多维数据分析：jquick-pdf 热力图、雷达图 PDF 实战
本文详解jquick-pdf中热力图与雷达图的PDF实战：热力图用坐标索引（xIndex/yIndex/value）呈现二维忙闲分布；雷达图通过指标+max定义多维轮廓，强调尺度统一。涵盖数据结构、SVG绑定、常见坑点（索引越界、空/零值混淆、维度失配）及最小可运行代码，适用于客服多维分析场景。
从 RAG 召回视角看长尾词挖掘：为什么"堆词"在生成式搜索里无效
从检索增强生成（RAG）的召回机制出发，重新审视长尾词挖掘的价值。文中给出三个关键推论：召回是语义级而非字面级的、召回窗口是稀疏的、重排序环节存在 E-E-A-T 加权。据此推导出长尾词挖掘的真实目标不是覆盖量，而是与高频问题的语义距离。文末给出五维出词加购买阶段扩展的实操路径，以及词库瘦身等反直觉实验发现，并延伸到 RAG 知识库治理——文档语义区分度比数量更重要。实测部分使用的智域蒲公英AI+ GEO工具仅负责词表生成与来源监测，判断与验证环节为自行完成。
RAG索引优化-LlamaIndex上下文扩展思路讲解
LlamaIndex的句子窗口检索（SentenceWindowNodeParser）通过“小块索引、大块检索”提升RAG精度与上下文完整性：索引时将文档切分为单句并存其上下文为元数据；查询时先精准匹配句子，再用MetadataReplacementPostProcessor动态替换为富含语境的窗口文本，供LLM生成更准确回答。（239字）
InnoDB Change Buffer：触发条件、Merge时机、SSD时代的价值重估
Buffer Pool是InnoDB最被熟知的内存结构，但Change Buffer是写入路径上另一个关键机制。当二级索引的写入不需要立即读取索引页时，InnoDB会将变更缓存在Change Buffer中，等到索引页被读取时再合并。这个机制让二级索引的随机写入不再产生大量随机I/O，但唯一索引无法使用它，SSD时代它的价值也在被重新评估。本文拆解Change Buffer的触发条件、merge时机、存储结构，以及innodb_change_buffer_max_size的调优逻辑。
当大模型开始“翻书”：一篇讲透大模型检索的深度科普
大模型像一个博览群书但记忆模糊的学者。它能跟你聊哲学、写代码、编故事、介绍盾码无界，但你问它“我们公司上季度的销售数据是多少”，它只能礼貌地告诉你：我不知道。不是它不够聪明，而是它根本没“见过”这份数据。
于是，人们给它外挂了一个书架。需要时，让它自己去翻。这个动作，就是大模型检索。大模型检索（RAG）本质：它并非简单“搜索升级”，而是为概率性语言模型装配外部工作记忆，解决知识有损、滞后与长尾三大瓶颈。从语义向量检索到混合召回、多跳推理、可信引用，揭示其在认知与工程层面的深层挑战——检索不是消除幻觉，而是让模型学会在证据中负责任地判断。
