九组ASR配置的方言转写对比与融合实践
围绕一段四川方言剧集音频，核对九组 ASR 输出的文本、时间戳和说话人信息，修正比较口径，并用实际结果讨论漏段发现、语义 Diff、强制对齐与融合验收
技术
80 篇AI 短剧工程实践：自动化配音流水线
从一个 MP4 到多角色英文配音成片，关键是让识别、翻译、声线分配和混音共享可校准的数据与时间轴。本文结合 Dubora 工程，说明七阶段流水线、两个人工审核关卡，以及逐段合成和增量执行如何减少重复加工。
AI 短剧工程实践：从视频生成到角色引擎
从单次视频生成走向可维护的短剧生产，需要将模型能力与资产、状态和任务管理结合。本文从架构设计出发，拆解角色实体注册表、世界状态管理、结构化剧本中间件和多模态任务调度系统的设计方案。
AI 短剧工程实践：角色生产流水线
以一个对白镜头为例，组织角色资产、视觉条件、表演驱动、TTS 与口型对齐。本文说明各工具的输入与分工，区分训练和参考推理，并通过时间轴、质量反馈、缓存与版本管理，让失败能被定位、成功条件能够复用。
AI 短剧工程实践：视频生成模型选型与实战
视频模型应按镜头交付能力选型，而不是按没有测试条件的星级排名。本文区分 Wan 等模型变体与商业 API 能力，说明如何统一镜头评估、检查运镜和连续性、统计可用素材成本，以及处理异步任务、重试和产物版本。
AI 短剧工程实践：人物一致性与技术选型
AI短剧的核心工程难题是人物一致性。本文从工程实践出发，拆解六种技术路径的原理与适用场景，分析DiT与U-Net架构的选型影响，并给出面向AI短剧场景的决策矩阵。
AI 短剧工程实践：从剧本到成片的全流程
一个人能不能做出一部AI短剧？能。本文面向有技术背景但没有影视经验的研发人员，从剧本构思到最终成片，拆解AIGC短剧制作的完整流程、工具链选型和实战踩坑经验。
Mousika 规则引擎：让规则可编排、可执行、可解释
基于 Mousika 规则引擎的实际代码与历史项目记录，解析 DSL 编排与 JS 求值的分层设计、配置与运行结果的关联方式，以及 UDF 扩展、规则热加载和归因调试的工程实践。
AI 编程的生产落地：从代码生成到安全发布的工程实践
本文面向工程团队负责人与一线开发者，系统梳理 AI 辅助编程从提示词设计、代码生成、质量门禁到生产发布的全链路管控方案。核心命题是：如何建立一套工程机制，让 AI 生成的代码能够安全、可控地跑在生产环境中。
可信 Agent：Guardrails 与 Human-in-the-Loop
可信 Agent 要把风险检测、操作授权与结果核验分开。本文以订单报告发送为例，说明 Guardrails 的拦截位置、人工审批的版本绑定与恢复，以及如何验证自动化边界。
生产级Agent：可观测、评估、成本、安全
生产化要让交付有证据、变更可比较、动作受约束。本文以订单调查串起 Trace、评测、成本预算和安全边界，修正轨迹计数、并行耗时与灰度分桶中的常见错误。
框架与协议：从SDK选型到MCP
框架组织执行，协议约定交互。本文以订单调查说明 SDK 选型、状态恢复、业务适配与 MCP 接入，给出版本明确的本地示例，并解释 MCP 与 A2A 的职责和授权边界。
多 Agent 协作
多 Agent 的价值来自任务与上下文的合理分工。本文以订单调查说明四种协作关系、结果交接、状态隔离与失败恢复，并厘清可靠性、成本和可复现评估的条件。
基于DDD构建微服务：从战略设计到落地实践
以电商下单为主线，区分子域、界限上下文、聚合与部署边界，说明事件风暴、上下文映射和战术建模如何配合。用可编译的金额值对象及 Outbox、幂等消费、Saga、CQRS 的失败场景，检验模型与服务边界是否成立。
工作流编排：Chaining、Routing 与 Parallelization
Agent 不是只靠一个大循环跑到底。复杂任务通常需要把多步组装成工作流：把多个步骤链成顺序流水（Chaining）、根据输入选择不同路径（Routing）、把可独立的步骤并行（Parallelization）。本文从契约和实现两个角度展开这三种工作流模式，给出何时用、怎么用、容易踩什么坑。
规划、推理与反思
比较 ReAct、显式计划、候选搜索与分层规划，解释依赖验证、重规划、严格多数和推理预算，并用订单调查说明如何以证据驱动反思、区分执行前检查与执行后核验。
记忆与RAG：Agent的认知存储
围绕任务状态、历史经验和领域知识组织 Agent 记忆，解释授权检索、版本更新、删除、切块、混合检索、重排与评估，并讨论 RAG 和长上下文的实际取舍。
Java 核心技术：深入理解 AQS
系统性剖析 AbstractQueuedSynchronizer（AQS）的设计思想、核心数据结构、加锁解锁流程，并通过 ReentrantLock 源码深入理解其工作原理，最后梳理 AQS 在 JUC 中的典型应用场景。