Java程序员入门AI应用开发：一份务实的学习路径
本文为 Java 程序员梳理 AI 应用开发务实路径，指出无需转向算法，Java 生态已具备成熟 AI 应用开发条件。文章区分 AI 算法与应用开发，介绍 Spring AI、LangChain4j 等主流框架及选型建议，分调用、增强、编排、工程化四阶段讲解学习路径，推荐三类练手项目，还给出避坑指南，明确 Java 程序员可依托现有技能快速切入 AI 应用开发领域。
从 Prompt 到 Context 再到 Harness：AI 工程的三次进化
本文以马为喻，介绍 AI 工程实践三大核心概念：提示工程聚焦优化与 AI 的沟通方式，上下文工程侧重为 AI 精准配置全量信息，驾驭工程则着眼设计约束 AI 的工作环境。三者随 AI 能力演进层层递进，从聊天时代到 Agent 时代，是 AI 开发从简单交互到复杂自主任务的关键工程进化，也为 AI 开发者提供了清晰的学习与实践路径。
AI Agent 开发入门：从概念到架构的系统学习总结
本文为 AI Agent 开发入门的系统性学习总结。Agent 技术仍在快速演进中，建议持续关注领域内的最新进展。
2025小雪于入职阿里两天后有感：七年之后，仍在路上
入职阿里是七年职业路上的新起点。过去的经历让我更稳也更清醒。未来，希望以“踏鸿”之志，在更大的舞台上保持进取，继续向更高处生长。
深入理解Raft：Raft选举机制剖析——从状态机到领导权确立
本文通过源码级剖析和工程视角，深度解构Raft选举机制，揭示了如何从状态机转换和RPC交互中，构建起一个健壮的分布式领导权共识系统。
深入理解Raft：Raft的整体设计——角色、任期与日志
深入剖析Raft算法的三大核心支柱：角色模型、任期机制与日志模型。本文将从设计哲学出发，逐一拆解Raft如何在分布式环境中实现强一致性，揭示其易于理解背后的精妙设计