工程师视角，探索技术的无限可能
TECH BLOG
工程师视角探索技术的无限可能
分享我们的技术思考、实践经验与行业洞察，与开发者一起学习成长，用代码创造更大的价值。
长上下文 vs RAG：百万 Token 时代，企业知识库落地怎么选
Gemini 4 Argon 输出上限达百万词元，检索增强还需要吗？基于 100 个交付案例的复盘：需要——长上下文做单任务、RAG 做知识层的混合架构才是企业落地现实解。
U2026/10/03
企业 RAG 知识库搭建避坑：2026 年从文档解析到检索质量的 8 个实测要点
2026 年企业 RAG 知识库搭建最常见的翻车点不在模型，而在文档解析、分块粒度与检索召回。本文给出 8 个实测避坑要点，附可核对数据与落地检查清单。
U2026/08/21
企业知识库 AI 落地：从 RAG 原型到生产可用的三阶段路线图
企业知识库 AI 落地不是一蹴而就的项目。本文给出从原型验证到工程化再到规模化的三阶段路线图，附准确率、延迟、并发的量化通过标准，以及纯RAG、混合检索、GraphRAG的五维对比与三年TCO成本拆解。
U2026/06/16
企业知识库AI落地：多模态RAG三条技术路线的工程化选型与成本拆解
某精密仪器制造商知识库涵盖PDF图纸/现场照片/维修视频，传统文本RAG错检率42%，工程师日均翻资料2.3小时。三条技术路线（纯文本+元数据、多模态Embedding、VLM端到端）如何选？本文拆解工程代价与真实成本。
U2026/06/08
企业知识库 AI 落地实战：从 RAG 到 GraphRAG 的三种架构方案与成本对比
从纯向量检索到 GraphRAG，拆解三种企业知识库 AI 架构的适用场景与真实月成本，附从 62% 到 91% 准确率的升级路径及中文 RAG 踩坑实录。
U2026/05/05
常见问题
博客内容多久更新一次？
每周更新1到2篇，主题以AIcoding/AI Agent/工程实践为主。所有文章基于团队真实项目复盘，不写凑数水文。
文章里的代码可以直接用在自己项目里吗？
可以。所有公开发表的代码片段默认MIT许可，使用前留意上下文是否匹配你的场景即可。
是否接受行业用户投稿？
欢迎。如果你的文章主题与AIcoding/AI Agent/商业化软件交付强相关，发邮件到hello@umayun.com附稿件即可。我们会人工审稿，录用后注明作者署名。