Prompt Engineering与Context Engineering之间的分歧反映了AI应用开发的演变，前者关注指令构建，后者强调动态管理上下文以支持复杂任务。Context Engineering通过RAG架构优化信息流，提升智能体的自主性和系统设计能力，推动AI智能体从简单响应转向复杂决策执行。

Java开发者在选择AI框架时，主要在Spring AI和Langchain4j之间权衡： • Langchain4j优势在于功能全面、声明式注解开发便捷，支持多种LLM和向量数据库 • Spring AI作为Spring生态原生方案，与Spring Boot无缝集成，适合企业级应用 • 目前（2025.4）Langchain4j在开发便利性上领先，但Spring AI在持续演进中 选择建议：如果项目重度依赖Spring生态且对AI功能要求不高，可选Spring AI；若需要丰富的AI功能集成，推荐使用Langchain4j。

从CPU到NPU的进化史，本质上是一场不断突破“效率天花板”的远征。当通用性（CPU）、并行性（GPU）、专用性（NPU）形成动态平衡时，人类终于挣脱了冯·诺依曼架构的桎梏。未来的计算世界或将没有“CPU、GPU、NPU”的界限，有的只是根据任务需求自由流动的算力之海。而这场革命的终极目标，是让每一焦耳能量都迸发出最极致的计算价值。

VSCode配置C++环境

探索AI辅助编程

Ollama在本地Linux上运行大模型，以Gemma3为例

记录第一次线上开源实习，内容主要是用昇腾NPU进行大模型微调和预训练。

HuggingFace 大语言模型选购指南

“Rp天天重写这重写那的，怎么不重写一下地球online”

Linux系统常用操作

STL是提高C++编写效率的一个利器。