# llm

TypeSafe 发布的 Jev 故意不生成文本。它把"判断"从"生成"里拆出来：输入业务状态，输出类型化的 Choice、Score、Noul 与置信度。本文梳理它的三个原语、判断与执行分离的工程模式，以及它在 Agent 链路里最适合充当的门控层角色。

深入探讨 Coding Agent 架构中 System Prompt 的正确处理方式。分析将系统提示词存入历史消息的常见问题，提出 Stateless Agent 的改进方案，并结合 Prompt Caching 技术实现成本优化。涵盖 Anthropic、OpenAI、Google、DeepSeek 等主流厂商的缓存策略对比，帮助开发者构建灵活、可扩展的 Agent 架构。

深入 LangChain.js 核心：LCEL（LangChain Expression Language）管道式编程。 用不到 100 行代码构建可组合、可复用的 AI 应用流水线，掌握现代 LLM 开发的核心范式。

LangChain.js 100行系列开篇：从零开始的TypeScript全栈LLM集成实战指南。详细解析如何用不到100行代码将大语言模型无缝集成到全栈应用中，涵盖LangChain.js生态全景、核心概念解析、技术路线图规划和最佳实践。为前端开发者提供完整的AI应用开发框架，从聊天机器人到RAG系统的渐进式学习路径。