图像与视频模型怎么选：可灵、即梦、Sora、Veo 各自适合什么活
后端做交付项目迟早要碰多模态——demo 素材、产品图、宣传短片。这篇按「你要什么」而不是「谁更强」来讲：图像模型看角色一致性与可控性，视频模型看单帧质感还是连续叙事，以及最痛的角色崩脸问题怎么解。计费模式与限流的坑一并说清。
# LLM
从一个关键词，发现新的思路。
2026 年编码模型怎么选：真实价格对照、四个省钱机制和三档路由
网上流传的模型排行榜，模型名和跑分经常对不上，照着选准吃亏。这篇不给排名，给三样能长期用的：我从各家官网扒下来的真实价格对照、四个能立刻省钱的计费机制（含 DeepSeek 闲时半价与缓存命中差 50 倍）、以及一套三档路由策略。附我自己在 Claude Code 和 Codex 之间的分工。
让 AI 干活不翻车：任务书写法、代码评审清单、安全红线
AI 写的代码最危险的不是写错，是看起来对。这篇给三样能直接用的东西：一份任务书模板（七要素）、一份评审清单（重点看被删掉的行）、以及四条不能碰的安全红线。写给已经用上 AI、但还没建立规矩的个人和小团队。
一个后端程序员的 AI 转型路线图：2026 年，从「会写代码」到「会派活」
AI 没让后端失业，它让「只会把需求翻译成代码」这件事贬值了。这篇讲清楚哪些老本可以直接吃、必须补的三门课是什么、三个月怎么安排，以及新手最容易掉的五个坑。给想转、正在转、或者只是想在交付里用上 AI 的后端同学。
面试复习：AI/LLM 应用后端（RAG、Function Calling、MCP、Agent，初中高级）
2025–2026 后端面试的新热点：LLM 基础、结构化输出、RAG 全流程与优化、Function Calling/MCP/Agent、幻觉与评测、成本延迟、安全与人工确认、向量库选型。三层分级，附追问链与速查表。
面经复盘：AI 应用 / Agent 后端岗面试，RAG、工具调用、评测、成本与落地的追问链
根据公开面经整理与改编的 AI 应用 / Agent 后端岗面试复盘：RAG 全链路、Function Calling 与 MCP、ReAct 死循环、评测体系、Token 成本、上线治理，含追问链、答题结构与 Java 代码。