基于 Supabase 的 AI 应用开发探索
基于 Supabase 的 AI 应用开发探索 本文从 AI 产业兼具知识、资本、劳动和资源密集型的多元特性切入, 详细分析了 Supabase 作为理想 AI 开发平台的核心优势: 其开箱即用的 BaaS(后端即服务) 特性、与 AI 需求天然契合的向量数据库与集成能力, 以及活跃的开源社区支持。文章重点探讨了利用 Supabase PostgreSQL 的 pgvector 扩展构建 RAG(检索增强生成) 应用的具体实现, 包括数据表设计、向量索引优化和相似度检索函数编写; 介绍了如何通过 Supabase Edge Functions 与 LangGraph 框架构建复杂 AI 智能体 (Agent); 并进一步延伸讨论了构建轻量级 AI 网关以实现模型灵活切换与架构自由的重要性,旨在为开发者提供基于 Supabase 进行全栈 AI 开发的实用指南。
四点钟海棠花未眠
四点钟海棠花未眠 本文以“凌晨四点的海棠花未眠”为意象,探讨技术实践与人文思考的交织。作者分享移植博客主题的历程,借助 AI 工具 Cursor 完成 Hugo 主题开发,揭示与 AI 协作的高效沟通技巧(如上下文控制、Git 管理等)。随后,结合《刺客信条:影》与日本战国史,剖析源赖朝、织田信长等历史人物的宿命,反思 “愚勇” 在历史洪流中的永恒意义。最后,深入解析 Agentic 架构中的 DAG 任务编排与 RAG 进化方向,强调技术协作应基于清晰表达与平等信任。文章从历史视角反思人类与 AI 的协作关系,最终落脚于「表达与信任」的协作共识,呼应川端康成笔下未眠海棠的哲思意象。
Semantic Kernel × MCP:智能体的上下文增强探索
Semantic Kernel × MCP:智能体的上下文增强探索 本文深入探讨了 MCP(模型上下文协议),由 Anthropic 设计的开放协议,它如同 AI 领域的 USB 接口,旨在通过统一接口解决大模型连接不同数据源和工具的问题。文章详细介绍了 MCP 的架构、核心角色、工作原理以及如何与 Semantic Kernel 集成,为 .NET 开发者提供高效接入社区 MCP 服务器的方法,减少重复性平台对接工作。此外,还展示了 MCP 在操作浏览器、访问文件系统等场景中的应用效果,并探讨了其局限性及未来发展方向。在 AI 技术快速发展的背景下,MCP 的出现为实现 AI 模型的 “万物互联” 提供了可能,值得开发者关注与探索。
Semantic Kernel 视角下的 Text2SQL 实践与思考
Semantic Kernel 视角下的 Text2SQL 实践与思考 本文深入探讨了人工智能领域的最新进展,特别是大型语言模型(LLMs)的应用及其与检索增强生成(RAG)技术的结合。文章首先引用《诗经》中的名句,比喻技术的快速发展,随后讨论了 Agent 的概念,强调了其规划、记忆和工具使用的能力。作者分享了对市场上主流 Agent 产品的体验,并提出了对大模型动态规划任务的信念。文中还介绍了 Text2SQL 技术,展示了如何将自然语言转化为 SQL 语句,以及这一技术如何帮助大模型与关系型数据库连接。最后,作者反思了技术进步对人类社会的影响,特别是在效率提升与人类幸福感之间的关系。