- 博客(141)
- 收藏
- 关注
RSS订阅原创 从插件到独立运行时:Kong AI Gateway 2026 年进展梳理
Kong AI Gateway 于2026年完成关键演进：3.14版推出Agent Gateway（A2A代理），实现Agent间流量治理；2.0版本实现AI控制平面独立，引入模型、MCP服务器、Agent等一等实体，解耦API网关；2.2版强化可移植性，支持Passthrough、Skills API、TypeSafe JEV及按凭证限流。持续更新聚焦成本控制、多模态计量与协议演进，治理颗粒度从LLM扩展至全链路AI数据路径。
2026-11-04 16:57:06
101
原创 深度解析：从传统 IDE 到 Agentic 工作台，AI 编码助手的演进与破局
过去两年，AI 编码从单行补全迈向多行逻辑生成，正迎来范式跃迁：从 Copilot 副驾模式进入自主智能体（Agentic Workflow）时代。以 Orca、Aider、Claude Code 为代表的新型工具，依托终端权限、超长上下文与自主迭代能力，打破传统 IDE 局限。它们构建起 ADE（智能体开发环境），实现跨文件重构、自动测试与并行任务执行。开发者角色由“编码者”转向“任务调度与审查者”，心智模型从“如何写代码”变为“如何描述任务”。这场变革不仅重塑开发流程，更重新定义程序员的未来形态。
2026-11-03 17:49:52
213
原创 三种 LLM API 设计比较:Gemini Interactions、OpenAI Responses、Anthropic Messages
本文比较 Anthropic Messages、OpenAI Responses 与 Google Interactions 三种 LLM API 设计。三者均从无状态补全演进至有状态资源，但路径不同：Anthropic 由客户端维护历史，OpenAI 将响应资源化，Google 则以“交互时间线”（Interaction）为核心，支持步骤级记录、默认持久化、异步任务与 agent 混用。关键差异在于状态存储位置、响应结构（消息 vs 步骤）、流式事件设计及配置继承机制。
2026-10-19 10:46:47
347
原创 垂直领域大模型训练的一点思考和探索
本文系统阐述了领域大模型训练的四大路径（RAG、SFT、二次预训练、从零预训练）及五大实施步骤，强调优先采用“RAG+SFT”组合以低成本实现高性价比落地。核心建议：用RAG保障知识准确性，用SFT优化输出风格与逻辑；数据质量远胜数量，需精心清洗与构建评测集；推荐使用LLaMA-Factory、Unsloth等框架，结合LoRA/QLoRA轻量化微调，最终通过量化部署实现高效推理。
2026-10-12 17:54:58
330
原创 大模型连接万物的“USB接口”：一文彻底读懂 MCP 的本质、局限与生态全景
方案维接入机制部署位置安全与控制核心适用场景MCP开放协议 (stdio/SSE)本地 / 私有网段极高（数据不出本地，人工审批拦截）IDE 插件、桌面级 AI 助手、本地私有 Agent原生 API JSON随模型端而定中等（完全依赖开发者自行防范）自研 AI 应用、定制化工作流管道远程 HTTP REST纯云端 SaaS中等（基于 OAuth / Token 鉴权）云端 SaaS 自动化（如飞书、Notion 联动）代码库导入代码运行时内部取决于实现。
2026-09-28 17:18:05
211
原创 Google 翻译 Chrome 扩展与内置翻译系统的高效运作机制与核心架构解析
一方面，历史遗留的采用 <font> 元素强行破坏 DOM 树的替换方式，正受到工业界的持续反思，更先进的原位修改（In-place Mutation）与虚拟跟踪机制正逐步取代陈旧的脱轨方案，以期彻底消解与 React 等前端响应式框架的运行时对抗22。在包含成千上万个节点的大型 DOM 树中，深层递归会在 V8 虚拟机栈上积累巨大的调用开销，并在此过程中产生数以万计的瞬时 JavaScript 包装对象，引发频繁的垃圾回收停顿（GC Stutters）。
2026-09-23 18:50:56
261
原创 Tenstorrent builds computers for AI
Tenstorrent 是一家以 RISC-V、Tensix 和 Chiplet 为核心，试图用开放软件和开放 silicon 架构构建 NVIDIA 之外的 AI compute platform 的半导体公司。① Blackhole/Galaxy 的实际商业部署② TT-Forge/TT-Metalium 能否形成开发者生态③ RISC-V + Open Chiplet 能否从 Tenstorrent 自己的产品扩展成整个产业链的开放平台。
2026-09-17 16:10:48
266
原创 Huggingface上的模型评测指标介绍
本文系统梳理了大模型评估的六大核心维度：代码生成（HumanEval、SWE-bench）、综合知识（MMLU、GPQA）、数学推理（GSM8K、AIME）、视觉理解（MMMU、MathVista）、智能体能力（BFCL、GAIA）及语言指令遵循（IFEval、MT-Bench），涵盖从基础编程到复杂多步任务的全栈能力测评，全面反映模型在真实场景中的综合表现与人类对齐水平。
2026-09-11 12:09:03
201
原创 Kimi K3 深度研究报告
评估维度Kimi K3 旗舰DeepSeek 旗舰（以 V4 Pro / Flash 为例）模型定位长流程智能体（Agent）、多模态交互与复杂工程高性价比推理、数学逻辑、大吞吐代码与轻量部署架构特点2.8T MoE + 原生多模态 + KDA & AttnRes 创新MLA（多头潜向量注意力）+ DeepSeek-MoE 极稀疏架构多模态能力原生视觉 + Vision-in-the-Loop闭环反馈侧重文本/代码推理，多模态视具体分化版本而定官方 API 价格。
2026-09-11 11:58:45
127
原创 简单了解大模型评测
模型测评（Model Evaluation）是。：模型测评的核心本质是。它既是模型研发的“方向盘”与“度量衡”，也是模型落地应用的“准入证”。简单来说，。如果你把 AI 当成一个刚刚毕业的“应聘者”，模型测评就是 HR 和业务主管用来考核他的全套流程——看看他到底是真的有真材实料，还是只会吹牛。模型测评的本质，就是。AI 在没测之前就像一个黑盒，谁也不知道它什么时候会说错话、什么时候会掉链子。通过测评，我们才能知道它，从而放心地把它用到手机、客服、医疗等真实场景里。
2026-09-11 11:34:26
246
原创 GPT-6 Astra 研究报告——模型能力、API 演进与 Agent/MCP 生态影响分析
OpenAI 已于2026 年 9 月 3 日正式发布 GPT-6 Astra。复杂推理软件工程与 Coding浏览器和计算机操作多步骤任务执行科学研究网络安全文档、表格和演示文稿创建Tool Calling / MCP / Agent 工作流其上下文窗口达到，最大输出，支持五档 reasoning effort。标准 API 定价为。更值得关注的是，GPT-6 Astra 的变化并不仅仅是“模型变强了”。进一步演进的趋势。尤其值得关注的是。
2026-09-08 16:26:38
278
原创 399 美元能买到怎样的双足机器人？Pollen Robotics 发布开源小鸭机器人 Microduck
Microduck 的出现降低了双足机器人以及强化学习 Sim2Real 的探索门槛。无论你是具身智能研究员、机器人爱好者，还是想在桌面上养一只会溜冰、会踢球的“AI小鸭”，Microduck 都提供了一个集趣味性与硬核技术于一体的新选择。
2026-09-04 15:36:04
332
原创 MCP 规范版本对比：2025-11-25 vs 2026-07-28
【代码】MCP 规范版本对比：2025-11-25 vs 2026-07-28。
2026-09-03 18:49:48
356
原创 LLM中的Web Search的本质
Web Search是AI服务商内置的server-side tool，由Provider执行，区别于用户端function tool；不同Provider schema不同；对AI Gateway需做抽象/转换。
2026-09-03 10:54:17
243
原创 揭秘 Gemini 原生 Web Search 与双 Endpoint 架构设计
原生 Web Search（接地技术 Grounding），是指 Gemini 模型直接内置了调用 Google 搜索引擎的编排逻辑。无需编写复杂的外部爬虫或搭建中间件，模型即可自主判断用户意图，并在需要时实时检索全网最新信息。Google Gemini API 展现了从“纯文本生成模型”向“原生 Agent 系统”演进的清晰路径。原生 Web Search通过接地技术消除了 LLM 的时效缺陷，而generateContent 与 interactions 的双接口格局。
2026-09-02 18:13:21
342
原创 搞懂 OAuth 2.0：从核心原理到实战演练
OAuth 2.0（Open Authorization 2.0）是一个行业标准的授权框架授权。它允许用户把某网站（服务提供商）上存储的受保护资源，授权给第三方应用访问，而无需将账号密码透漏给第三方应用。所有交互（特别是 Token 的传输）必须全程强制使用 HTTPS 加密，防止中间人攻击。在发起授权请求时传入随机生成的state参数，并在回调时校验，可有效防御 CSRF（跨站请求伪造）攻击。
2026-09-02 11:48:54
186
原创 生产级MCP服务四大核心实践指南
说明书（Description）是否清晰明了，告诉了 AI何种场景才调用？参数 Schema 是否写明了类型、默认值以及边界约束（如 limit/max）？是否在 Server 端实现了超长结果的自动截断/分页？破坏性接口（增删改/付费）是否配置了 Human-in-the-Loop 确认？接收外部参数时，是否做了严格的参数校验和防注入过滤？
2026-08-31 17:00:50
337
原创 大模型服务供应商 API 接口架构与请求格式差异化研究报告
摘要 本报告分析了主流大语言模型（LLM）服务商的API设计差异，揭示市场存在“开发者优先”（如OpenAI）和“企业治理优先”（如AWS、Azure）两大阵营。研究发现API架构可分为三类：全载荷型（参数集中于请求体）、路径RPC型（模型ID嵌入URI）和部署代理型（面向企业多租户）。报告详细对比了OpenAI、Anthropic、Google、AWS等厂商的API设计特点，包括参数位置、鉴权方式和兼容性，为企业集成提供策略参考。
2026-08-16 16:34:25
305
原创 使用 TypeScript 实现基于 pgvector 的 LLM 自动化测试用例
该方案通过 TypeScript 整合了 pgvector 向量存储、Sentence-BERT 向量生成和 LLM 调用，实现了对 LLM 输出的“语义级自动化测试”。容忍 LLM 输出的表述多样性（如同义词、句式变化）；通过向量相似度量化输出质量，而非刚性文本比对；测试结果可持久化存储，便于后续分析 LLM 性能波动。实际使用时，可根据测试场景调整向量模型（如用更大的 BERT 模型提升精度）和相似度阈值，平衡测试的严格性与灵活性。
2025-09-27 21:36:41
706
原创 Kong Gateway 实操实例：代理上游服务并配置限流插件
Kong 中的「Route」是请求入口规则，用于定义“哪些客户端请求会被转发到指定的 Service”（如通过路径、域名、HTTP 方法匹配）。我们希望：客户端访问时，转发到上游服务的/*路径（即。
2025-09-27 20:31:56
1403
原创 华为云CCE
进入AOM控制台→“仪表盘”→“新建仪表盘”。点击“添加图表”，选择数据源为“CCE”，按维度筛选（如“集群→节点→Pod”），选择指标（如“容器CPU使用率”）。支持设置图表类型（折线图、柱状图等）、时间范围（近1小时、近7天等），保存后可直观查看指标趋势。
2025-09-01 19:00:41
2002
原创 如何快速学习新技能
在这个知识迭代速度远超想象的时代，掌握高效的学习方法比单纯积累知识更重要。无论是程序员想快速上手新框架，还是职场人跨界学习数据分析，一套科学的学习策略能让你用。以下是结合认知科学理论与现代工具的实战方法，助你在技能升级的赛道上领跑。
2025-08-31 18:48:54
15587
1
原创 Playwright 中Codegen的优点与局限性分析
codegen是 Playwright 最具创新性的功能之一，适合快速原型开发、新手入门和简单场景的自动化测试，但其生成的代码在复杂场景下需大量优化，且长期维护成本较高。实际使用中，建议将codegen作为“起点”，再通过手动重构和抽象提升测试脚本的稳定性与可维护性，以平衡效率与质量。
2025-08-31 15:23:59
1206
原创 浅谈JMeter Listener
Listener的本质是数据的入口和出口：调试时，它们帮你快速定位问题；压测时，它们帮你提炼指标；扩展时，它们帮你打通生态。工具是死的，场景是活的——调试阶段可尽情探索，压测阶段必须回归极简，让JMeter专注“发请求”，把“数据分析”交给更专业的工具（如Grafana、Python）。掌握这些Listener，你就能从“看结果”进化到“用结果驱动优化”，真正让性能测试产生价值。
2025-08-28 16:36:50
1016
原创 容器编排工具Docker Compose
每个service对应一个容器实例，你可以配置它的镜像、端口映射、环境变量、依赖关系等。比如一个nginx# docker-compose.yml 片段services:nginx: # 服务名（容器间通信时用这个名字）image: nginx:1.25 # 容器使用的镜像ports: # 端口映射：宿主机端口:容器端口volumes: # 数据卷挂载：宿主机目录/数据卷:容器目录- ./nginx/conf.d:/etc/nginx/conf.d # 挂载Nginx配置。
2025-08-27 13:28:31
988
原创 Kubernetes 命令行工具：kubectl
kubectl是 Kubernetes 操作的“瑞士军刀”，核心命令围绕资源的CRUD（创建、查看、更新、删除）和调试（日志、执行命令、端口转发）展开。日常巡检用；资源管理用（通过配置文件）；问题排查用（重点看 Events）；本地调试用。熟练掌握这些命令，能显著提升 Kubernetes 集群的运维和开发效率。
2025-08-27 12:25:28
1192
原创 AI 工具链测试
AI工具链测试：需以“端到端正确性”和“硬件级性能”为核心，覆盖“框架→IR→编译器→Runtime”全链路，通过自动化测试保障高频回归；MLIR测试：聚焦“Dialect语义”“Pass优化”“转换一致性”，依赖mlir-opt等工具验证；TVM测试：重点在“模型解析”“TIR编译优化”“自动调优效果”“跨设备部署”，需结合多硬件后端和模型格式；关键能力：需具备“IR阅读能力”（理解MLIR/Relay IR结构）、“性能分析能力”（定位瓶颈算子）、“跨硬件调试能力”（如嵌入式设备日志排查）。
2025-08-26 14:14:23
1004
原创 Linux文件归档工具tar
功能命令示例创建 gzip 压缩包tar -czvf 包名.tar.gz 源文件/目录解压 gzip 压缩包tar -xzvf 包名.tar.gz创建 bzip2 压缩包tar -cjvf 包名.tar.bz2 源文件/目录解压 bzip2 压缩包tar -xjvf 包名.tar.bz2查看压缩包内容tar -tzf 包名.tar.gz（gzip 格式）解压到指定目录tar -xzvf 包名.tar.gz -C 目标目录打包时排除文件。
2025-08-25 21:32:47
1048
原创 Linux系统文件目录
的核心组成部分，通过严格区分「用户身份」和「操作权限」，确保不同用户/进程只能访问其被授权的目录和文件，避免误操作或恶意篡改。Linux系统的目录结构以根目录“/”为起点，采用树形层级设计，每个子目录都有明确的分工和用途。通过以上内容，可系统理解 Linux 目录权限的设计逻辑、配置方法及实际应用，结合之前的目录结构知识，能更安全地管理 Linux 系统。超级用户（root）的专属主目录，存放root的配置文件和私有数据，普通用户无访问权限。这些库支持/bin和/sbin中的程序运行，是系统启动的依赖项。
2025-08-25 20:42:26
776
原创 Grafana k6 性能测试
安装和配置k6环境理解k6的核心概念和生命周期编写基础和进阶的测试脚本配置复杂的测试场景和阈值处理认证和管理测试数据导出和可视化测试结果集成k6到CI/CD流程k6提供了丰富的功能和灵活的API，能够满足从简单到复杂的各种性能测试需求。随着您对k6的深入使用，可以探索更多高级功能，如自定义指标、WebSocket测试、分布式测试等。要了解更多信息，请参考k6官方文档：https://k6.io/docs/
2025-08-24 14:19:50
1395
原创 GitHub Actions workflow最佳实践
使用 GitHub Actions Workflow 时，遵循最佳实践可以显著提升自动化效率、安全性和可维护性。以下是经过实践验证的核心最佳实践，涵盖配置设计、性能优化、安全防护等维度，并附具体示例：将不同功能（如测试、构建、部署）拆分为独立 Workflow（如 、、），而非在单个文件中堆砌所有逻辑。好处：降低复杂度，便于单独触发和维护。示例：2. 精确控制触发条件，减少无效运行通过 字段的 、、 等过滤条件，避免 Workflow 在不必要的场景下触发（如文档变更无需运行测试）。示例：3.
2025-08-23 13:31:03
1061
1
原创 2025年12大AI测试自动化工具
消除软件测试中的繁琐任务，能适应代码变化，发现测试覆盖漏洞。通过自动创建高质量测试，简化流程、减少手动工作量，确保开发过程中代码质量一致。对QA团队：可摒弃重复任务，专注策略制定；对开发人员：能更高效工作，减少干扰。上述工具解决了软件测试中的速度、可扩展性和准确性等关键痛点。对于希望简化单元测试的团队，EarlyAI是实用解决方案，可自动生成和维护测试，减少调试时间。鼓励尝试相关工具以轻松提升代码质量。
2025-08-19 22:15:28
1668
1
原创 提示词工程进阶：掌握CAREful方法论，让AI输出质量倍增
Context（上下文）是提示词的“前置信息库”，用于向AI传递任务相关的背景、场景、目标受众、已有条件等基础信息。它的作用是帮AI“定位”任务场景，减少因信息缺失导致的理解偏差。Ask（任务指令）是提示词的“核心目标”，用于清晰告知AI需要完成的具体任务。它的作用是帮AI“聚焦”任务核心，避免因指令模糊导致的输出偏离。Rules（执行规则）是提示词的“约束条件”，用于定义AI完成任务时需要遵守的格式、风格、规范、禁忌等。它的作用是帮AI“划清边界”，确保输出符合实际需求。
2025-08-19 21:52:32
1420
原创 GitHub Actions 从核心思想到最佳实践
GitHub Actions的革命性在于将DevOps理念与开发者工具链深度融合仅支持YAML格式，文件存储在代码仓库的目录语法简洁，基于"事件→作业→步骤→动作"的层级结构示例：name: Teston: [push]jobs:test:steps:支持两种格式：Declarative（声明式YAML）和Scripted（脚本式Groovy）Jenkinsfile可存储在代码仓库或Jenkins服务器语法更灵活，支持复杂逻辑（循环、条件判断等）
2025-08-18 16:58:32
1068
原创 深度解析Dify的核心概念、设计哲学与快速实践
在AI技术加速渗透产业的今天，Dify作为开源AI应用开发平台的标杆，重新定义了AI工程的实现路径。其核心概念围绕声明式AI应用定义展开——通过YAML文件描述提示词、上下文、插件等要素，最终生成标准化API或开箱即用的Web应用。这种设计将复杂的AI逻辑转化为可版本化、可追溯的代码资产，使开发者能够像管理传统软件一样迭代AI应用。从技术架构看，Dify融合了Backend as a Service（后端即服务）与LLMOps（大模型运维）理念，构建了包含模型管理中心可视化编排引擎和。
2025-08-18 16:34:47
943
原创 Python数据类型转换详解：从基础到实践
Python的数据类型转换是连接不同数据形态的桥梁，掌握其规则能让你更灵活地处理数据。区分隐式转换（自动完成）和显式转换（手动触发）熟悉基本类型转换函数（int()float()str()bool()）的使用场景和限制理解容器类型转换的特性（尤其是集合的去重和字典的特殊要求）注意转换过程中可能出现的错误，做好异常处理在实际开发中，合理的类型转换能让代码更健壮、更易维护。多练习不同场景下的转换操作，你会逐渐形成对数据类型的直觉性理解。
2025-08-17 22:09:32
817
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