认识AI
本文介绍了AI发展及大模型核心原理，重点解析Transformer神经网络如何通过注意力机制实现自然语言处理突破。以GPT等大模型为例，揭示其基于上下文持续生成文本的推理机制，帮助理解AI为何能生成连贯内容。
Chap01. 认识AI
本文介绍了AI核心概念与大模型开发原理，涵盖人工智能发展历程及Transformer神经网络的关键作用。详解其注意力机制如何提升信息处理智能，并解析大语言模型（LLM）如何通过持续生成实现连贯文本输出，帮助理解GPT等模型的工作机制。（238字）
05 | 倒排索引：如何从海量数据中查询同时带有「极」和「客」的唐诗？
本文通过唐诗检索的类比，深入浅出地讲解了正排索引与倒排索引的核心原理。正排索引以文档ID为键，适合精确查找；而倒排索引以关键词为键，指向包含该词的文档列表，极大提升了多关键词联合查询的效率。文章详细介绍了倒排索引的构建步骤：文档编号、关键词解析、哈希表插入及链表归并查询，并解释了如何通过有序链表的归并实现高效交集运算。此外，还探讨了多字段索引（如作者）、敏感词检测、内存优化等实际应用问题，揭示了倒排索引在搜索引擎、推荐系统等大规模检索场景中的核心地位。
18 | 搜索引擎：输入搜索词以后，搜索引擎是怎么工作的？
本文介绍了搜索引擎的核心架构与工作原理，重点解析了爬虫、索引和检索三大系统。通过分词、纠错、推荐等查询分析技术，结合倒排索引与位置信息索引法，搜索引擎能精准理解用户意图并高效返回相关结果。特别地，以“极客时间”为例，深入讲解了短语检索中最小窗口排序与多关键词相关性判断机制，揭示了搜索背后的技术逻辑。（238字）
构建AI智能体：五十七、LangGraph + Gradio：构建可视化AI工作流的趣味指南
本文介绍了一个基于LangGraph和Qwen大模型的可视化智能工作流系统，旨在降低AI应用门槛，让非技术用户也能轻松组合各种AI能力。系统通过四层处理引擎（预处理、情感分析、关键词提取、智能回复）自动化处理用户反馈，相比传统人工方式可大幅提升效率和质量。文章详细展示了系统架构设计、代码实现和可视化交互界面，并提供了电商客服场景的应用案例。该系统将复杂的大模型能力封装成模块化工作流，支持实时流程监控和灵活配置，有效解决了传统用户反馈处理中效率低下、标准不一等痛点。
11｜精准 Top K 检索：搜索结果是怎么进行打分排序的？
搜索引擎排序核心在于打分与Top K检索。本文详解三种打分算法：经典TF-IDF衡量词频与区分度；BM25引入文档长度、词频上限等优化，效果更优；机器学习则融合数百因子自动学习权重，适应复杂场景。最后通过堆排序高效实现Top K结果返回，提升性能。
19 | 广告系统：广告引擎如何做到在 0.1s 内返回广告信息
广告系统是互联网核心营收支柱，支撑Google、Facebook等巨头超80%收入。它需在0.1秒内完成百万级广告实时检索，属高并发、低延迟典型。本文以展示广告为例，解析其引擎架构：通过标签构建倒排索引，结合树形分片、向量检索与非精准打分预筛，优化召回效率；再用深度学习精准排序，提升匹配度。同时，在索引构建时前置过滤无效广告，压缩检索空间，并依赖全量+增量机制实现实时更新。整体设计兼顾性能与效果，实现千人千面的高效投放。
