本文主要阐述作者通过亲身实践，探索利用AI Agent实现开源应用Helm Chart自动化生成的实践历程。
本文围绕“什么是好代码”展开，作者结合自身职业发展阶段，从初入职场时仅关注完成任务的“黑盒认知”，逐步过渡到深入思考代码质量的多维度评价标准。文章提出，好代码不仅需满足功能需求和稳定性，还应兼顾用户体验、开发效率、可维护性与成本控制，并引用“金码奖”评审标准，从稳定、体验、效率、成本四个维度进行量化分析。作者进一步强调，写好代码需要全局视角，遵循设计原则（如开闭原则）与设计模式（如责任链），避免“坏味道”，同时警惕过度分层和复杂框架对可读性与维护性的负面影响。最终指出，好代码是权衡艺术的体现，其标准随个人成长与团队共识不断演进。
对于老年代的对象，大部分人第一印象是因为多次GC没有被回收所以晋升到老年代的。其实不然，本文对于老年代中发现大量不可达对象深入排查了一下，发现部分高QPS场景下临时对象的提前晋升问题和难以回收的现象。
本文深入探讨了RAG（Retrieval Augmented Generation）技术的实现细节与优化策略，指出在AI应用开发中，RAG常被视为黑盒导致问题定位困难。文章从文档分块（Chunking）、索引增强（语义增强与反向HyDE）、编码（Embedding）、混合检索（Hybrid Search）到重排序（Re-Ranking）等关键环节进行了详细解析，强调需结合具体场景对各模块进行调优，以提升召回率与精确率的平衡，并倡导从快速使用走向深度优化的实践路径。
本文深入阐述了蚂蚁消金前端团队打造的Multi-Agent智能体平台——“天工万象”的技术实践与核心思考。
从一行行难以量化的祖传代码，到一个能在大模型启发下亲手创造并绘制出的函数图像，我真切地感受到了数学赋予技术的美感与底气。解决一个需求的最佳答案，有时不是一个固定的数值，而是一个能解释万千变化的优雅公式。
本文介绍了 Jsonnet 这一功能强大且灵活的 JSON 数据转换工具，作为解决复杂 JSON 生成与变换需求的选择。文章首先回顾了在实际项目中对 JSON 处理工具的需求背景，对比了 jsonpath、jsonpatch、jsonata 等工具后，最终选用图灵完备的配置语言 Jsonnet。Jsonnet 不仅是 JSON 的超集，支持生成 JSON、YAML 等多种格式，还具备良好的性能和扩展性，广泛应用于 Kubernetes、Grafana 等系统。
