite- AI引擎 :通义千问大模型API### 核心设计理念1. 意图驱动视图 :数据即视图,渲染由对话生成的结构化业务数据决定2. 约定优于配置 :通过标准化MCP协议确
随着多年的发展,Node.js覆盖了从业务开发到工程基础设施的完整链路:Web 后端,WebSocket,CLI 工具等等, 甚至连当今流行 WEB3工程与AI 工程都与其深深关联
本文介绍了使用nvm管理Node.js多版本的方法。首先需卸载本地原有Node.js,然后安装nvm工具。通过nvm可以查看可用版本(nvm list available)、安装指定版本(nvm install)、切换版本(nvm use)及卸载版本(nvm uninstall)。使用nvm ls可查看已安装版本,node -v和npm -v验证当前版本。该方法支持在同一台电脑上快速切换不同Nod
Node.js自2009年由Ryan Dahl推出以来,一直是前端工程化、后端开发的核心工具,主打“JavaScript全栈运行时”。而2026年的新一代Node.js,凭借三大核心新特性,彻底打破“仅作为运行时”的定位,升级为更完整、更强大的开发平台,适配2026年AI普及、高性能网络的技术趋势。✨ 核心转变:从「JavaScript运行时」→「全栈开发平台」,无需额外配置,就能搞定TS开发、A
分享自己在探索MCP协议过程中的三个关键踩坑经历:1)误以为进程启动就能立即通信,实际上需要等待服务端就绪;2)错误套用Function Calling参数格式,发现MCP使用不同的inputSchema结构;3)忽略JSON消息必须显式分隔的要求。文章揭示了MCP与Function Calling的本质差异,指出思维定势比技术本身更易造成障碍。作者最终实现了一个包含5个工具的实验项目,并探讨了M
优雅处理异步操作:告别Promise.then的3种新方案 传统的Promise.then写法存在三大痛点:错误处理不精确、无法并行执行异步操作、流程控制困难。本文介绍了三种更优雅的解决方案: async/await - 让异步代码像同步代码一样清晰易读,通过try-catch实现精确的错误处理 Promise.all - 并行执行多个异步操作,大幅提升执行效率 现代Promise API - 包