接单做 AI 应用：报价、工期、验收和风险到底怎么谈
AI 项目的成本结构和传统开发不一样：人天少了，token 多了，而且「做到什么程度算做完」特别容易扯皮。这篇讲需求怎么分型、报价里必须算进去哪些成本、工期的不确定性在哪、以及一份能写进合同的验收标准模板。写给接单交付的同行。
# Agent
从一个关键词，发现新的思路。
把 AI 接进现有后端系统：RAG、Agent、MCP，以及那些必须补的工程件
很多人一上来就要做 RAG，其实是把「模型不会答」和「你的数据怎么组织」两个难题捆在一起解。这篇按落地顺序讲三个层次、每个层次真正的难点在哪、MCP 用来干什么，并给出一份后端必须补的工程件清单：超时、重试、降级、幂等、限流、审计、成本闸门、可观测。
从订阅到上手：Claude Code 与 Codex 的额度、配置和日常工作流
订阅买错了，要么天天撞上限，要么每月白扔几百块。这篇把两家的档位结构、额度的三层限制、订阅与 API 怎么选、以及上手必须配的三件事一次说清，并给出一份可以照着抄的日常工作流。价格以官方页面为准，结构与方法不会过时。
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。