「我该用 LangChain 还是自己写 / 换别的？」——这是开始做 Agent 时最常见的纠结。这篇把 LangChain（JS） 和 pi-agent 摆在一起比：不是比谁的 API 漂亮，而是比它们对「Agent 应该由谁来管」这件事的答案。

为了不空谈，我给同一类任务（一个会调工具的查天气 Agent）在两边各写了一份代码并真跑起来：pi 侧用内置的 fauxProvider（不需要 key），LangChain 侧用真实模型端点（DeepSeek 的 Anthropic 兼容接口）。文中的事件序列、消息序列、最终回答都是真实输出。

版本：@earendil-works/pi-ai / pi-agent-core 0.85.1；langchain 1.5.11 / @langchain/langgraph 1.4.15（2026-09 npm 实测）。本站已有两个系列：pi-agent 系列、LangChain + LangGraph 系列。

在 LangGraph 入门 那篇里，我把 reducer 一笔带过：「(a,b)=>b 是覆盖，a.concat(b) 是追加」。但那只是两种写法，不是全部模式——真正的问题是：

同一个 key 被写入多次时，状态该怎么合？

这就是 reducer 要回答的唯一问题。这篇把它讲全：Annotation 的完整用法、reducer 的几种模式、它什么时候被调用、调用几次、以及我把每种行为都真实跑出来的结果（含两个报错，都是实测）。

声明：以下行为全部在 @langchain/langgraph 1.4.15（Node 24）跑出来的，输出是真实的。不同版本行为可能微调，以你的实际运行为准。

「RAG 已死」这种标题这两年轮着上：先是长上下文说要取代它，后来 Agent 说要吸收它。但把噪音去掉，真实情况更像一句评价：RAG 没死，它长大了——从「一条流水线」长成了「一个分层能力」。

这篇聊四件事：传统 RAG 的结构性毛病 → 2026 年的现状与主流解法 → 一个被低估的问题（解析损失） → 最近很热的「像素方案」（视觉/像素级 RAG）到底是什么、什么时候值得用。

文中行业数据来自公开资料（论文、厂商博客、技术评测），统计口径与时点不一，已尽量标注；相关结论请以原文为准。本文也会连到本站已有的 agent / 协议系列。

用 Coze（扣子）搭智能体时，第一道选择题就是模式：单 Agent（自主规划模式） 还是 单 Agent（对话流模式）。很多人凭感觉选，然后在做的过程中反复返工——要么「流程搭得死死的，模型完全没发挥」，要么「让模型自己决定，结果它乱调工具」。

这篇把两者的底层机制差异讲清楚，并给一张选型表和几个常见坑。

先排一个术语雷：「对话流模式」是「智能体的运行模式」之一；而「对话流（Chatflow）」本身是一种「编排类型」（与「工作流 Workflow」相对）。这两个轴经常被混为一谈——本文会分别讲清，因为它们影响的是不同的选择。

内容依据 Coze 官方文档与公开资料整理，平台版本迭代快、不同版本 UI 命名有差异，具体以你所用版本的官方文档为准。

微前端绕不开 Module Federation（MF）。它和 qiankun 那类方案常被放在一起比，但两者其实抽象层级不同：qiankun 管的是「应用怎么隔离地拼在一起」，MF 管的是「模块怎么跨应用加载与共享」。

这篇不空谈：我搭了两个最小应用（host / remote），用 webpack 5.111.0 + @module-federation/enhanced 2.9.0 真跑了一遍构建，把产物、stats、manifest 全抓出来给你看——MF 这套东西「到底生成了什么」，看完就有底了。

声明：本文配置与构建产物均为本机真实运行结果（含 mf-manifest.json 原文）。运行时（浏览器里加载远程模块）未实测，涉及运行时的部分我标明了依据，不编造效果。

AI 写代码越来越强之后，工程圈的焦虑点悄悄换了位置：不再是「AI 会不会写」，而是「我们有没有把它用对、并且真的落地到生产」。

这两年冒出来的两个热词正好对应这两个焦虑：SDD（Spec-Driven Development，规格驱动开发） 管「怎么让 AI 做对的东西」；FDE（Forward Deployed Engineer，前沿部署工程师） 管「怎么让 AI 真的在客户的生产环境跑起来」。一个是方法论，一个是角色；看似不搭，其实是同一件事的两面。

这篇把它们讲清楚：是什么、为什么现在火、具体怎么做、以及有哪些坑。

术语歧义说明（先排除）：SDD 也常被当作「Software Design Document（软件设计文档）」、FDE 也有人指「Frontend Development Engineer（前端开发工程师）」。本文按 2025–2026 年 AI 工程语境写：SDD = Spec-Driven Development，FDE = Forward Deployed Engineer。若你问的是另一种含义，告诉我我另写一篇。

文中行业数据来自公开报道，统计口径与时点不一，已尽量标注来源，引用请以原文为准。

上一篇聊了低代码的发展史与 AI 时代的平台格局，那是「行业面」。这篇落到具体框架：国内最常被摆在一起比较的五个开源项目——amis、formily、tmagic、h5-Dooring、lowcode-engine，它们其实不在同一个赛道，硬比「谁更强」是错的问法。

这篇做三件事：先把它们分类（不同类的框架解决不同问题）→ 逐家拆定位与技术路线 → 给一张选型决策表和几个必踩的坑。文中的版本号与开源协议都来自 npm 元数据实测（2026-09），其余事实标注了来源。

一句话先给结论：做中后台页面 → amis；做复杂表单 → formily；做运营活动页 → tmagic / h5-Dooring；想自己造一个低代码平台 → lowcode-engine。

「低代码」这个词已经被喊了十多年，从「人人都能开发」的许诺，到被程序员吐槽「复杂了就做不了」，再到 2021 年前后的祛魅与退烧。而到了 AI 时代，它换了个马甲又回来了——Dify、Coze Studio、n8n 这些「编排 LLM 和工具」的平台，本质上就是新一代低代码平台，只是画布上的节点从「表单、审批」换成了「大模型、工具、知识库」。

这篇聊三件事：低代码的发展史、它当下的真实现状，以及 AI 时代这几家代表平台各自是什么、怎么选。

文中多数市场数据来自公开报道，统计口径与时点不一（尤其 star 数），已在文中标注时点，引用时请以官方为准。判断类观点是我的个人看法，欢迎拍砖。

在写用前端技术栈写 Agent那几篇时，我把「工具调用循环」讲清楚了，但一直没单独讲它的出处。这个循环不是工程实践中自然长出来的，它有篇明确的论文：ReAct。

这篇把 ReAct 讲透：它是什么、为什么重要、格式长什么样，然后用零依赖的纯 Node 手写一个真的能跑的 ReAct 智能体。最后是重点——我在本机真实跑出来的四个坑，其中有两个非常隐蔽：一个是不报错、只是静默返回空，另一个是模型会伪造工具的返回结果，然后基于伪造值自信作答。

声明：本文所有代码均在本机真实运行，走 DeepSeek 的 Anthropic 兼容端点（deepseek-v4-flash，一个推理模型）。所有输出、stop_reason、token 数都是实测值，不是我编的示意。

最近在写大模型 API 的流式（SSE），发现不少人分不清 SSE、WebSocket、长轮询的区别。这篇把 SSE（Server-Sent Events，服务端推送事件）单独拎出来讲透：它是什么、长什么样、什么时候用它，最后给一个原生 Node、零依赖的最小案例，跑起来给你看真实数据流。