Query Rewriting（查询重写）
是什么
一个在检索前对用户原始查询进行主动优化与修正的“预处理”步骤。能做什么
将模糊、简短或不完整的查询，自动补全、分解或优化为更适合检索的清晰、结构化的形式，从而显著提升后续检索的准确率和召回率。和同类技术对比
不同于Query Expansion（仅扩展关键词），它更侧重于对查询意图的“理解”与“修正”，是优化RAG系统上游输入质量的关键一环。
LlamaIndex
是什么
一个专为大模型设计的数据框架，核心是帮你高效连接私有数据和大型语言模型。能做什么
它能将你的文档、数据库等数据源自动构建成易于检索的索引，并提供一个智能的“查询引擎”，让LLM能精准地从你的资料中获取答案。和同类技术对比
与通用框架（如LangChain）相比，它更专注、更擅长于数据索引与检索环节，就像一个为LLM量身定制的“数据管家”。
WindSurf（乘风）
是什么
一种迭代式、协作式的检索增强生成（RAG）框架，核心思想是让多个 LLM “先想后搜”，协同规划与执行查询流程。能做什么
它将复杂的用户问题分解为多步查询计划，通过规划-执行-反思的循环，动态优化检索策略与信息整合，显著提升对复杂、开放域问题的回答质量与深度。和同类技术对比
相比一次检索就生成答案的 Naive RAG，它更主动、更系统；相比 Self RAG（侧重单模型自我评判），它通过多模型分工协作实现更优的规划与推理能力，处理复杂问题的潜力更大。
Querying Decomposition (查询分解)
是什么
一种将用户复杂的综合问题，智能拆解为多个简单、独立的子查询的技术。能做什么
能让大模型或检索系统“分而治之”，先分别获取各子问题的答案，再进行综合，从而有效解决多步骤、多主题的复杂查询。和同类技术对比
不同于直接处理整个问题的传统方式，它通过结构化拆分提升了处理深度与成功率。与“查询重写”优化单次提问不同，它侧重将“一个问题”变为“一系列问题”。
LangGraph
是 LangChain 框架中用于构建有状态、多步骤工作流的图编排引擎。
是什么
它让你能用“图”的结构来可视化设计和编排复杂的AI应用流程，其中每个节点是一个处理步骤，边定义了步骤间的流转逻辑。能做什么
核心是处理需要循环、分支和状态记忆的复杂任务。比如，它能轻松实现“先回答，如果不满意就重新检索并再回答”这类带反馈循环的智能体（Agent）应用。和同类技术对比
与仅支持线性链式调用的基础LangChain相比，LangGraph引入了循环和状态，能构建更动态、更强大的AI工作流。它比单纯的任务编排工具更专注于为大语言模型应用设计可控的执行路径。
DITy
是一个类型安全的依赖注入（DI）库，专为构建可测试、可维护的复杂AI工作流而设计。
是什么
它是一个轻量级工具，通过编译时类型检查来管理AI项目中各个组件（如模型、检索器、工具）的依赖关系与生命周期。能做什么
让你像组装乐高一样清晰、灵活地组合和替换AI管道中的模块（例如，轻松切换不同的LLM或向量数据库），极大地提升了代码的模块化程度和可测试性。和同类技术对比
相比传统DI库（如InversifyJS），它在编译时而非运行时确保依赖关系的正确性，错误更早暴露；相比硬编码依赖，它让架构更松耦合，是工程化AI应用的重要基础设施。
RAG
是检索增强生成，通过检索外部知识库获取最新信息，再让大语言模型基于此生成回答。它能显著提升模型回答的准确性、时效性，并减少“幻觉”。相比直接提问大模型，它更可信、信息更新；相比微调模型，它成本更低、更灵活，是让通用模型快速获得专业知识的有效方法。
AI Coding Pattern
是开发AI应用时可复用的设计模式与架构蓝图。
是什么
它不是具体工具，而是一套抽象的最佳实践，指导你如何结构化地组合提示词、模型调用、工具使用等，以解决特定类型问题。能做什么
它让你能高效、可靠地构建复杂AI应用，如智能体（Agents）、复杂工作流。它解决了“如何设计”的问题，提升了代码的可维护性与团队协作效率。和同类技术对比
与具体框架（如LangChain）不同，模式是框架背后的设计思想，更抽象、灵活，不绑定特定库。与单个算法/模型相比，它关注的是组件间的交互与流程设计。
Prompt模板库
是经过精心设计的提示词集合。
是什么
一个可复用的高质量提示词集合，针对不同任务（如分析、创作、总结）预置了优化结构，本质上是提升LLM交互效果的“工具箱”。能做什么
它让你无需从零设计提示词，即可获得稳定、高质量的模型输出，大幅提升开发效率与结果一致性，是工程化应用中的核心资产。和同类技术对比
相比自己临时编写，它更可靠、高效；相比单一固定提示，它提供系统化解决方案。但需要注意，通用模板有时需针对具体场景微调，无法完全替代深度定制。
LangChain
是什么
一个用于开发大语言模型（LLM）应用的主流开源框架，核心思想是“链式”编排不同模块。能做什么
它将LLM调用、外部工具（如计算器、搜索引擎）、记忆系统和数据源（如文档、数据库）轻松连接并编排成复杂、多步骤的智能应用工作流。和同类技术对比
相比直接调用API，它提供了更高层次的抽象和丰富工具链；相比更专注的工具（如LlamaIndex专精数据索引），它更通用、更偏向于整体应用流程的组装与调度。
)
