前言

AI时代，代码是最不值钱的东西。与其“求代码”，不如你花10分钟，下载一个ai coding 的ide上手，自己去提出第一个问题。

当别人把思路发出来之后，我们只需要 把需求 转述 给AI对话框，代码就出来了…

2026年了，拥抱AI吧。学会从写代码，到给AI提需求。

📷 [图片 token=Q7e1bnFt8omTAcxleutcYlgqnsb（未能下载，见飞书原文）]

常见的AI IDE

**你现在当务之急是随便下载一个IDE打开对话框随便问几个问题，提几个需求，**随便下载哪个都行。

字节trae：https://www.trae.cn/

腾讯codebuddy ：https://www.codebuddy.ai/home

阿里qoder：https://qoder.com/zh

cursor：https://cursor.com/

优化

对于 重排、上下文压缩、知识库支持pdf，这三类是问的最多的。

这三点真的很难吗？或许因为没动手自己写过会觉得困难。别怕，AI会就行！

你还可以要求AI写完代码之后，教你代码是怎么写的。

在AI时代，这三个功能，10分钟即可。请动手下载一个AI IDE自己试一试吧～（选个聪明的模型）

重排

我要增加一个功能：在召回文档后，对文档内容进行重排：
1. 指定一个计划，跟我对齐后开始工作
2. 改动的内容记录到文档上，详细告诉我改了什么，把我教明白

1. 使用阿里云百炼平台的重排模型
2. 不降级
3. 文档写到更新日志—{功能}.md里

简历描述：在 RAG 流程中实现向量相似度召回 +文本重排两阶段检索：先由 Milvus 召回 Top-N 候选，再调用 Rerank 按查询相关性重排序，提升检索结果与问题的匹配度。

🎬 视频「重排.mp4」（飞书视频，无法在博客播放）

上下文压缩

我要增加一个功能，对话增加上下文自动压缩：
1. 现在的对话功能比较简单，只是把前面的对话轮数存储到了内存里面
2. 现在我想让大模型的上下文窗口在70%的时候，就自动对前面的内容进行大模型压缩
3. 先看看langchain框架是否有这个自动压缩总结的功能，如果没有则自己实现
4. 首先定制计划，跟我对齐后开始工作。最后把修改的代码和内容写入到一个文档里，把我当作一个什么都不懂的学生教会我

简历描述：基于 LangChain SummarizationMiddleware，在对话 token 接近模型上下文上限（可配置比例，默认 70%）时自动触发 LLM 摘要，保留最近多轮原文，避免长会话与 RAG 多轮检索撑爆上下文窗口。

🎬 视频「上下文自动压缩.mp4」（飞书视频，无法在博客播放）

知识库支持多类型文件

在文档上传知识库自动向量化的环节里，以前只支持了md还是txt？我现在要求支持多文件类型：
1. 根据上传文件类型不同，自动匹配到不同的文件类型处理器里面去进行分片操作
2. 把文件类型处理器支持的所有类型，都写到文档里面，告诉我里面具体是怎么分片的
3. 现阶段要求支持md,txt,pdf,word这四种类型。尝试使用开源的最佳实践方案或者sdk
4. 跟我对齐方案后进行工作，最后把改动的代码内容都写入到一个文档里，教会我怎么写的怎么改的

简历描述：实现知识库多类型文档（TXT/Markdown/PDF/Word）自动解析与向量化索引，采用提取层与分片层解耦及开源组件（pypdf、python-docx），提升知识入库覆盖率与可扩展性。

🎬 视频「支持多类型.mp4」（飞书视频，无法在博客播放）

其他优化思路

记忆的持久化

  • 现状：现在的记忆都是存储在内存之后，服务重启即丢失

  • 方向：将记忆持久化到db里面，用户请求到来之时，先去检索一遍数据库，获取历史对话信息

RAG 评测

  • 现状：无测评

  • 方向：熟悉RAGAS框架，熟练背诵RAGAS八股文/面试题

  • 价值：支撑RAG 召回评测和真实文档的完整故事

业务 Skill落地

  • **现状：**在最初的设计之中，各种处理文档，SOP都是存在知识库之中的。

  • **方向：**在26年之后skill爆火。其实这部分内容是可以写到skill里面的，而不再需要知识库了。

  • 价值：体现真实技术迭代而非纯包装。

可观测性与稳定性

  • 指标：请求延迟、Token 用量、检索条数等常见业务指标

  • **方向：**适用于有经验的社招，实习可不用关注

  • **价值：**作为一个成熟的项目，除了项目本身，更应该思考整体的稳定性，可观测等