基于H1-提示词工程.md的深度和质量标准建立
适用于所有123篇文章的质量检查和优化
- 底层机制：必须解释技术背后的原理，不仅仅是"怎么做"
- 数学/算法基础：涉及算法必须有复杂度分析、核心公式
- 源码级分析：Java/Spring相关必须有源码解读（关键方法、类图）
- 设计思想：必须阐述设计哲学和权衡（trade-off）
示例（合格）：
HashMap扩容机制：
- 触发条件：size > threshold = capacity * loadFactor
- 扩容流程：创建2倍新数组 → rehash所有元素 → 迁移
- 时间复杂度：O(n)，因为需要遍历所有元素
- JDK 1.8优化：链表长度>8转红黑树，避免极端情况O(n)退化
示例（不合格）：
HashMap扩容就是数组变大，把数据搬过去。
- 可运行代码：所有代码示例必须完整、可编译、有注释
- 工程规范：遵循阿里巴巴Java开发手册/Google Style
- 边界处理：必须包含异常处理、边界条件、并发安全
- 性能考量：必须有性能测试数据或复杂度分析
- 源码深度：关键方法的逐行解读
- 对比分析：与同类技术的横向对比（优劣、适用场景）
- 陷阱与误区：常见错误和避坑指南
- 性能优化：从理论到实测的优化路径
每篇文章必须包含：
- 引言/概述：为什么学这个技术（解决什么痛点）
- 核心原理：底层机制和设计思想
- 实战演示：完整可运行的代码
- 对比分析：与竞品的差异（如Spring vs Guice）
- 最佳实践：工程中的使用规范和注意事项
- 常见陷阱：至少3个常见错误及解决方案
- 面试题：至少5道深度面试题+参考答案
- 小结：核心要点总结
- 使用代码块（```java等）包裹所有代码
- 关键代码必须有行号引用或逐行注释
- 复杂逻辑必须配流程图（ASCII或文字描述）
- 包含完整的import语句（如果是完整类）
- Java技术文章：3000-5000字（不含代码）
- AI模型评测：4000-6000字（含测试数据）
- 热点快讯：1500-2500字（深度分析，不是新闻播报）
- 代码占比：代码+注释占总篇幅30-50%
- 原理深度：必须涉及JVM/操作系统/网络层面
- 源码分析：关键类的源码解读（如HashMap、AQS、DispatcherServlet）
- 调优实战：包含JVM参数、性能测试、GC日志分析
- 架构视角：如何从架构层面理解和使用该技术
- 原理深度：Transformer、注意力机制、训练流程
- 模型差异：不同架构的底层差异（Decoder-only vs MoE）
- 实战案例：覆盖多个岗位（开发、产品、设计、运营）
- 2026最新：必须包含2026年最新模型和工具
- 评测维度：至少6个维度的评分体系
- 实测数据：真实测试用例和评分结果
- 对比表格：横向对比表格（模型 vs 维度）
- 选型建议：不同场景下的模型推荐
- 配置细节：IDE配置、插件设置、快捷键
- 工作流：完整的工作流程（从需求到代码）
- 对比评测：工具间的横向对比
- 效率数据：实际效率提升数据
- 事件概述：时间、地点、人物、核心数据
- 技术解析：背后的技术原理和创新点
- 影响分析：对开发者和行业的影响
- 实践建议：开发者如何应对/利用
| 检查项 | 权重 | 合格标准 |
|---|---|---|
| 原理深度 | 15% | 解释底层机制，有源码/公式 |
| 代码质量 | 15% | 完整可运行，有异常处理 |
| 结构完整 | 10% | 包含所有必备章节 |
| 对比分析 | 10% | 与同类技术横向对比 |
| 最佳实践 | 10% | 工程规范和注意事项 |
| 陷阱误区 | 10% | ≥3个常见错误及解决 |
| 面试题 | 10% | ≥5道题+参考答案 |
| 信息密度 | 10% | 达到字数要求 |
| 2026时效 | 5% | AI类文章包含最新模型 |
| 青山师风格 | 5% | 实用、直接、非AI腔 |
评分标准：
- 90-100分：优秀，无需修改
- 75-89分：良好，小幅优化
- 60-74分：及格，需要补充
- <60分：不合格，需要重写
- 标题格式：
# 标题 - 标签格式：
**文章标签：** #tag1 #tag2 - 目录格式：
## 目录+ 链接 - 代码块格式：指定语言（```java）
- 表格格式：对齐规范
- 结尾格式：
---+*此文原创，转载请注明出处。*
- 无"AI腔"（"让我们开始吧"、"值得注意的是"等废话）
- 技术术语准确（不混淆概念）
- 逻辑严密（无自相矛盾）
- 实用导向（每段都有信息价值）
- 内容错误（技术错误、过时信息）
- 结构缺失（缺少核心章节）
- 代码无法运行
- 原理深度不足（只有表面描述）
- 缺少对比分析
- 面试题数量不足或质量低
- 信息密度低（字数不足）
- 缺少最佳实践
- 缺少陷阱误区
- 排版美化
- 增加图示
- 补充边缘案例
- 重点检查：源码深度、JVM层面、并发安全
- 预计优化量：40-50篇需要补充
- 重点检查：2026模型更新、原理深度、实战案例
- 预计优化量：10-12篇需要补充
- 重点检查：评测维度、实测数据、选型建议
- 预计优化量：12-15篇需要补充
- 重点检查：工具使用细节、效果对比
- 预计优化量：6-8篇需要补充
- 重点检查：2026时效性、技术深度
- 预计优化量：3-5篇需要更新
- 读取原文（理解当前内容和结构）
- 对照检查清单评分
- 确定优化优先级（P0/P1/P2/P3）
- 制定优化方案（补充/重写/结构调整）
- 执行优化（保持青山师风格）
- 验证优化结果（重新评分）
- 更新INDEX和README
- 保持风格：青山师风格（实用、直接、非AI腔）
- 增量优化：尽量在原文基础上补充，避免完全重写
- 代码优先：优先补充可运行代码和实战案例
- 深度优先：优先补充原理和源码分析
- 时效优先：AI类文章优先更新到2026年模型
- 不改变文章原有的核心观点和技术选型
- 不删除已有的有效内容
- 不引入与主题无关的内容
- 不使用"AI腔"语言
- 不编造不存在的技术或数据
优化范围：全部123篇文章
Java技术栈（A-G系列，70篇）：
- ✅ 全部补充"常见陷阱与最佳实践"章节（≥3个陷阱+最佳实践）
- ✅ 全部补充"面试题与参考答案"章节（≥5道题+详细答案）
- ✅ 保持青山师风格（代码示例、表格对比、场景化分析）
AI相关文章（H-N系列，49篇）：
- ✅ 全部升级至2026年最新模型
- GPT-5.5 / GPT-5.4 / GPT-5.3
- Claude Opus 4.7 / Claude Opus 4.6
- DeepSeek-V4
- GLM-5 / GLM-5-Turbo / AutoGLM
- Kimi K2.6 / Agent Swarm / Kimi Code
- MiniMax M2.7 / M2.5 / M2-Her
- Qwen3 / ERNIE 4.5
- ✅ 工具更新：Cursor 3 + Composer 2, Claude Code, OpenAI Codex
- ✅ 补充2026年更新段落或章节
特殊优化：
- ✅ E1-CAP与BASE.md 重写（193行→1211行）
- ✅ H1-提示词工程.md 大幅扩展（1411行→2236行）
- ✅ 所有热点快讯（N1-N5）替换为2026年真实事件
统计：
- 总文件数：123篇
- 总行数：57,174行
- 总字节数：1,535,096字节（约1.5MB）
规范版本：v1.0
建立日期：2026-05-05
执行完成日期：2026-05-05
适用对象：CSDN技术博客全部123篇文章