向量检索与传统 SEO：在 AI 搜索下谁的曝光逻辑更稳
AI搜索时代，企业曝光逻辑已分化：SEO优化网页排名，向量检索支撑生成式引用。实测显示，叠加向量知识库后，AI答案露出率从11%跃升至64%，获客增长3.2倍，成本降45%。二者应并行而非替代，共筑“被搜到+被援引”双轨竞争力。（239字）
ECS 上跑知识库的容量与性能实践
本文详解dsh-knowledge插件（v0.4.1，AGPL-3.0）在阿里云ECS上长期稳定运行的关键：容量规划（模型/分块/原始文件/内存四维估算）、模型权重落盘至数据盘、Token级分块参数调优、精准索引重建策略、后台异步下载语义及MinerU容错机制，兼顾备份与监控。
JOIN关联字段字符集不一致——索引失效最隐蔽的场景与排查实战
字符集不一致是索引失效中最隐蔽的场景之一。JOIN关联字段字符集不同、排序规则不匹配、隐式类型转换——这些问题不会报错，索引在EXPLAIN里也可能显示被使用，但查询性能却差了几十倍。本文拆解字符集与排序规则导致索引失效的三种典型场景，给出排查方法和解决方案，并结合真实案例展示从3秒到0.05秒的优化过程。
生产上跑着七个库｜我把它们收进一个之后，账目变了
从一次梳理出七个数据组件、六条同步链路的经历切入，先用跨模型混合过滤讲透"拆开之后"的召回与拼装代价，给出五笔代价清单、四个收敛判断维度、该收敛与仍该独立的两类场景边界，再拆解多模同库的资源争抢与三层隔离手段，最后用收敛前后对比表和分步迁移的回退路径收束。
数据建模到底怎么分层？主题域、概念、逻辑、物理模型一次讲清
数据建模常被“层”混淆，实则两条主线：**主题域→概念→逻辑→物理模型**（解决业务到数据结构的抽象），与**ODS→DWD→DWS→ADS**（解决数据入仓后的加工流程）。二者正交，非上下级。厘清此区分，建模才真正清晰、可落地、可演进。（239字）
MySQL索引为什么必须用B+树？从磁盘IO深度推导
本文深入剖析InnoDB选用B+树作索引的底层逻辑，从磁盘与内存万倍性能差异出发，系统对比二叉树、AVL、红黑树、B树、Hash、LSM等结构，阐明B+树“宽矮多叉、叶节点有序链表、目录数据分离”四大优势如何精准适配MySQL OLTP场景，贯通硬件约束、存储引擎实现与SQL调优实践。（239字）
