docs(ai): 补充 llm-api-engineering 和 structured-output 两篇文章

优化内容：
- 补充前置知识说明，调整内链格式
- 完善参考资料与相关文章推荐
- 整合素材清单中的配图和跨文章引用

Author: Snailclimb

docs/ai/llm-basis/llm-api-engineering.md

@@ -30,7 +30,9 @@ Guide 见过太多这样的事故。真正难的并非“怎么发一个 HTTP 
 4. **限流与配额**：用户级、租户级、模型级、供应商级限流如何分层，Token 预算、429 处理、排队、降级和熔断怎么落地。
 5. **结构化返回**：JSON Mode、JSON Schema、Structured Outputs 和 Function Calling 的工程价值，以及失败兜底策略。
 
-> **前置知识**：本文默认你已经理解 Token、上下文窗口、Temperature、Top-p、结构化 Prompt 等基础概念。如果还不熟，建议先看[《万字拆解 LLM 运行机制》](./llm-operation-mechanism.md)和[《大模型提示词工程实践指南》](../agent/prompt-engineering.md)。
+上文默认你理解 Token、上下文窗口、Temperature、Top-p 等基础概念。如果还有疑问，建议先看[《万字拆解 LLM 运行机制》](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism/)和[《大模型提示词工程实践指南》](https://javaguide.cn/ai/agent/prompt-engineering/)。
+
+> 说明：OpenAI、Anthropic、Gemini 等供应商能力和参数变化较快，生产系统应从控制台、响应头或配置中心动态管理，而非依赖文档里的静态数字。
 
 ## 先建立全链路心智
 
@@ -775,3 +777,11 @@ JSON Mode 更关注“输出是合法 JSON”，但不一定符合你的业务 S
 - [Spring `ServerSentEvent` Javadoc](https://docs.spring.io/spring-framework/docs/current/javadoc-api/org/springframework/http/codec/ServerSentEvent.html)
 - [MDN 429 Too Many Requests](https://developer.mozilla.org/en-US/docs/Web/HTTP/Reference/Status/429)
 - [MDN Transfer-Encoding](https://developer.mozilla.org/en-US/docs/Web/HTTP/Reference/Headers/Transfer-Encoding)
+
+## 相关文章
+
+- [《万字拆解 LLM 运行机制》](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism/)：Token 计算、上下文窗口、Temperature 采样参数
+- [《大模型提示词工程实践指南》](https://javaguide.cn/ai/agent/prompt-engineering/)：Prompt 设计、结构化输出与 JSON Schema
+- [《上下文工程实战指南》](https://javaguide.cn/ai/agent/context-engineering/)：上下文管理、Token 预算降级
+- [《AI 应用系统设计》](https://javaguide.cn/ai/system-design/ai-application-architecture/)：模型网关、限流熔断、生产级架构
+- [《万字拆解 MCP 协议》](https://javaguide.cn/ai/agent/mcp/)：工具接入协议与 Function Calling

docs/ai/llm-basis/structured-output-function-calling.md

@@ -26,7 +26,7 @@ head:
 4. **Function Calling、MCP Tool、普通 HTTP API、Agent Skill 的关系**：面试时如何讲清层次和边界。
 5. **结构化输出的工程落地方法**：Schema 设计、服务端校验、失败重试、降级策略和工具调用安全。
 
-> 说明：OpenAI、Anthropic、Gemini、MCP 等产品和协议都在持续演进，本文涉及供应商能力的描述以官方文档最新展示为准。本文不引用未经验证的 benchmark，也不做绝对化性能结论。
+> 说明：OpenAI、Anthropic、Gemini、MCP 等产品和协议都在持续演进，生产系统应从官方文档最新展示获取能力描述。本文不引用未经验证的 benchmark，也不做绝对化性能结论。
 
 ## 为什么“请返回 JSON”不可靠？
 
@@ -1022,3 +1022,12 @@ HTTP API 是业务服务接口，通常面向程序调用；MCP Tool 是暴露
 - [MCP Tools 官方规范](https://modelcontextprotocol.io/specification/2025-06-18/server/tools)
 - [JSON Schema Object 参考](https://json-schema.org/understanding-json-schema/reference/object)
 - [JSON Schema Enum 参考](https://json-schema.org/understanding-json-schema/reference/enum)
+
+## 相关文章
+
+- [《大模型 API 调用工程实践》](https://javaguide.cn/ai/llm-basis/llm-api-engineering/)：流式输出、重试限流、模型网关
+- [《万字拆解 LLM 运行机制》](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism/)：Temperature 与结构化输出参数建议
+- [《一文搞懂 AI Agent 核心概念》](https://javaguide.cn/ai/agent/agent-basis/)：Agent Loop、ReAct 与工具调用
+- [《万字详解 Agent Skills》](https://javaguide.cn/ai/agent/skills/)：Skills 与 Function Calling 的关系
+- [《万字拆解 MCP 协议》](https://javaguide.cn/ai/agent/mcp/)：MCP Tool 与 Function Calling 的层次关系
+- [《上下文工程实战指南》](https://javaguide.cn/ai/agent/context-engineering/)：Structured Output 在上下文工程中的位置