VS Code + Sweetpad 原生构建插件 + XcodeGen 声明式纯文本管理的组合，打造了一个“无 Xcode 界面依赖”的现代原生 iOS 开发闭环，让 AI 协作更方便。

RAG 中，单靠向量或稀疏检索等粗筛手段，难以应对生产级高精度要求，且多路混合检索的分数存在打分尺度不统一等局限。为此，RAG 通常引入重排序精排模型作为过滤屏障。本文从介绍重排模型的基本概念与基础使用，到多源数据合并、动态截断算法以及字符预算控制等核心流水线的设计与实现。

本文对比了稠密向量与稀疏向量的几何特征，并结合 PyMilvus SDK 提供了双路混合检索（加权分数融合与倒数排名融合 RRF 算法）从特征生成、多特征建表索引到单路与多路检索调用的开发实战。

在 RAG 系统中，多模态结构化提取能力是重要基石，我们可以使用以 MinerU 这类智能多模态解析方案，在复杂文档的处理中还原表格与物理图像的真实轮廓，极大增强知识切片的高可信度。

对于大模型对话 Agent 的会话与记忆管理，黑白梦博客助手采用了一套“双存储解耦架构”：以 Redis 作为轻量级的短期运行快照，结合 LangGraph 的 Checkpoint 机制实现动态上下文剪裁；以 MySQL 作为长期全局档案，实现精准溯源与冷启动恢复。

在构建大模型系统时，流式输出已成为 AI 产品的标配。本文将详解一套基于 Server-Sent Events (SSE) 的全链路方案，涵盖基础的单接口双流同步与流中断机制，延伸至双通道异步队列解耦与长连接生命周期清理，以及 Nginx 反向代理部署和防缓冲优化。