Engineering

The craft: writing, shipping and fixing real systems.

Backend, frontend and full-stack engineering — languages, frameworks, data pipelines, debugging and performance.

277 posts · All topics

1

Part 1 — AI Forward Deployed Engineer 必備技能指南（一）：基礎核心概念與技術棧

深入解析 AI FDE 角色所需的核心技術基礎，包含 Python 生態系統、深度學習框架、大語言模型基礎與提示工程技術

·12 min aiengineering
2

Part 2 — 購物車系統的高並發改造（二）：Redisson 分散式鎖、讀寫分離路由與 Docker HA 水平擴展

高並發購物車系列第二篇：深入剖析 Redisson 分散式鎖如何防止超賣與重複下單、AbstractRoutingDataSource + LazyConnectionDataSourceProxy 的讀寫分離路由設計細節（含 @Transactional 的坑），以及 Nginx + MySQL 主從複製的 Docker HA 生產架構。

·32 min engineeringarchitecture
1

Part 1 — 購物車系統的高並發改造（一）：Virtual Threads、HikariCP 與 Redis 快取三管齊下

深入剖析一個真實 Spring Boot 購物車系統如何從「默認設定」升級到能承受 C10K 的生產級高並發架構：JDK 21 Virtual Threads、HikariCP 連線池調校、Redis 分層快取設計，以及升級到 Spring Boot 3.2 過程中的關鍵踩坑。

·30 min engineeringarchitecture
3

Part 3 — CrewAI 完全指南（三）：進階技巧——Flows 事件驅動、Memory 記憶體、與生產部署

CrewAI 進階篇：用 @start/@listen/@router 建立事件驅動的複雜工作流程、三種記憶體機制的實際應用、錯誤處理與成本控制，以及如何把 CrewAI Crew 包成 API 服務部署到生產環境。

·35 min aiengineering
2

Part 2 — CrewAI 完全指南（二）：三個真實場景實戰——競情分析、程式碼審查、客服自動化

CrewAI 不只是玩具：用三個完整的生產級範例說明如何建立競爭對手情報分析系統、自動化程式碼審查流程、以及智慧客服分類與回覆系統，包含工具整合與 Hierarchical Process 實作。

·35 min aiengineering
1

Part 1 — CrewAI 完全指南（一）：入門與核心概念——用多 Agent 協作解決複雜問題

從零開始學 CrewAI：什麼是多 Agent 協作框架、為什麼需要它、核心四大元件（Agent、Task、Crew、Tool）的詳細說明，以及你的第一個 CrewAI 應用程式。

·20 min aiengineering
5

Part 5 — RAG 完全指南（五）：生產級評估、GraphRAG 與 Agentic RAG

RAG 系列終章：如何用 RAGAS 框架量化評估 RAG 品質、GraphRAG 如何用知識圖譜突破向量搜尋的限制，以及 Agentic RAG 如何讓 AI Agent 主動決策何時搜尋、搜尋什麼。

·35 min aiengineering
4

Part 4 — RAG 完全指南（四）：查詢轉換、Self-RAG 與 Context 壓縮

當問題本身就是問題：深入三大 RAG 優化技術——Step-Back Prompting、Self-RAG 自我反思、以及 Context Compression。了解它們的核心原理、實作方式、優缺點與最佳使用場景。

·28 min aiengineering
3

Part 3 — 如何衡量 AI 的準確度（三）：RAG 系統的可靠性評估框架

RAG 系統的評估遠不只是看回答品質，還要驗證檢索忠誠度與事實接地性。本文介紹 Faithfulness、Relevance、Context Precision 等 RAG 專屬指標，以及如何使用 RAGAS 框架自動化評估流程。

·18 min aiengineering
2

Part 2 — 如何衡量 AI 的準確度（二）：大型語言模型（LLM）的評估方法

LLM 的輸出沒有唯一標準答案，該怎麼客觀評估？本文介紹 BLEU、ROUGE、Perplexity、BERTScore 及 LLM-as-a-Judge 等方法，幫助你從多個維度評估語言模型的真實能力。

·15 min aiengineering
3

Part 3 — RAG 完全指南（三）：進階檢索技術——混合搜尋、HyDE、Multi-Query、Reranker

Naive RAG 的搜尋精準度不夠？本篇深入四大進階檢索技術：BM25 混合搜尋、假設性文件嵌入（HyDE）、多查詢檢索（Multi-Query）、以及 Cross-Encoder Reranker，每個都有核心原理、程式碼與最佳使用場景。

·30 min aiengineering
1

Part 1 — 如何衡量 AI 的準確度（一）：分類與回歸任務的基礎評估指標

AI 準確度不是一個數字就能說清楚的。本文從分類與回歸任務出發，介紹 Precision、Recall、F1-Score、RMSE 等核心指標，幫助你建立客觀評估 AI 模型的基礎框架。

·12 min aiengineering
2

Part 2 — RAG 完全指南（二）：Chunking 策略與向量資料庫選型

深入探討 RAG 系統的兩個核心基礎：如何切塊才能保留語意完整性，以及如何選擇適合的向量資料庫。包含五種 Chunking 策略比較與主流向量 DB 的實測比較。

·25 min aiengineering
1

Part 1 — RAG 完全指南（一）：基礎概念與你的第一個 RAG 系統

從零開始理解 RAG（Retrieval-Augmented Generation）：為什麼 LLM 需要外部知識、RAG 的核心架構是什麼，以及如何用 Python 實作一個最基本的 RAG pipeline。

·20 min aiengineering
2

Part 2 — 用 AI Bot 打造顧問團隊（二）：三條路線的實作步驟與範例程式碼

深入實作：分別用 Claude Code + AGENTS.md、Gemini CLI 與 LangGraph 建立 AI 顧問 Agent 團隊。包含完整設定步驟、System Prompt 設計、範例程式碼與關鍵注意事項。

·30 min aiengineering

LangGraph + AI 後端實戰：構建智能客服工單處理系統

詳細講解如何使用 LangGraph 和 AI 構建生產級的智能客服工單處理系統，涵蓋架構設計、Agent 定義、狀態管理、錯誤處理和實際案例，幫助你快速上線 AI 驅動的客服系統。

·45 min aiengineering

SpotifyMCP2: Control Spotify with Claude via the Model Context Protocol

A deep dive into SpotifyMCP2, an open-source Model Context Protocol server that integrates Claude with the Spotify Web API. Learn how it works, how to set it up, and how to extend it. Covers MCP architecture, OAuth2 flow, TypeScript design, and all 8 exposed tools.

·12 min aiengineeringtools

finance_data: A Python Toolkit for Downloading SEC Financial Filings from EDGAR

A complete guide to the finance_data open-source project: a Python-based toolkit for downloading SEC EDGAR financial reports including 10-K annual reports, 10-Q quarterly filings, and 13-F institutional holdings. Covers setup, usage examples, and the underlying architecture.

·10 min engineeringfinancetools

InvestSkill: Professional Investment Analysis Plugin for Claude Code

Complete guide to InvestSkill, a Claude Code plugin that provides six powerful analytical tools for stock evaluation, fundamental analysis, technical analysis, economics research, portfolio review, and sector analysis. Learn how to integrate AI-powered financial analysis into your development environment.

·15 min engineeringfinancetools
3

Part 3 — Crypto Quantitative Trading Part 3: Optimization, Validation, and Production Deployment

Complete guide to deploying quantitative crypto trading strategies to production. Learn validation techniques, optimization methods, live trading APIs, monitoring systems, and ML enhancements. Includes full AWS deployment architecture and Docker containerization.

·30 min engineeringfinance
2

Part 2 — Crypto Quantitative Trading Part 2: Advanced Strategies and Backtesting Framework

Advanced guide to cryptocurrency trading strategy development and backtesting. Implement multiple strategy types, build robust backtesting frameworks, apply proper risk management, and evaluate performance with industry-standard metrics. Complete with Python implementations.

·28 min engineeringfinance
1

Part 1 — Crypto Quantitative Trading Part 1: Fundamentals and Essential Concepts

Comprehensive guide to crypto quantitative trading fundamentals. Explore market microstructure, data sources, technical indicators, and statistical analysis. Build production-ready data pipelines for Bitcoin and Ethereum with Python, pandas, and ccxt.

·25 min engineeringfinance

Everything Claude Code: The Ultimate Production-Ready Plugin Collection Guide

Deep dive into the everything-claude-code repository by an Anthropic hackathon winner. Discover how to set up, customize, and leverage production-ready agents, skills, hooks, commands, and MCP configurations for maximum productivity with Claude Code.

·22 min engineeringtools

Building a Sentiment-Driven US Stock Trading System with X.com Real-Time Analysis

Learn how to architect a production-ready sentiment-driven stock trading platform that streams X.com posts in real-time, analyzes market sentiment using AWS Bedrock and HuggingFace, and automatically executes trades on US stocks based on social media signals.

·20 min engineeringarchitecture

Building an Intelligent Bitcoin Trading System with AWS CDK and ML Models

Learn how to architect and deploy an intelligent cryptocurrency trading system on AWS using CDK, with historical price analysis, ML-powered predictions from AWS Bedrock and HuggingFace, and event-driven trade execution.

·18 min engineeringarchitecture