DeepSeek vs Gemini：RAG 场景的工具调用风格调优
同一套提示词，DeepSeek 和 Gemini 表现出截然不同的「性格」——一个推理欲望强、爱多调工具，一个极度克制、走最短路径。聊聊这两种风格在 RAG 场景下各自要怎么调。
AI 工程620
# RAG
Webhook + HMAC：把 CMS 内容实时同步进向量库
文章一发布，几秒后 AI 助手就能答出来。背后是一条「内容变更 → 带签名 Webhook → 写入 R2 → 增量索引」的同步管道。重点讲怎么用 HMAC-SHA256 + 时间戳防重放，把这条管道做安全。
AI 工程660
RAG 为什么用 R2 而非爬虫：数据噪音与召回质量
给 RAG 喂数据有两条路——爬自己的网站，或主动维护干净的 Markdown。我选了后者。因为爬虫抓到的 HTML 混杂着导航、评论、侧边栏，这些噪音会污染向量空间，毁掉召回质量。
AI 工程640
在 Cloudflare Workers 上从零搭一个 RAG + Agent 服务
不用任何自建中间件，全栈基于 Cloudflare 原生组件（Workers、D1、R2、AI Search、AI Gateway）搭一个能回答「关于我博客」的 AI Agent。这是一次边缘 Serverless AI 的完整实践。
AI 工程400
