React
-
React.memo 和 useMemo 的区别定义解析（附：使用场景与性能对比）
React.memo 决定一个组件要不要重新渲染，useMemo 决定一次计算要不要重新执行，前者作用于组件边界，后者作用于渲染过程内部，两者可以配合使用但不能互相替代。在一个数据…
-
AI Agent 工具调用定义解析（Tool Calling 的完整流程与 JSON Schema 约束详解）
Tool Calling 的本质是”模型给指令，程序去执行”——LLM 不直接运行函数，而是按 JSON Schema 输出一份结构化调用指令，由应用层执行…
-
ReAct 推理范式深度拆解（让 Agent 可靠完成任务的核心机制）
ReAct（Reason + Act）的核心是把”思考”和”行动”塞进同一个 LLM 解码流——每一步生成 Thought 推理、A…
-
退出登录后导航栏状态不刷新解决方案（GitHub 文档翻译工具项目）
退出登录之后，页面上还残留着上一份登录态。用户点击”退出登录”，页面已经跳回首页，导航栏右上角却还挂着头像和用户名，非得手动刷新一次才恢复正常。这个工具用的…
-
前端技术栈与实现（GitHub 文档翻译工具项目复盘）
前端技术栈的选择，本质是在交互复杂度与维护成本之间做取舍。项目要处理 GitHub 安装授权、文件树勾选、任务进度轮询这些交互，又得保证首屏快、代码好维护，还得让不认识我的人也能接…
-
Markdown 渲染优化方法（AI 视频下载总结器的实时渲染性能）
AI 总结经 SSE 一边生成一边推流，前端每收到一个 token 就把全文重新渲染一次。总结一般都有 5000 字以上，marked 解析一遍要 200ms 开外，流式场景下每秒…
-
前端解析 SSE 流式数据方法详解（AI 视频下载总结器的实时响应处理）
后端把总结生成出来只算完成了一半，另一半是让用户在浏览器里看着结果一个字一个字蹦出来。第一次实现我直接用了 EventSource，连上就收数据，省心。可一接入真实接口就卡住了：总…
-
前端使用选型对比（AI 视频下载总结器的极简实现）
前端选型的第一道坎，往往不是技术，而是对产品形态的共识。产品形态很明确：用户粘一个视频链接，页面提交任务，后台下载、抽字幕、让大模型总结，再把结果一段段流式刷到屏幕上。就这点交互，…
-
前端技术栈选型指南（AI 热点监控前端的整体实现路径）
这套前端的技术组合是 React 18 + TypeScript + Vite 作为骨架，Zustand 管全局状态，TanStack Query 管服务端数据的请求与缓存，ECh…
-
LangChain 的 Agent 执行流程是怎样的？（详解 ReAct 循环与执行器机制）
在 LangChain 构建的 AI 应用体系中，**Agent（智能体）**无疑是最具“智慧”的组件。它不再像传统的 Chain（链）那样，只能按照预设的、线性的步骤死板地执行任…
