接单做 AI 应用：报价、工期、验收和风险到底怎么谈
AI 项目的成本结构和传统开发不一样：人天少了，token 多了，而且「做到什么程度算做完」特别容易扯皮。这篇讲需求怎么分型、报价里必须算进去哪些成本、工期的不确定性在哪、以及一份能写进合同的验收标准模板。写给接单交付的同行。
# AI
从一个关键词，发现新的思路。
把 AI 接进现有后端系统：RAG、Agent、MCP，以及那些必须补的工程件
很多人一上来就要做 RAG，其实是把「模型不会答」和「你的数据怎么组织」两个难题捆在一起解。这篇按落地顺序讲三个层次、每个层次真正的难点在哪、MCP 用来干什么，并给出一份后端必须补的工程件清单：超时、重试、降级、幂等、限流、审计、成本闸门、可观测。
图像与视频模型怎么选：可灵、即梦、Sora、Veo 各自适合什么活
后端做交付项目迟早要碰多模态——demo 素材、产品图、宣传短片。这篇按「你要什么」而不是「谁更强」来讲：图像模型看角色一致性与可控性，视频模型看单帧质感还是连续叙事，以及最痛的角色崩脸问题怎么解。计费模式与限流的坑一并说清。
2026 年编码模型怎么选：真实价格对照、四个省钱机制和三档路由
网上流传的模型排行榜，模型名和跑分经常对不上，照着选准吃亏。这篇不给排名，给三样能长期用的：我从各家官网扒下来的真实价格对照、四个能立刻省钱的计费机制（含 DeepSeek 闲时半价与缓存命中差 50 倍）、以及一套三档路由策略。附我自己在 Claude Code 和 Codex 之间的分工。
AI 知识库客服要多少钱？Dify、Coze 与私有化方案对比及数据安全
搭一个 AI 知识库客服要多少钱？对比扣子（Coze）平台搭建、Dify 部署和自研 RAG 三种方案的费用构成、数据存放位置和适用场景，并列出上线前的数据安全与合规清单。
让 AI 干活不翻车：任务书写法、代码评审清单、安全红线
AI 写的代码最危险的不是写错，是看起来对。这篇给三样能直接用的东西：一份任务书模板（七要素）、一份评审清单（重点看被删掉的行）、以及四条不能碰的安全红线。写给已经用上 AI、但还没建立规矩的个人和小团队。
从订阅到上手：Claude Code 与 Codex 的额度、配置和日常工作流
订阅买错了，要么天天撞上限，要么每月白扔几百块。这篇把两家的档位结构、额度的三层限制、订阅与 API 怎么选、以及上手必须配的三件事一次说清，并给出一份可以照着抄的日常工作流。价格以官方页面为准，结构与方法不会过时。
一个后端程序员的 AI 转型路线图：2026 年，从「会写代码」到「会派活」
AI 没让后端失业，它让「只会把需求翻译成代码」这件事贬值了。这篇讲清楚哪些老本可以直接吃、必须补的三门课是什么、三个月怎么安排，以及新手最容易掉的五个坑。给想转、正在转、或者只是想在交付里用上 AI 的后端同学。
2025–2026 后端面试趋势观察：AI 应用、虚拟线程、可观测性、系统设计与行情（附 4 周复习计划）
基于公开面经、备战指南、官方 JEP 与薪资报告，梳理近期后端面试考点变化：AI 应用、JDK 21 虚拟线程、可观测性、系统设计与算法要求、行情与谈判；每条结论标注依据，并给初中高级各一份 4 周复习计划。
面试复习：AI/LLM 应用后端（RAG、Function Calling、MCP、Agent，初中高级）
2025–2026 后端面试的新热点：LLM 基础、结构化输出、RAG 全流程与优化、Function Calling/MCP/Agent、幻觉与评测、成本延迟、安全与人工确认、向量库选型。三层分级，附追问链与速查表。
面经复盘：AI 应用 / Agent 后端岗面试，RAG、工具调用、评测、成本与落地的追问链
根据公开面经整理与改编的 AI 应用 / Agent 后端岗面试复盘：RAG 全链路、Function Calling 与 MCP、ReAct 死循环、评测体系、Token 成本、上线治理，含追问链、答题结构与 Java 代码。