Nontee22

原创 47 项数据中心公投,46 项限建获胜:杀 AI 股的不是财报,是选票

47 项数据中心公投,46 项限建获胜:杀 AI 股的不是财报,是选票。

原创 47 项数据中心公投,46 项限建获胜:杀 AI 股的不是财报,是选票

这一轮暴跌没有新财报、没有新论文、没有 scaling law 撞墙。触发器是一张选票结果——两天前的中期选举,和选票上一个被所有人忽视的议题:数据中心。11 月 5 日,美股 AI 板块经历 19 个月以来最差单日。

原创 分数涨、排名跌、成本翻倍:Hy4 正式版的三个反常点

分数涨、排名跌、成本翻倍:Hy4 正式版的三个反常点。

原创 分数涨、排名跌、成本翻倍:Hy4 正式版的三个反常点

8 月 28 日 preview 直接放权重,11 月 4 日正式版反而先闭源——"最强开源模型"的头衔,挂在了一个还没开源的模型上。腾讯混元 11 月 4 日发布 Hy4 正式版:相比 68 天前的 preview 扩大了预训练与后训练规模,

原创 登陆纳斯达克

原创 净亏 807 亿、算力承诺 8954 亿:史上最大 IPO 的三本账

八天前首版招股书还算力承诺 6560 亿,修订版直接干到 8954 亿——上不封顶 1.07 万亿。11 月 3 日,Anthropic 向 SEC 提交修订版 S-1 文件。这家拟以代码登陆纳斯达克、由高盛和摩根士丹利承销的 AI 公司,有望在 12 月刷新人类最大 IPO 纪录(此前纪录为 SpaceX 的 860 亿美元募资额)。而修订版披露的数字,比八天前的首版又吓人了一个量级。。

原创 创建大量多余对象，影响性能

命中 IntegerCache（默认范围 -128~127）时会复用缓存对象，但本例循环值均已超出缓存范围，因此会创建将近 4000 个 Integer 对象，降低性能并加重 GC 负担。// 自动装箱：int 实参 -> Integer 形参。// 自动拆箱：Integer 返回值 -> int。// Java 5 之前。

原创 dsh-superagent 讲透：当瓶颈从模型能力变成人的注意力

先看一个日常场景：你让 Claude Code 修一个 bug，切去另一个终端让 Codex 升级依赖，再切回来回答 agent 的提问——第三个 session 的进度你又想不起来了。模型写代码越来越快，跟不上节奏的变成了你自己。。本文基于 MarkTechPost 的报道、DeepSeek 的设计文档转述和 dsh-superagent 的 README 信息写成。数据全部来自 DeepSeek 自报的模拟实验，且经二手转述——这点后面专门有一节讲怎么打折着读。

原创 Apple 智能将于 11 月 4 日在中国开放测试

苹果的处境很直白：中国监管要求 AI 功能由持牌、备案的本土大模型承载，苹果自研模型不可能入华，选择权只在"哪家国产模型"。千问胜出的逻辑——开源生态最完善（全球衍生模型数量第一梯队）、函数调用和多语言能力经过验证、且阿里有意愿为"苹果官方供应商"这个身份出足够低的价。彭博社此前报道，这场合作谈判从 2024 年就开始了，中间历经多轮监管磨合。对阿里，这是用钱买不来的信任背书：全球高端手机市场一半以上的增量用户，将第一次通过苹果的入口认识千问。

原创 独立榜排第 26：DeepSeek-V4.1-Flash-1017 双面拆解

10 月 17 日，DeepSeek 在 API 更新日志里静默换掉了 V4.1 Flash——新版本号 V4.1-Flash-1017，API 调用方式不变（还是），价格一个字没动，网页端和 APP 同步更新。没有发布会，没有独立博文，一行日志 + 一张成绩单。官方对这次升级的定性是""：各基准成绩提升，任务运行时间和输出长度还缩短了。这话对不对？对，也不对。**纵向对比自家上一版，它确实是帕累托改进；横向放到独立榜单上，这个价位的"最优解"另有其人。**这篇把两面都摆出来。

原创 Java Stream 新手版：先写 for 循环，再翻译成 Stream

十二个模式全部来自一个真实项目——订单行（）、物料特性（）、特性字典（JtFeature）——类名原样保留。。先看熟的，再看新的，最后记住它会在哪摔跤。

原创 先调 OA，还是先写库：幂等防线的选址逻辑

B 连"登记推 SAP"的机会都没有，SAP 那边自然只被推一次。

原创 流量没涨，网关却炸了：一次 Gateway OOM 事故的机制复盘

套在网关上：λ 是每秒进来的请求数，W 是一个请求从进门到响应完成的耗时，L 就是同一时刻"挂"在网关里的在途请求数——每个 L 都占着一份内存。λ 没变，W 大幅上涨——回到第二节那条公式，在途请求数成倍上涨，每个请求占的那份内存原样，内存占用成倍上涨，小内存没有余量，很快被占满。再往下拆，是哪一笔税。死法二还有级联的余震：OOMKill 到重启完成之间有个不可用窗口，这个实例的流量涌向剩余实例——对幸存者来说，λ 突然变大，W 里还带着两笔税，按第二节那条公式，它们的在途请求数和内存占用跟着上涨，

原创 K3s vs K8s：差的不是功能，是交付方式

搜"K3s 和 K8s 的区别"，多数答案会给你一张功能对照表。先等一下——这两个东西根本不是并列关系。K3s 不是"另一个 Kubernetes"，也不是"阉割版 Kubernetes"。它和你部署的标准 K8s 从同一段上游代码构建，API 完全一致，你为 K8s 写的 YAML 拿到 K3s 上原样能跑。打个后端同学熟悉的比方：K8s 之于 K3s，有点像 Spring 之于 Spring Boot——不是两套东西，是"自己装配"和"约定装配"两种形态。

原创 Redis 锁挂掉时的有区分降级：三个入口放行，一个必须拒绝

OMS 项目里有一个 207 行的类（OA 提交守卫）性能下降可以忍；防护消失不行。每一处用锁的代码都必须当场做一个决定——这个请求，继续往下走，还是立刻报错。这个类有四个入口。同一种故障，三个入口选择继续走，一个入口选择报错，各自都有说得通的理由。这篇就把这个决定怎么做的讲清楚。不假设你接触过分布式锁、Redisson 或 Spring 事务，概念在用到的地方当场解释。

原创 选模型就是选执行器——把 LangChain 的模型路由器讲透

LangChain 十月这篇《How to Build a Model Router in the Harness》补上动态的部分：同一个智能体，每个任务现选模型。他们在自己的开源编码智能体 Open SWE 上做了 A/B：973 个线程，中位成本从 $2.61 降到 $0.94，降 64%；PR 合并率 29.2% 对 27.3%，质量无可测变化。这篇我照例读了两遍。第一遍读是个省钱故事：前沿模型太贵，把简单任务路由到便宜模型。——这个转变后端做过很多遍：读写分离、分级缓存、大小核、JVM 分层编译。

原创 OpenAI 把自己的三场败仗写进了官方跑分表：GPT-6 Astra 全表拆解

GPT-6 Astra 发布了，通稿标题都是"多项基准刷新纪录"。没错——FrontierMath Tier 4 97.6%、ARC-AGI-3 99.9%、ExploitBench 100%，满屏都是饱和数字。。第三方综合指数输给 Claude 5 分、带工具最难测试落后 8 个点、甚至自曝"被要求规避监控时，Astra 的推理比上代更难监控"。这三处每一个都值得放大——不是因为它打脸，而是因为。这篇就干一件事：把官方全表连同 17 条脚注拆开，告诉你哪些数字能信、哪些数字被脚注亲手拆了台。

原创 Claude Fable 5.1 科研跑分翻倍、缓存直降 75%

9 月 1 日（美东），Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1。，区别只在安全防护级别——Fable 5.1 全面开放，Mythos 5.1 只走受信任访问计划，给网络安全和生命科学领域。一个模型、两套护栏、两套售卖方式。这不是常规的版本迭代，这是 Anthropic 把"护栏"本身做成了产品线。而最有意思的证据，就藏在官方自己发布的分数表里。

原创 LCEL 管道里的数据去哪了：后端视角看 RunnableLambda 与 assign

LCEL 中 | 管道遵循“上游返回值即下游唯一输入”，RunnableLambda 只返回函数结果，易致旧数据被替换而非删除；RunnablePassthrough.assign 则自动合并旧字典并添加新字段，安全且语义清晰。选型核心：需转换/替换数据用 Lambda，需保留上下文并附加字段则用 assign。该设计呼应后端“管道、不可变、显式状态”理念，以显式数据流替代隐式上下文，提升可控性。

原创 Vue3 里 JS 和 TS 差在哪：一份后端程序员的对照笔记

Vue3 的 TS API 有一个统一指纹：把类型当参数传。回头看这份对照里 TS 出手的位置——ref<T>——“类型说明书"几乎全安装在尖括号里，也就是泛型实参的位置。对 Java 人来说这是天大的好消息：给容器和方法标类型参数的肌肉记忆可以整段迁移过来，不用学新东西。反过来说，不属于泛型指纹的两处——联合类型的和断言的as——才是 TS 真正的"新语法”，需要单独建心智模型。类型系统像回家，但不是同一个家。冒号声明、泛型、编译期检查，处处有 Java 的影子，上手成本低到出乎意料。

原创 腾讯 Hy4 开源：770B 旗舰，和一句“它参与了自己的训练“

可验证的：770B-A49B、1M 上下文、Apache 2.0、SWE-bench Pro 65.7% 开源第 2、比 GLM-5.3 便宜 40% 的旗舰定价、两周免费窗口。这些构成了它"开源第一梯队"的底座，成色扎实。要打折的：内部盲测险胜 GLM-5.3/Kimi K3 的 0.05 分——方向有参考价值，数字没有。要盯住的："递归自我改进"和 +31.8% 自优化吞吐。这是全篇最值得持续追踪的声明——如果后续有第三方复现或技术报告披露细节，它就是大事；如果再无下文，就当一次措辞实验。

原创 折旧同步消费侧改造：模板方法抽象与 Upsert 幂等的实战落地

上一篇写了折旧数据跨服务同步的整体链路：资产侧 outbox 保投递，MQ 异步传输，财务侧消费落库。链路是通了，但消费侧的问题当时是欠着账的——这一篇补上。

原创 折旧数据跨服务秒级同步：一个同步插件的设计实录

SLO 是"端到端 P99 ≤ 5s"，两端必须都有明确定义：起点不是消息发出时刻，而是。

原创 匿名霸榜 6 天的“牛来“认领了：GLM-5.3-Flash 跑分全拆解

产品层：57 分的 Intelligence Index、84.3 的 Terminal-Bench、63.4 的 DeepSWE、MIT 开源、1/10 的旗舰价——这套组合拳确实打进了性价比帕累托前沿，而且是开源阵营里第一个用混合注意力架构做到这件事的模型。DeepSWE 相对上代 +17 点的跃升说明这代升级是真的，不是营销注水。叙事层。

原创 Quartz 集群 + 策略模式：逾期预警推送系统设计实录

选型时第一个考虑的是 Spring@Scheduled+ ShedLock 这套轻量方案。@Scheduled是单机调度，节点宕机任务直接丢失；ShedLock 只解决"同一时刻不重复触发"，但没有任务上下线感知和失败转移；业务上要每日多次扫描，还要支持手动补偿重跑，需要完整的调度元信息。Quartz 集群模式下，所有节点共享同一组QRTZ_*表，靠行锁抢占 trigger。任意节点宕机，trigger 的到达后会被存活节点接管，天然具备 HA。

原创 Excel 导出组件改造实录：从 Full GC 到声明式导出

再看堆里装的是什么，导出请求攒出来的大对象赫然在列。堆调大确实能让 Full GC 来得晚一点，但导出的内存需求是随行数和并发数线性涨的，堆总有上限，这不是解决，是推迟。所以这次换库的本质不是"POI 有毒，EasyExcel 有解药"，而是把 SXSSF 这个正确的姿势从"需要开发者自觉选用"变成了"默认行为"，顺手把 DTO 映射也做了。响应头一旦设置，这次响应就"定型"了——EasyExcel 往响应流写的过程中如果抛异常，没法再回退成 JSON 错误响应，前端拿到的是一个残缺的文件。

原创 MySQL 插入冲突了怎么办？两种处理方式入门笔记

受影响行数是个宝。写 CRUD 的时候update()返回值从来没人看，但这两种语法全靠它反馈结果。数据库给了你返回值，就看你要不要用。唯一索引才是真正挡重复的那道门。两种语法都靠唯一索引触发——没有唯一索引，只是普通插入，的 UPDATE 分支永远不会走到。先想清楚"什么算重复"（哪个字段建唯一索引），再想"冲突了怎么办"（选哪种语法），顺序不能反。先查后插不是不行，是要加锁或者靠唯一索引兜底。并发场景下，"检查+写入"必须是一个原子操作才算安全。

原创 首个开源 PR 从 0 到合并：Reasonix 修复全流程复盘

本文记录了作者首次为开源项目贡献代码的完整过程。文中详细描述了从发现Reasonix工具在Windows更新后快捷方式失效的问题，到通过文档查阅、本地取证和代码定位明确问题根源（自修复逻辑未更新版本化路径），再到遵循最小改动原则进行代码修复（重写目标路径+保持可测试性）的全过程。作者还分享了完整的GitHub协作流程，包括issue报告、fork分支、提交规范、CI检查和PR合并等环节，并总结了环境配置经验和排障方法论。整个案例为开源新手提供了从问题诊断到代码贡献的实用指南，强调证据链思维和最小改动原则的重

原创 Rancher、Docker、K8s、Jenkins、ArgoCD：五个工具，一条流水线

本文介绍了云原生后端开发的五个核心工具及其协作流程，形成从代码到上线的完整交付流水线： Docker - 解决环境一致性问题，将应用及其依赖打包成可移植的镜像。 Jenkins - 实现CI流程，自动化完成代码编译、测试、镜像构建和推送。 Kubernetes - 负责容器编排，管理应用部署、扩缩容和故障恢复。 ArgoCD - 采用GitOps模式实现CD，确保集群状态与Git仓库声明一致。 Rancher - 提供多K8s集群的统一管理界面和可视化操作。 这些工具形成清晰的职责边界：Docker负责打包

原创 JGraphT 选型实录：为什么不用 SQL，也不用 Neo4j

SQL 能不能做？一跳勉强，二跳失控，最短路径和边类型叠加是 SQL 的死穴。查询本质是图遍历，SQL 表达不了遍历语义。要不要上图数据库？数据量小、一跳二跳局部遍历、数据源单一——Neo4j 的持久化、索引、集群能力全是过度设计。JGraphT 够不够？纯 Java 库、零运维、BFS 和边过滤开箱即用、MAX_DEPTH一行调层数。成本最低，且升级路径清晰。选型的关键不是选"更强的工具"，而是选"对路的工具"。

原创 Qwen3.8-Max 全面横评：2.4T 开源旗舰，离闭源天花板还有多远？

8 月 3 日，阿里干了件以前从没干过的事：把 Qwen-Max 级别的模型权重开源。过去两年多，Max 系列一直是藏在 API 后面的商业旗舰，你花钱、它给接口，权重长什么样没人见过。这次 Qwen3.8-Max 直接把 2.4 万亿参数的权重亮出来，官方宣布下周（预计 8 月 10 日当周）在 Hugging Face 和 ModelScope 同步开源。官方给的数据也很炸：PaperBench 93 分，比 Fable 5 高 4.2 分；芯片设计案例把 8,298 个逻辑门压到 678 个；

原创 Quartz 和 XXL-Job 对比学习笔记：两周学习，从一脸懵到能说出区别

这篇笔记从"Quartz 和 XXL-Job 谁更好"这个问题开始，学到一半发现答案没那么重要。先搞清楚"调度"和"执行"的区别、"高可用"和"并行"的区别，比急着站队有意义得多。

原创 Codex 隐藏玩法：让 Sol 当包工头、Luna Max 当工人，订阅额度直接翻倍

GPT-5.6 三档模型 + Codex 子代理，把"模型分工"变成了一个普通开发者就能用的日常技巧：Sol 当包工头管规划和审核，Luna Max 当工人干体力活，中间省下的是一整个数量级的成本。巧合的是，这套玩法火起来的时间点，正好撞上 OpenAI 把 Luna 砍价 80%——成本结构只会越来越有利。也许下一个问题不是"怎么省额度"，而是：当最便宜的档位已经够用的时候，旗舰模型的钱到底该花在哪？你会在 Codex 里把哪些任务委托给 Luna Max？还是觉得贵有贵的道理、Sol 全包更省心？

原创 模板方法和策略：边学边写，写不出来的就是没懂的

本文记录了作者学习设计模式中"模板方法"和"策略"两种模式的思考过程。作者通过先看实例再理解定义的方式，逐步掌握这两种模式的核心特点： 模板方法模式 使用继承机制，父类固定流程骨架（final方法），子类实现具体步骤（抽象方法） 特点是"流程固定，步骤可变"，如考试卷固定题型顺序但题目内容可变 适合流程稳定但某些步骤需要变化的场景 策略模式 使用组合机制，通过接口统一行为标准，具体实现可随时替换 特点是"行为抽象，实现可换"，如支付接口支持多种支付方式 适合需要动态切换完整算法/行为的场景 主要区别 模板方

原创 EasyExcel 和 POI 到底有什么区别？一个刚入行 Java 的人搞了好久才明白

为什么一个 2000 年代就有的库（POI），在大数据量场景下会 OOM，但一直没人去改它的底层设计？后来我想明白了——不是不能改，是为 POI 的"兼容性承诺"付出的代价。POI 承诺了十多年的 API 稳定性和功能回溯兼容。在这个承诺下，你要把它的底层解析模式从 DOM 换成 SAX，几乎等于重写。这就是为什么不是 POI 做不好，而是 EasyExcel 选择不背这个历史包袱，从外围绕过去重新做了。我觉得这个"绕过去"的思路，比这两个库本身的技术细节更值得学。

原创 一个短链接创建请求，背后到底经历了什么

我第一次看到 1.7 MB 这个数字的时候还以为自己算错了，反复确认了两遍——这么小的代价换来一个"快速判断不存在"的能力，性价比太高了。我一开始直接跳到 Service 层看核心逻辑，发现很多细节看不懂（比如为什么锁的 key 是 urlHash 而不是 shortCode，缓存 TTL 为什么随机），后来从 Controller 一层层往下跟，每个环节在当时的情境下都变得合理了。如果查到了，说明这个 URL 之前已经被人创建过短链接了，直接返回现成的，不用再生成一个。真正可能慢的是高并发下的锁竞争。

原创 1511 行、3.4 万 token，没有一行代码：Claude Opus 5 被泄露的“AI 宪法“全解读

profile.md → 用户身份信息/topics/ → 习惯、口味、兴趣/areas/ → 正在处理的事务/people/ → 人际关系/preferences.md → Claude 的"性格"设置读、写、追加、局部替换、列目录、删除。其中删除单独标注——只有用户明确要求才能用。上线 24 小时，Opus 5 的上限被开发者测了个遍，下限被 3.4 万 token 的规则一条条摁死。这份文档最值钱的不是任何一条工具参数，而是那一整套"不许"体系——

原创 短链接点进去之后到底发生了什么？

同步和异步分开走。跳转是核心功能，要快、要稳。统计是辅助功能，可以慢、可以排队。两个链路互不影响。消息队列不只是"削峰"。它更像一个保险——数据库扛不住的时候，消息先在队列里等着，不会丢。302 不是偷懒，是故意。用 301 更快，但会丢失统计数据。短链接的价值就在统计上。手动 ACK 加重试上限。不是"一条都不能丢"，而是"尽力处理，但要有底线"。3 次还不行就放弃，防止系统被死循环拖垮。Redis 的用法很讲究。PV 用 INCR，UV 用 HyperLogLog，都是性价比高的方案。

原创 Opus 5 八胜三负：Claude Fable 5 该不该换？

Opus 5 是当前综合智能最强的模型之一，在编码、Agent、计算机操作和安全领域全面领先 Fable 5，且价格便宜一半。但 50% 的幻觉率和 DeepSWE 上第三名的表现说明它并非万能。没有完美的模型，只有最适合你场景的选择。数据来源：Anthropic 官方发布、AA Intelligence Index、Frontier-Bench、ARC-AGI、OSWorld、DeepSWE 等公开基准测试数据。截至 2026 年 7 月。

原创 Qwen3.8 解读：2.4T 开源，离 Fable 5 还有多远？

Qwen3.8 的发布时间点值得玩味。7 月上旬 Kimi K3 发布，7 月 19 日 Qwen3.8 预告，同一天有消息称 DeepSeek V4 也可能在近日发布。这不是巧合。2026 年 7 月，国产大模型正进入一个密集发布窗口。阵营模型参数量核心差异月之暗面Kimi K32.8T自研 KDA 架构，长上下文 1M，企业应用阿里云Qwen3.82.4T开源权重，阿里云生态，编码能力优先深度求索DeepSeek V4正式版（传闻）未公布。