大模型流式输出是 AI 把生成内容按令牌切分、边生成边下发的机制，能让对话界面逐字显示、明显缩短用户体感等待。本文讲清底层原理、前端读取方式，以及接入时常见的误区与对应的处理办法，帮你少走弯路。

Go 切片扩容是 append 在容量不足时分配新数组并拷贝旧数据的过程。本文讲清 len 与 cap 分离、触发时机、扩容策略，以及共享底层数组导致的副作用三个要点，并给出排查思路，帮你避开切片相关的常见坑。

提示词注入是外部用户输入绕过系统设计、把恶意指令伪装成正常内容，从而操控大语言模型行为的漏洞。本文用最小示例演示注入如何发生，并给出角色隔离、边界标记、最小权限三种可在项目落地的防护写法，帮你把 AI 系统的安全边界补上。

知识蒸馏是把教师模型的软标签迁移到学生模型的模型压缩方法，能在大幅减小体积的同时保留大部分效果。本文讲清教师与学生的配合方式、温度参数怎么调，并给出离线、在线、自蒸馏三种落地写法，帮你判断项目该不该上蒸馏以及第一步怎么走。

Go 错误处理是用返回的 error 值显式表达失败、由调用方决定应对方式的做法。本文基于 Go 1.22 约定，讲清多返回值判断、error wrapping 包装、panic recover 兜底三种写法，附失败分支与踩坑清单，帮你分清哪些错误该当场处理、哪些该向上抛。

Go 并发控制是用 goroutine、channel 和同步原语把多任务的执行顺序与资源共享管理起来的做法。本文基于 Go 1.22 运行时，讲清 channel 传数据、WaitGroup 等待、Mutex 加锁三种方式，附可运行示例与踩坑清单，帮你选对工具避免竞态。

Token 是大模型按量计费与限制对话长度的基本单位。本文用最小示例讲清它的计费口径、上下文窗口含义，以及怎么估算一段文本的 Token 数量，帮你算清真实成本与上下文上限。无论是做成本预估还是选型，都能直接套用。

SQL 分组统计有三种常用写法：基础 GROUP BY、多列分组与 HAVING 过滤。本文从最小示例讲到多表聚合边界，帮你写对日常报表统计查询、避开常见误区。覆盖计数、求和与分组后过滤等高频需求场景。

Node.js 读取文件有四种常见写法：同步、Promise、async/await 与流式读取。本文逐一对比它们的适用场景、内存占用与常见坑点，帮你按需求选对方法、少踩雷。示例均带逐行中文注释，照抄即可，上手更快。

文生图 Diffusion 用逐步去噪把随机噪声变成图片。本文讲清它的核心原理、能做什么、有哪些边界与常见坑，并给出适合新手的上手路径与可直接套用的 prompts 思路，少走弯路。它和 GAN 等路线的差异也会点到。