人工智能大模型AI 应用AI AgentRAG金融科技桌面应用MCP Clients【免费下载链接】go-stockAI赋能股票分析AI加持的股票分析/选股工具。股票行情获取AI热点资讯分析AI资金/财务分析涨跌报警推送。支持A股港股美股。支持市场整体/个股情绪分析AI辅助选股等。数据全部保留在本地。支持DeepSeekOpenAI OllamaLMStudioAnythingLLM硅基流动火山方舟阿里云百炼等平台或模型。项目地址https://gitcode.com/gh_mirrors/go/go-stock点击查看免费下载本文以 go-stock 八月发布的新功能为主线系统讲解四个核心模块全新「市场总览」首页、技能系统与技能广场、知识库RAG以及长期记忆与用户画像。这四个模块共同构成从「看行情」到「用 AI」再到「沉淀个人经验」的完整闭环。读完本文你将掌握每个模块的界面布局、配置方法、底层实现原理含源码级证据并能在自己的 go-stock 实例中完成技能创建/导入、知识库构建、统一检索问答与长期记忆调优等实战操作。一、全新首页市场总览 · 炒作题材 · 财联社电报新首页以「市场总览 · 炒作题材 · 财联社电报」为定位打开应用即可在一屏之内掌握市场全貌。首页由上下两个大区组成顶部为大盘分析区底部为三列等高信息流区。1.1 大盘分析区顶部顶部大盘分析区由AnalyzeMartket组件承载对应前端源码 frontend/src/components/AnalyzeMartket.vue聚合了以下模块模块说明全球主要股指美洲、欧洲、亚洲等全球指数实时跑马灯展示A股四大指数上证指数、深证成指、创业板指、科创50财联社数据源大盘成交额 市场情绪两市成交额与市场情绪指标一览涨跌停家数比涨停/跌停家数柱状图 涨跌停比折线双轴展示指数分时 · 板块异动标记指数分时走势叠加盘中板块异动事件标记异动点可直接查看详情融资融券走势融资余额与融资净买入双轴走势图标注数据更新时间韩国市场图表KOSPI 指数 SK海力士 三星电子支持分时/日K切换韩国市场图表为本次首页的新增亮点其数据链路有明确的工程化设计分时数据主源为东方财富后端内置 3 次重试 域名自动切换提高拉取稳定性韩股个股另有 Naver 分钟线兜底日K数据来自 NaverKOSPI 指数与个股均支持共 250 根对应后端实现可参考 backend/data/korea_stock_api.goKST 交易时段与 A 股不同因此图表始终展示当日实时数据不受 A 股日期筛选影响避免出现「休市空白」的体验问题。1.2 三列信息流区下部三列采用等高布局各自独立滚动分别承载三类信息流每日炒作题材ConceptEventListfrontend/src/components/ConceptEventList.vue概念题材事件列表跟踪市场热点轮动财联社电报NewsList通过newTelegraph事件实时推送新电报到达时自动插入列表顶部无需手动刷新融资融券排名RzrqRankfrontend/src/components/RzrqRank.vue两融标的排名信息。其中财联社电报采用事件推送机制后端定时抓取最新电报后主动推送到前端而非前端轮询保证了时效性与低资源占用。1.3 实时性设计首页时钟每秒刷新交易时段内涨跌停、指数分时、韩国市场图表按周期自动刷新电报采用事件推送机制后端定时抓取后主动推送到前端。二、技能系统与技能广场技能Skill是 go-stock 的渐进式提示词注入机制让 AI 在 DeepAgents 模式下按需加载专业知识、工作流脚本或参考资料而不占用每次对话的上下文 token。本次更新在本地技能管理的基础上新增了云端技能广场形成完整的技能生态。2.1 技能的工作原理技能的加载遵循「启动扫描 → 按需发现 → 激活注入 → 资源加载」四个步骤启动时扫描DeepAgents 模式启动时扫描skills/目录下所有包含SKILL.md的子目录构建技能索引按需发现AI 根据问题内容判断是否需要某技能先读取SKILL.md元数据名称、描述等激活注入决定使用时才将完整提示词注入对话上下文资源加载技能可引用scripts/、references/等子目录资源按需读取。每个技能是一个独立目录最小形态只需一个SKILL.md含 frontmatter 元数据 提示词正文。技能还支持绑定 MCP 服务器 ID激活技能时自动挂载对应的外部工具。源码级佐证后端在 backend/agent/skill_backend.go 中实现了容错技能后端tolerantSkillBackend。其listTolerant通过GlobInfo(*/SKILL.md)扫描一级子目录源码 L72-L97并复用了 eino 的 frontmatter 提取与 YAML 解析逻辑parseSkillFrontmatter、yaml.Unmarshal源码 L100-L125。该实现的关键价值在于容错单个SKILL.md的 frontmatter 解析失败仅记录警告并跳过该技能logger.SugaredLogger.Warnf(skill 中间件: 跳过格式错误的技能文件...)而不是让整个 DeepAgents Agent 构建工具列表失败——文档注释中明确记录了这一设计背景见源码 L18-L31。为什么比「始终注入」更优方式token 占用适用场景始终注入高每次对话都消耗简单固定的提示词渐进式展示低仅激活时消耗复杂、可组合的领域知识⚠️仅 DeepAgents 模式生效技能系统仅在 DeepAgents 模式下启用。原因在于 DeepAgents 模式内置write_todos任务规划和task子 Agent 委派能力能够主动判断何时需要加载技能React / PlanExecute 模式架构不同不支持 skill 中间件。若希望在简单任务中也使用技能请在 AI 智能体页面底部的 Agent 模式选择器中切换到 DeepAgents模式。2.2 SKILL.md 格式与目录结构每个技能是skills/下的一个一级子目录目录名即技能名。最小可用技能只包含一个SKILL.md文件skills/ └── my-skill/ ├── SKILL.md # 必需技能描述与提示词 ├── scripts/ # 可选脚本资源 │ ├── analyze.py # Python 脚本Agent 可调用 execute 工具运行 │ └── fetch.sh # Shell 脚本 ├── references/ # 可选参考文档 │ ├── api-spec.yaml # API 规范 │ └── examples.json # 示例数据 └── config.toml # 可选配置文件文件大小限制单文件 ≤ 10 MB单技能总大小 ≤ 100 MB。SKILL.md是技能的核心文件由两部分组成YAML FrontMatter技能元数据中间件启动时解析 Markdown 正文技能的完整提示词AI 调用技能时才加载。建议格式如下--- name: 技能名称 description: 技能的简短描述AI 通过它判断是否激活本技能 context: fork # 可选执行模式fork / fork_with_context / 不设inline agent: sub-agent-name # 可选fork 模式下使用的子 Agent 名需配置 AgentHub model: deepseek-chat # 可选覆盖默认模型inline 下切换后续对话模型fork 下传给子 Agent --- # 技能名称 ## 技能说明 在此处编写 AI 应当遵循的工作流程、分析框架、输出格式要求等。 这部分内容只在 AI 调用 skill 工具时才会被加载到上下文渐进式展示。 ## 工作流程 1. 步骤一 2. 步骤二 3. 步骤三 ## 资源引用 - scripts/analyze.py数据预处理脚本 - references/api-spec.yamlAPI 接口规范FrontMatter 字段说明字段类型必需说明namestring是技能显示名称也是skill工具调用的参数值descriptionstring是技能描述AI 据此自主判断是否调用本技能不是关键词匹配contextstring否执行模式fork新子 Agent 无历史/fork_with_context新子 Agent 带历史/ 不设inline默认结果返回主对话agentstring否fork 模式下使用的子 Agent 名需配置 AgentHubgo-stock 当前未配置留空即可modelstring否覆盖默认模型名。inline 下后续 ChatModel 请求切换到该模型fork 下传给子 Agent 关键提示没有trigger_keywords字段。技能激活完全由 AI 根据description自主判断不是关键词匹配。description应当清晰描述技能的适用场景例如「提供 K 线形态识别、技术指标解读、买卖点判断」比「技术分析」更有效。FrontMatter 之外的正文内容启动时不加载仅在 AI 调用skill工具时才注入上下文这正是 skill_backend.go 中loadSkillFromFile将Content与 FrontMatter 分离存储的原因。2.3 技能广场技能广场是内置的云端技能市场需配合 go-stock-server 服务端部署核心能力包括浏览与检索分类筛选、关键词搜索、多维度排序、VIP 技能过滤技能详情查看完整的系统提示词、示例、触发关键词、标签等元数据互动点赞、收藏热门技能一目了然技能排行榜按热度排名发现优质技能下载导入一键将广场技能下载并导入本地Base64 打包传输导入时自动校验SKILL.md存在性、拦截路径穿越、限制解压写入量防止恶意技能包分享上传将本地技能打包分享到广场可设置名称、描述、分类、标签VIP 用户可发布 VIP 专属技能我的技能分享管理自己分享的技能查看、删除。配套的本地技能导入.zip格式还支持两种目录结构扁平结构SKILL.md在 zip 根目录技能名取自 zip 文件名与嵌套结构SKILL.md在子目录中技能名取自第一级目录名。安全限制包括禁止包含..路径防 zip slip 攻击、单文件 ≤ 10 MB、总计 ≤ 100 MB若同名技能已存在先删除再覆盖导入。2.4 账号与 VIP 体系技能广场配套轻量账号系统用户名密码注册/登录设备绑定管理并提供 VIP 权限体系赞助码激活VIP 通过赞助码激活服务端 AES 解密校验赞助码全局一次性使用防止转借滥用相关后端逻辑可参考 backend/data/sponsor_vip.go服务端权威VIP 等级与到期时间完全由服务端裁定客户端提交值仅作参考到期自动失效访问控制三层防护列表/排行/分类接口强制只返回公开技能隐藏技能仅作者本人可见其余一律 404杜绝通过接口探测隐藏技能存在性VIP 技能下载需作者本人或有效 VIP 身份否则返回 403。2.5 本地技能管理实操技能管理界面位于「研究中心」→「技能管理」前端 frontend/src/components/skill-manager.vue包含工具栏导入技能包、刷新、技能列表表格名称/目录/描述/操作、文件编辑器弹窗三部分。编辑器能力矩阵扩展名编辑器高亮.mdMdEditorMarkdown 实时预览.py/.pywCodeMirror 6Python.yaml/.ymlCodeMirror 6YAML.jsonCodeMirror 6JSON其他CodeMirror 6无高亮保留行号、Tab 缩进、括号匹配编辑器主题自动跟随应用主题亮色/暗色暗色下使用oneDark主题。SKILL.md是技能的必需文件不可删除删除按钮对SKILL.md不显示。与 Agent 的集成DeepAgents 模式下Agent 拥有文件系统和 Shell 工具ls、read_file、write_file、edit_file、glob、grep、execute可通过execute工具运行scripts/下的脚本如execute(commandpython skills/my-skill/scripts/analyze.py --code sh600519)通过read_file读取references/下的文档子进程控制台窗口自动隐藏输出流式返回给 Agent。技能示例技术分析助手SKILL.md--- name: 技术分析助手 description: 提供 K 线形态识别、技术指标解读、买卖点判断的专业分析框架 --- # 技术分析助手 ## 分析流程 1. 调用 GetEastMoneyKLine 获取最近 60 日 K 线数据 2. 调用 GetEastMoneyKLineWithMA 计算 5/10/20/60 日均线 3. 识别 K 线形态锤头线、十字星、吞没形态等 4. 计算 MACD、RSI、KDJ 指标 5. 综合判断买卖信号 ## 输出格式 | 指标 | 数值 | 信号 | |------|------|------| | ... | ... | ... |三、知识库RAG知识库让 AI 回答建立在你的私有资料之上完整链路为上传文档 → 自动向量化 → 语义检索 → 增强回答。3.1 核心能力能力说明多知识库管理每个知识库对应一个独立向量 collection可创建多个库分类管理不同领域资料文档入库支持直接粘贴文本、上传.txt/.md/.markdown文件批量上传多文件批量导入后台异步向量化前端实时显示进度自动切片中文友好的按 rune 切片目标 500 字、重叠 60 字、单片上限 1200 字保持边界语义连续单库检索指定知识库内语义检索返回带相似度评分与元数据的结果统一检索一次检索所有知识库 长期记忆并发查询、全局重排、截断 Top-KRAG 问答「检索并回答」模式统一检索结果作为上下文交给 Agent 生成回答不支持格式.pdf/.docx/.doc暂不支持请先转换为.txt或.md后续版本将支持。源码中 backend/agent/knowledge_base.go 的AddFileToKB明确按扩展名分支处理源码 L679-L704并限制单文件 ≤ 10 MB源码 L675-L677。3.2 与 AI 的集成方式知识库有两种被 AI 使用的方式Agent 工具自动SearchKnowledgeBase单库检索、SearchAllKnowledge统一检索、ListKnowledgeBases注册为 Agent 工具实现在 backend/agent/knowledge_base_tool.goAI 在对话中按需自主调用。其中SearchKnowledgeBase参数为kb_name必填、query必填、top_k可选默认 5范围 [1, 20]SearchAllKnowledge参数为querytop_k无需指定知识库名称。系统提示词注入主动知识库问答界面将统一检索结果直接构建进系统提示词AI 无需重复调用检索工具即可回答适合明确的问答场景。工具注册于GetAllTools/getToolsByQuestion在主聊天、飞书机器人、定时任务等所有 Agent 入口均可使用。3.3 技术架构向量存储采用chromem-go纯 Go 嵌入式向量库零 CGO 依赖与现有 SQLite 构建链兼容。每个知识库对应一个独立 collectioncollection 名统一加kb_前缀以避免与系统 collection 冲突knowledge_base.go 源码 L44-L54Embedding复用 OpenAI 兼容接口/v1/embeddings直接使用 AI 配置中已有的供应商。默认模型text-embedding-3-small可通过配置或环境变量GO_STOCK_EMBEDDING_MODEL覆盖long_term_memory.go 源码 L38-L58;模型解析优先级embeddingModel 参数 环境变量 GO_STOCK_EMBEDDING_MODEL (typeembedding 服务的 ModelName) AIConfig.EmbeddingModel 默认 text-embedding-3-small源码 L256-L269Embedding 缓存相同 query 1 小时内不重复调用 embedding API缓存容量上限 1000 条超限清空embedding_cache.go容错向量化失败仅记录日志不阻断主流程批量导入单文件失败不影响其他文件继续导入。批量导入与并发控制源码级批量导入以 3 个文件级 worker 并发处理fileConcurrency 3每个文件内又以 8 个切片级 worker 并发入库concurrency 8同时用全局信号量kbEmbedGlobalSem容量 5兜底限制 embedding API 的实际并发数避免高并发触发供应商限流knowledge_base.go 源码 L135-L138、L586-L604。前端可通过GetKBVectorizingStatus轮询向量化进度向量化中 / 已完成 / 失败。自动切片基于 go-chunker 的 Markdown 递归策略切分顺序为「标题 → 段落 → 句号 → 空格」用 rune 计数中文友好1 个汉字算 1目标 500 字、重叠 60 字、过滤 20 字的过短片段text_chunker.go 源码 L26-L57。统一检索时各源取topK*2条用于全局重排最终截断到 topK单源失败不影响其他源。3.4 知识库问答统一检索 Agent 综合回答「知识库管理 → 知识库问答」Tab 提供一键式 RAG 问答体验输入问题 TopK AI 服务 Agent 模式 │ ├─① 统一检索SearchAllKnowledge │ 并发检索所有 KB qa_history │ 全局相似度重排 → 展示命中片段按来源着色 │ └─② Agent 综合回答ChatWithAgentKBQA 将命中片段注入系统提示词 Agent 基于检索内容生成回答流式 支持 Markdown 渲染MdPreview界面采用左右布局检索命中片段与 Agent 回答并排展示均可点击标题折叠隐藏每条命中标注「知识库 / 历史经验」来源标签、KB 名、来源文件与相似度回答用MdPreview组件渲染支持标题、列表、代码块、表格若 Agent 输出推理过程则单独弱化展示回答过程中可随时中止。与主聊天的区别维度知识库问答 Tab主聊天检索先统一检索展示再注入回答Agent 自主决定是否调检索工具上下文每次独立无历史记忆污染可携带对话历史透明度命中片段可见、可控检索过程不可见归档回答仍会归档到长期记忆同样归档四、长期记忆与用户画像长期记忆解决的是「AI 每次都从零开始」的问题历史问答经验自动沉淀为可语义检索的知识用户画像让 AI 跨会话「懂你」。4.1 长期记忆长期记忆基于 chromem-go 实现qa_history向量 collection持久化于程序所在目录的memory/.vectorstore/目录程序目录/memory/ ├── .vectorstore/ # 向量库chromem-go 持久化 │ ├── .kb_meta.json # 知识库元信息各 KB 绑定的 AI 服务 embedding 模型 │ └── chromem 内部存储 # 各 KB collection qa_history collection └── 2026-01-10/ # 按日期归档的分析报告 └── 2026-01-10_143022_xxxx.md核心机制包括归档时入库每次分析报告归档时触发点为archiveAnalysisReport在 react / plan_execute / deepagents 模式下 Agent 回答完成后调用问题与回答自动切片、异步向量化写入qa_historycollectionAddMemory在独立 goroutine 中执行不阻塞归档主流程。文档 ID 采用「日期时间戳chunk序号」同一问题多次归档不会互相覆盖自进化时检索Agent 自进化构建提示词时buildSelfEvolutionPrompt→SearchRelevant按当前问题语义召回 Top-K 条历史问答经验默认 5 条支持用户隔离userKey非空时只检索该用户记忆、按问题去重保留最高相似度替代旧版文件名扫描。每条召回记录包含问题、回复片段、模式、日期、报告路径FormatMemoryRecall将其格式化为可注入系统提示词的「历史相关经验」段落见 long_term_memory.go 源码 L514-L551切片策略每个切片前缀加Q: {question}\nA:让 embedding 同时捕获问题与回复的语义源码 L382-L404记忆管理所有向量操作失败仅记录日志并自动降级回退到文件名扫描不影响任何主流程。⚠️ 提示若曾切换过向量服务导致向量维度不一致检索会报「vectors must have the same length」此时需清空memory/.vectorstore/目录下的向量库后重启重建源码 L468-L471 有明确的错误日志指引。4.2 用户画像用户画像将你的行为数据压缩为一份memory/user_profile.md并在对话时注入 Agent 系统提示词自动学习Agent 汇总行为数据对话反馈等调用 LLM 自动生成/更新画像原子写入避免损坏注入对话画像以「【用户偏好】」段落注入系统提示词AI 从此记住你的风格与偏好可开关手动管理前端提供画像编辑/预览、保存、清空、重新学习等操作并展示画像完整度与更新时间前端 frontend/src/components/user-profile.vue。4.3 与知识库的联动长期记忆与知识库共享统一检索入口SearchAllKnowledge在检索所有自定义知识库的同时一并检索历史问答经验。你的「经验」和你的「资料」在 AI 眼中是同一个知识体系。两者底层共享同一套向量库chromem-go但用途分明体系性质内容来源检索方式知识库Knowledge Base主动维护的私有文档库你上传的研报、财报、笔记、规则文档等按知识库名检索 / 跨所有库统一检索长期记忆Long-Term Memory自动沉淀的历史问答经验AI 历次分析问答的自动归档语义召回相关历史问答五、功能全景图┌─────────────────────────────────────────────────┐ │ 首页 │ │ 全球指数 · A股四大指数 · 涨跌停 · 指数分时 │ │ 融资融券 · 韩国市场(KOSPI/三星/海力士) │ │ 炒作题材 · 财联社电报(实时推送) · 两融排名 │ └─────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────┐ │ 技能系统 · 技能广场 │ │ 本地技能(SKILL.md 渐进式注入) │ │ 广场(搜索/分类/排行/点赞/收藏) │ │ 下载导入 / 分享上传 / VIP 权限控制 │ └─────────────────────────────────────────────────┘ │ ▼ ┌──────────────────────┬──────────────────────────┐ │ 知识库(RAG) │ 长期记忆·用户画像 │ │ 文档上传/自动切片 │ 历史问答自动向量化沉淀 │ │ 语义检索/统一检索 │ 自进化语义召回 Top-K │ │ Agent 工具/提示词 │ 画像自动学习注入 │ └──────────────────────┴──────────────────────────┘六、配置与实战指引6.1 知识库与长期记忆的配置步骤知识库与长期记忆都需要 embedding 服务配置链路如下配置 AI 服务在「AI 服务管理」中配置至少一个支持 embedding 的 AI 服务如 OpenAI text-embedding-3-small、硅基流动 bge-m3 等。也可通过环境变量GO_STOCK_EMBEDDING_MODEL覆盖默认向量模型创建知识库进入「研究中心 → 知识库管理」点击「新建知识库」输入名称如「白酒财报」在新建/配置时绑定 AI 服务与 embedding 模型导入文档选中该知识库点击「上传文件」选择.txt/.md文件等待向量化完成状态栏显示进度批量导入可后台异步执行导入后即可关闭抽屉检索测试单库检索在知识库列表抽屉的「检索测试」卡片长期记忆测试切到「长期记忆检索」Tab统一检索在「知识库问答」Tab 输入问题点「统一检索」知识库问答切到「知识库问答」Tab输入问题、选择 AI 服务对话型与 Agent 模式复杂分析建议「规划」或「DeepAgents」、设置 TopK建议 5~10、点击「检索并回答」配置长期记忆在「长期记忆检索」Tab 确认绑定的 AI 服务SetLongTermMemoryAiConfigId日常使用中历史问答会自动积累可在此 Tab 检索验证。6.2 典型应用场景个股深度研究建立「个股资料」「行业研报」知识库上传年报、研报转成 .md在主聊天直接提问Agent 自动检索两个库综合分析交易规则与策略沉淀把你的选股条件、仓位管理、止损策略写成 .md 上传到「我的交易规则」库再问「按我的规则当前 XXX 是否符合买入条件」跨知识库综合问答在「知识库问答」Tab 用SearchAllKnowledge一次检索所有 KB 历史经验Agent 基于跨库内容综合回答并标注来源经验积累与自进化日常问答自动归档到长期记忆相似问题下次提问时buildSelfEvolutionPrompt自动召回相关历史问答注入AI 可参考之前的结论与逻辑飞书/定时任务智能问答知识库工具注册于GetAllTools飞书机器人、定时任务等所有 Agent 入口均可自主调用例如定时任务「每日盘后总结」可先检索「交易规则」库的复盘模板再结合当日行情生成总结。6.3 常见问题速查检索结果相似度不高检查 embedding 模型是否与文档语言匹配中文文档建议用 bge-m3 等中文优化模型确认文档已完成向量化用更具体的关键词适当增大 TopK。不同知识库可以用不同 embedding 模型吗可以。每个 KB 独立绑定 AI 服务 embedding 模型但跨库统一检索时不同模型的相似度并非严格可比作为粗排依据足够。长期记忆会无限增长吗chromem-go 是嵌入式向量库检索性能在万级文档量级内无明显衰减如需清理可删除memory/.vectorstore/下对应 collection 数据后重启。上传的文档会被修改吗不会。系统只读取文件内容进行分块与向量化原始文件不受影响。技能在 React / PlanExecute 模式下为什么不生效技能系统仅在 DeepAgents 模式启用切换到 DeepAgents模式即可。七、相关文档与深入阅读《技能管理功能说明》——docs/技能管理功能说明.md技能目录结构、SKILL.md 格式与本地技能管理详解《知识库与长期记忆功能说明》——docs/知识库与长期记忆功能说明.md知识库与长期记忆的深度使用指南《go-stock使用手册》——docs/go-stock使用手册.md整体功能使用说明。后端源码入口建议重点阅读backend/agent/knowledge_base.go多知识库管理与向量化、backend/agent/long_term_memory.go长期记忆、backend/agent/skill_backend.go技能容错后端、backend/agent/knowledge_base_tool.goAgent 工具注册前端界面组件可参考 frontend/src/components/AnalyzeMartket.vue、frontend/src/components/skill-manager.vue、frontend/src/components/knowledge-base-manager.vue 与 frontend/src/components/user-profile.vue。赞分享人工智能大模型AI 应用AI AgentRAG金融科技桌面应用MCP Clients【免费下载链接】go-stockAI赋能股票分析AI加持的股票分析/选股工具。股票行情获取AI热点资讯分析AI资金/财务分析涨跌报警推送。支持A股港股美股。支持市场整体/个股情绪分析AI辅助选股等。数据全部保留在本地。支持DeepSeekOpenAI OllamaLMStudioAnythingLLM硅基流动火山方舟阿里云百炼等平台或模型。项目地址https://gitcode.com/gh_mirrors/go/go-stock点击查看免费下载相关推荐GPUI Base Select 原语构建锚定、键盘可导航的选择控件GPUI Base Select 原语构建锚定、键盘可导航的选择控件 导读 Select 是 GPUI Base 提供的一个“行为原语primitive”人工智能大模型AI 应用AI AgentRAG金融科技桌面应用MCP ClientsTypeScript Go市场营销推广投放和用户增长TypeScript Go市场营销推广投放和用户增长 引言TypeScript生态的革命性突破 还在为TypeScript编译速度慢而烦恼还在等待大型项目编译器编程语言开发工具khoj用户增长市场推广与用户获取khoj用户增长市场推广与用户获取 引言AI第二大脑的市场机遇 在人工智能技术飞速发展的今天个人知识管理工具正面临前所未有的机遇。khoj作为一个开源的A人工智能AI 应用大模型RAG后端AI Agent上一篇思源宋体完全指南3分钟掌握开源中文字体的终极配置方案下一篇Sure iOS 构建指南从 CocoaPods 排障到 CI/CD 签名分发创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考