AI Agent 从跑通到可用：五个必须解决的生产问题
本文聚焦AI Agent工程化落地难题，提出可直接实践的系统化分析框架：强调将模型路由、上下文管理、工具调用、失败降级与可观测性解耦为独立模块，通过统一API入口实现调用治理，确保系统长期稳定、安全可控、成本透明。
大模型应用成本为什么容易失控：一套可落地的工程治理方法
本文系统阐述大模型成本治理的工程化方法：聚焦重复调用、无效上下文、错误重试与缺细分账四大隐性成本源；主张“先分类、再推理”，按任务价值匹配模型与上下文；强调细粒度日志（模型/Token/缓存/重试/场景）与结构化成本追踪，并给出缓存策略与落地实施顺序，助力降本增效。
[034][公共模块]基于SpEL的方法参数表达式求值器设计与实现
本文设计并实现了基于Spring SpEL的`MethodBasedExpressionEvaluator`，支持方法参数自动映射、占位符解析、Bean引用、自定义变量注入及表达式缓存，具备类型安全、线程安全与高扩展性，适用于权限控制、日志模板、缓存Key生成等场景。（239字）
