安装ES、Kibana、IK
本文介绍如何通过Docker部署单节点Elasticsearch与Kibana，并配置IK分词器。内容涵盖网络创建、镜像加载、容器运行、插件安装及分词器扩展词典与停用词设置，同时提供常见启动报错的解决方案，助力快速搭建中文搜索环境。
倒排索引：如何从海量数据中查询同时带有「极」和「客」的唐诗？
本文介绍了正排索引与倒排索引的核心原理及应用。通过唐诗检索的场景对比，说明了键值查询与关键词检索的不同需求。正排索引以文档ID为键，适合精确查找内容；而倒排索引以关键字为键，指向包含该词的文档列表，极大提升了多关键词联合查询的效率，广泛应用于搜索引擎、数据库全文检索等领域。
RocketMQ总结
本课程系统讲解人工智能基础理论与应用实践，涵盖机器学习、深度学习、自然语言处理等核心内容，结合案例分析与项目实操，帮助学习者掌握AI关键技术，提升解决实际问题的能力，适用于初学者及进阶开发者。
索引更新：刚发布的文章就能被搜到，这是怎么做到的？
本文介绍工业级倒排索引的高效更新机制。针对小规模内存索引，采用Double Buffer实现无锁读写；对于大规模索引，则使用“全量+增量”索引方案，结合删除列表处理删改操作，并通过完全重建、再合并或滚动合并策略管理增量数据增长，提升系统性能与稳定性。
🔤 分词器详解
分词器将文本转为模型可处理的数字序列，主流算法如BPE、WordPiece和SentencePiece各有特点：BPE高效但中文支持弱；WordPiece用于BERT，适合英文；SentencePiece语言无关，支持多语言。选择时需权衡粒度、速度与模型需求，中文推荐SentencePiece。
Chap01. 认识AI
本文介绍了AI核心概念及大模型开发原理，涵盖人工智能发展历程与Transformer神经网络的关键作用。通过注意力机制，Transformer实现对文本、图像、音频的高效处理，成为GPT等大模型的基础。大语言模型（LLM）利用其持续生成能力，逐字推理输出内容，实现连贯对话与多模态生成。
08 | 索引构建：搜索引擎如何为万亿级别网站生成索引？
针对超大规模数据场景，如搜索引擎需处理万亿级网页，倒排索引远超内存容量。解决方案是：先将文档分批，在内存中为每批构建小型倒排索引，再写入磁盘生成有序临时文件；最后通过多路归并技术合并临时文件，生成全局有序的最终倒排文件。此过程类似MapReduce思想，支持分布式加速。检索时，优先将词典加载至内存（可用哈希表或B+树），结合磁盘上的posting list进行高效查询，对过长的列表可采用分层索引或缓存优化。
