- 博客(33)
- 收藏
- 关注
RSS订阅原创 Slickflow.AI 基于 Harness 工程规范的多智能体交互过程实现
需求分析服务[AgentTool("根据采购物品描述，识别采购类别代码")]?[AgentTool("从采购描述中提取规格参数，返回数量、单位和技术规格")]// 实际场景：调用 NLP 服务或规格库供应商搜索服务[AgentTool("搜索供应商目录，返回符合条件的供应商列表")]// 实际场景：查询供应商数据库[AgentTool("向指定供应商发起报价请求，返回单价、货期和总金额")]// 实际场景：调用供应商门户 API 或 EDI 接口决策原因ReAct 循环。
2026-06-01 21:58:33
368
原创 Google 开源了啥，让 AI Agent 碰数据库不再是定时炸弹
具体来说，它在你的应用和数据库之间插入了一个控制平面（Control Plane）。你用 YAML 文件预先定义好所有允许的数据库操作，LLM 只能调用这些预定义好的「工具」，无法自行生成任意 SQL。
2026-06-01 15:45:46
283
原创 、红帽RHCSA+RHCE课前说明与Linux系统安装学习笔记
初始化识别硬件（CPU、内存、磁盘、网卡等）提供软件运行环境，所有应用程序依赖操作系统运行合理分配硬件系统资源操作系统核心是内核。
2026-06-01 15:29:40
196
原创 [python]argparse 包在聊天机器人中的应用
在开发一个 AI 驱动的 IM 应用 Bot 时，某些场景用命令会更快更准确。我的设想是先按空格分割用户输入的文本，拿到第一段去匹配命令字典，如果匹配上了，说明用户想要执行命令，接着交给命令类处理即可；如果未匹配到，说明用户发的只是自然语言，那就需要交给 AI 相关的模块来处理。我在之前一篇介绍方法的博客中有提到过怎么处理命令，不过那里面只能处理简单格式的命令，命令文本只能按空格切片，不支持--xx这样的参数。在想着怎么处理这些不同形式的命令参数时，我突然想起来 Python 标准库里面的。
2026-06-01 15:24:15
158
原创 架构师必备：分布式事务方案选型合集
方案一致性性能代码侵入性最适合的场景TCC强一致/最终一致高高资源争夺型高并发（下单扣库存、余额）Saga最终一致高中长流程、调用外部服务（旅行出游预订）可靠消息最终一致高中异步解耦的非核心流程（注册送积分）2PC强一致低低内部低并发强一致转账AT模式弱一致/读未提交中低无侵入改造老系统没有一套方案能覆盖所有分布式事务场景，做方案选型时重点关注：数据不一致的窗口能容忍多久？并发量有多大？是否能实现补偿逻辑？
2026-06-01 15:18:55
165
原创 OpenDeepWiki 导出仓库 Skill：把代码知识沉淀成企业可复用的 AI 资产
企业代码知识，不应该只被展示，更应该被封装成 AI 能直接工作的资产。让仓库知识真正可复用让 AI 真正具备项目上下文让跨团队协作更顺畅让新人 onboarding 更高效让企业内部知识平台更容易接入代码仓库知识让研发知识沉淀从“页面内容”升级成“能力资产”如何把已经讲清楚的仓库知识，真正交给企业的 AI 系统去持续使用。
2026-05-31 23:48:39
300
原创 营销自动化数据驱动 - 多源数据 OLAP 架构演进
她通读了 CNCF Landscape 的各类技术文章，然后大显身手，引入 Istio 做 Service Mesh，用 Argo 做发布，在 Vault 管理 Secrets，部署 Prometheus + Thanos 做可观测性，还有 cert-manager 处理 TLS，external-dns 管理域名，Velero 搞定备份。是真正的实战培训，而不是丢下一句看文档。我想进一步补充的是，真正致命的问题不在复杂性本身，而在于那些未被文档化的复杂性，也就是只存在于 Maya 脑子里的隐秘经验。
2026-05-05 12:18:06
154
原创 大模型之Linux服务器部署大模型
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。核心作用：根据输入文本的长度，自动计算并选择合适数量的示例（输入越长，选的示例越少），避免 Prompt 总长度超出模型上下文限制；- 示例数据集（examples）：以键值对形式存储「输入-输出」示例，为模型提供任务参考（如"开心"→"伤心"）；
2026-05-04 11:27:20
185
原创 Jenkins 学习总结
而你的主要代码逻辑则被移动到状态机的MoveNext()方法中，通过状态值和switch语句实现执行点的跳转。下次使用async/await时，请记住：你正在利用C#编译器的强大魔法，将看似简单的顺序代码转换为高效的状态机实现。特别重要的是：如果异步方法同步完成（所有等待的操作已经完成），状态机将保留在栈上，不会发生堆分配。该构造会追踪代码中的各种操作和状态，比如当代码达到等待表达式时放弃执行，以及在后台作业完成时恢复执行。// 状态：-1=开始，0=等待中，-2=完成。
2026-05-02 13:03:44
365
原创 Pretext：值得关注的文本排版引擎
printf("Q位状态：%s\n", is_q_flag_set()?"溢出（置1）" : "未溢出（置0）");优先使用 ARM GCC 内置函数（如__qadd），深入调试可通过汇编操作 Q 位，检测溢出需读取 APSR 的 Bit27；printf("32位饱和加法结果：%d（预期：2147483647）\n", res1);运算结果超出目标数据类型的数值范围（上限 / 下限） 时，结果被 “钳位” 到该类型的极值；
2026-05-02 12:08:34
319
原创 Linux I/O 演进史：从管道到零拷贝，一篇串起个服务端核心原语
这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个 总-递进-总 的简短大纲，一共分为5段。
2026-05-01 11:59:59
231
原创 SDD基于规范编程-OpenSpec及SuperPowers
{"count":1,"elapsed":209,"elapsedAvg":209,"startAt":"2025-07-17 13:33:55.116","stopAt":"2025-07-17 13:33:55.325","success"煞牧诒旱。由于 Calico 官方文档中也有注明，first-found 模式为：使用第一个接口（不包括 Docker 网桥等本地接口）上的第一个有效 IP 地址，建议根据不同需求选择不同配置方式，本文采用的指定接口方式。## 默认使用此配置。## 等待很久后报错。
2026-04-30 11:53:15
333
原创 Linux I/O 演进史：从管道到零拷贝，一篇串起个服务端核心原语
这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个 总-递进-总 的简短大纲，一共分为5段。
2026-04-30 11:25:40
222
原创 SDD基于规范编程-OpenSpec及SuperPowers
设计时，要把依赖关系想清楚，比如认证应该放在靠“里”层（后添加），日志可以放在最“外”层（先添加）。划重点： 中间件函数接收一个 call_next，它就像接力棒，你必须调用它（await call_next(request)），请求才能继续往后走。再说个容易翻车的点。这里千万别学我当初偷懒，图省事直接上 `allow_origins=["*"]`，这在生产环境是安全大忌，相当于餐厅大门敞开，谁都能进。- 迎宾（CORS中间件）：先看你是不是从允许的街区（域名）来的，不是就直接劝退（返回CORS错误）。
2026-04-29 11:26:22
388
原创 Linux I/O 演进史：从管道到零拷贝，一篇串起个服务端核心原语
这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个 总-递进-总 的简短大纲，一共分为5段。
2026-04-29 10:54:27
192
原创 粉紫系超人气月兔铃仙
这里用的ChatPromptTemplate.from_template和上的ChatPromptTemplate.from_messages不同，区别在于前者比较简单，相当于后者直接用user字典的形式，后者from_messages有langchain框架提供的prompt模板。"你是一位高考作文专家。langchain中提供的chain链组件，能够帮助我门快速的实现各个组件的流水线式的调用，和模型的问答。"请给主题为 {topic} 的议论文写一个 总-递进-总 的简短大纲，一共分为5段。
2026-04-28 12:14:43
182
原创 lvgl-micropython、lv_micropython和lv_binding_micropython到底啥关系？一文读懂
服务成功加锁后，启动后台守护线程，每隔锁过期时间的 1/3 （如 10 秒）检查锁是否仍被自身持有，若持有则延长锁的过期时间（重置为 30 秒），直到业务完成主动释放锁。哨兵将从节点切换为主节点，新主节点无该锁数据，其他服务可重新加锁，导致原锁失效，出现多个服务持有锁的情况。成因：锁 key 粒度太粗（如用“lock:stock”作为所有商品的库存锁），导致所有商品的库存操作都互斥，即使操作不同商品，也需排队等待锁释放，彻底丧失分布式系统的并发优势。③ 释放锁时自动同步清理所有节点锁数据，无需手动协调。
2026-04-28 11:33:10
145
原创 一天一个Python库：lxml - 高效解析XML和HTML的利器
这样做是为了支持离线构建（Source Build），确保即使在没有网络连接的环境下，只要克隆了 VMR，就拥有了构建所需的一切代码。为了适应开源社区的协作习惯，并实现不同组件（如 Runtime, SDK, ASP.NET Core, Roslyn 编译器等）的独立迭代，.NET 团队最初采用了极为分散的多存储库（Multi-Repo）策略1。VMR 作为一个“投影”，兼容了标准 Git 工具链，虽然牺牲了一定的实时性（同步延迟），但换取了对开源社区的友好度。而在 VMR 中，构建是垂直的。
2026-04-27 11:06:17
158
原创 记一次综合型流量分析 | 添柴不加火
ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)进一步，我们还可以给哑铃图排序，按照增长由快到慢给各个品类排序，这样自然形成从"下降最显著"到"增长最显著"的连续谱，模式自动显现，无需刻意寻找。这样改造后，由上到下的哑铃，越来越短（也就是增长越来越慢），最底部的那个是负增长，用了红色来标注。
2026-04-27 10:32:40
159
原创 基于 Vue + TS + Ant Design Vue 实现精细化菜单按钮权限授权组件
这种“思考 → 执行 → 反馈 → 再思考”的循环机制，让复杂问题被自然拆解成一连串可验证的小步骤，也让错误变成系统的一部分，而不是失败的终点。OpenAI的Codex CLI就是这一趋势的典型代表——一个跨平台的本地软件代理，能够在用户的机器上安全高效地生成高质量的软件变更。这就是 unrolling the loop 的含义：把模型原本“在脑子里一次性完成的思考”，拆成一轮一轮、可执行、可观察的步骤。把“刚刚发生的现实结果”，翻译成模型能理解的文字，再塞回 Prompt。
2026-04-26 11:55:24
293
原创 记一次综合型流量分析 | 添柴不加火
langchain专门用于构建LLM大语言模型，其中提供了大量的prompt模板，和组件，通过chain(链)的方式将流程连接起来，操作简单，开发便捷。response = chain.invoke({"topic": "Python", "concept": "列表"})response = chain.invoke({"topic": "Python", "concept": "列表"})这是模型需要直接回答或处理的问题。("system", "你是一个精通{topic}的资深技术专家。
2026-04-26 11:13:44
188
原创 基于 Vue + TS + Ant Design Vue 实现精细化菜单按钮权限授权组件
Workflows (项目级)：存储在项目根目录的 .agent/workflows 中。Skills (全局库)：实际的代码、脚本和指南，存储在系统级目录（如 ~/.gemini/antigravity/skills）。# 此时目录结构应为 ~/.gemini/antigravity/skills/ui-ux-pro-max-skill/...# 此时目录结构应为 ~/.gemini/antigravity/skills/skills/...节省空间：不需要在每个项目中重复下载几百 MB 的技能文件。
2026-04-25 11:19:20
289
原创 记一次综合型流量分析 | 添柴不加火
ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)进一步，我们还可以给哑铃图排序，按照增长由快到慢给各个品类排序，这样自然形成从"下降最显著"到"增长最显著"的连续谱，模式自动显现，无需刻意寻找。这样改造后，由上到下的哑铃，越来越短（也就是增长越来越慢），最底部的那个是负增长，用了红色来标注。
2026-04-25 10:36:18
351
原创 IP地址什么？工业场景网络注意事项有哪些？
使用 kubectl-neat 插件，可以自动移除这些由集群生成的冗余字段，仅保留有意义的内容，使 yaml 更加简洁，方便复用。## 这里我直接将 kubectl get -o yaml 与 kubectl-neat get -o yaml 输出对比。## 示例是通过 kubectl plugin 方式安装,使用二进制安装改成 kubectl-neat 就好。## 上面说没啥用的地方就在这...实际上能用的参数只有 get(kubectl-neat 自己的参数)## 自动补全命令用的。
2026-04-24 11:56:03
232
原创 从零入门性能测试：理论+JMETER实操，看完就能上手
当数据值超过一层时，就用更深的颜色或不同的颜色填充。流图通过中心布局，减少了这种扭曲，非常适合展示随时间变化的趋势和不同类别权重的波动，这种有机的形态还能给读者带来极强的审美愉悦感。如果把传统的堆叠面积图想象成一块块整齐堆叠的积木，那么流图就像一条蜿蜒流淌的河流，河道的宽窄变化自然流畅，波峰波谷过渡平滑。流图解决了一个视觉错觉问题：在普通堆叠面积图中，上面的数据层会因为下面数据层的起伏而被迫“扭曲”，很难看出它原本的形状。# ============ 地平线图：股价波动对比 ============
2026-04-24 11:17:20
201
原创 IP地址什么？工业场景网络注意事项有哪些？
使用 kubectl-neat 插件，可以自动移除这些由集群生成的冗余字段，仅保留有意义的内容，使 yaml 更加简洁，方便复用。## 这里我直接将 kubectl get -o yaml 与 kubectl-neat get -o yaml 输出对比。## 示例是通过 kubectl plugin 方式安装,使用二进制安装改成 kubectl-neat 就好。## 上面说没啥用的地方就在这...实际上能用的参数只有 get(kubectl-neat 自己的参数)## 自动补全命令用的。
2026-04-23 19:54:05
299
原创 从零入门性能测试：理论+JMETER实操，看完就能上手
当数据值超过一层时，就用更深的颜色或不同的颜色填充。流图通过中心布局，减少了这种扭曲，非常适合展示随时间变化的趋势和不同类别权重的波动，这种有机的形态还能给读者带来极强的审美愉悦感。如果把传统的堆叠面积图想象成一块块整齐堆叠的积木，那么流图就像一条蜿蜒流淌的河流，河道的宽窄变化自然流畅，波峰波谷过渡平滑。流图解决了一个视觉错觉问题：在普通堆叠面积图中，上面的数据层会因为下面数据层的起伏而被迫“扭曲”，很难看出它原本的形状。# ============ 地平线图：股价波动对比 ============
2026-04-23 19:02:03
217
原创 IP地址什么？工业场景网络注意事项有哪些？
使用 kubectl-neat 插件，可以自动移除这些由集群生成的冗余字段，仅保留有意义的内容，使 yaml 更加简洁，方便复用。## 这里我直接将 kubectl get -o yaml 与 kubectl-neat get -o yaml 输出对比。## 示例是通过 kubectl plugin 方式安装,使用二进制安装改成 kubectl-neat 就好。## 上面说没啥用的地方就在这...实际上能用的参数只有 get(kubectl-neat 自己的参数)## 自动补全命令用的。
2026-04-22 12:14:11
372
原创 从零入门性能测试：理论+JMETER实操，看完就能上手
当数据值超过一层时，就用更深的颜色或不同的颜色填充。流图通过中心布局，减少了这种扭曲，非常适合展示随时间变化的趋势和不同类别权重的波动，这种有机的形态还能给读者带来极强的审美愉悦感。如果把传统的堆叠面积图想象成一块块整齐堆叠的积木，那么流图就像一条蜿蜒流淌的河流，河道的宽窄变化自然流畅，波峰波谷过渡平滑。流图解决了一个视觉错觉问题：在普通堆叠面积图中，上面的数据层会因为下面数据层的起伏而被迫“扭曲”，很难看出它原本的形状。# ============ 地平线图：股价波动对比 ============
2026-04-22 11:24:14
344
原创 JaguarJack
使用 kubectl-neat 插件，可以自动移除这些由集群生成的冗余字段，仅保留有意义的内容，使 yaml 更加简洁，方便复用。## 这里我直接将 kubectl get -o yaml 与 kubectl-neat get -o yaml 输出对比。## 示例是通过 kubectl plugin 方式安装,使用二进制安装改成 kubectl-neat 就好。## 上面说没啥用的地方就在这...实际上能用的参数只有 get(kubectl-neat 自己的参数)## 自动补全命令用的。
2026-04-21 14:03:27
385
原创 告别阻塞！用 PHP TrueAsync 实现 PHP 脚本提速 倍
Spring Boot 4.0 于 2025 年 11 月正式发布，基于 Spring Framework 7.0，全面支持 Java 25（含虚拟线程优化），是一个里程碑式的大版本更新。配置类迁移适配：针对 Spring Boot 4 中移动的配置类（如 Caching 、Thymeleaf 、WebMvc 、FreeMarker 和 Mustache ）提供了全面的识别支持。除了新功能，本次 EAP 还包含了大量的 Bug 修复和性能优化，涵盖了从核心平台、UI、文件系统到各种语言的方方面面。
2026-04-21 14:02:44
204
原创 GLM-. 全面支持与 Gemini CLI 集成：HagiCode 的多模型进化之路
当数据值超过一层时，就用更深的颜色或不同的颜色填充。流图通过中心布局，减少了这种扭曲，非常适合展示随时间变化的趋势和不同类别权重的波动，这种有机的形态还能给读者带来极强的审美愉悦感。如果把传统的堆叠面积图想象成一块块整齐堆叠的积木，那么流图就像一条蜿蜒流淌的河流，河道的宽窄变化自然流畅，波峰波谷过渡平滑。流图解决了一个视觉错觉问题：在普通堆叠面积图中，上面的数据层会因为下面数据层的起伏而被迫“扭曲”，很难看出它原本的形状。# ============ 地平线图：股价波动对比 ============
2026-04-20 15:05:22
319
原创 万字拆解 LLM 运行机制：Token、上下文与采样参数
/ 配置静态资源路径。当添加了特定的Starter POM后，springboot会根据类路径上的jar包来自动配置bean（比如：springboot发现类路径上的MyBatis相关类，springboot会自动配置MyBatis相关的bean）。这些注解通常用在自动配置类上，以确保只有在特定条件满足时才会应用相应的配置。
2026-04-20 15:04:39
244
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人