<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gitblog_00458的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/gitblog_00458</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; gitblog_00458]]></copyright><item><title><![CDATA[深入解析 Quickwit Searcher Split Cache：磁盘级缓存的设计原理与配置实战]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/153511646</link><guid>https://blog.csdn.net/gitblog_00458/article/details/153511646</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 22:20:59 +0800</pubDate><description><![CDATA[本文围绕 Quickwit 的 Searcher Split Cache（搜索节点 split 缓存）展开，系统讲解这一磁盘级缓存机制的工作背景、内部实现与配置方法。Split Cache 将完整的 split 文件缓存到搜索节点的本地磁盘，能够显著降低分布式搜索场景下对对象存储（如 S3）的 GET 请求次数与相关成本，同时改善查询延迟。读完本文，你将掌握 Split Cache 的适用场景、L]]></description><category></category></item><item><title><![CDATA[ScyllaDB on Docker 最佳实践：从单节点启动到生产级资源调优完整指南]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/159747581</link><guid>https://blog.csdn.net/gitblog_00458/article/details/159747581</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 22:10:03 +0800</pubDate><description><![CDATA[ScyllaDB 官方提供了 `scylladb/scylla` Docker 镜像，将数据库、`nodetool`、`cqlsh` 等全套工具打包进一个标准容器中。本指南以仓库中 [best-practices-scylla-on-docker.rst](https://link.gitcode.com/i/a1ae0fc7602ce90f8a0a4ae6d2eb44cd) 为主体，结合镜像的入]]></description><category></category></item><item><title><![CDATA[CubeSandbox PVM 云服务器核心操作性能基准测试报告：Template 冷启动与 Snapshot 全链路实测]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/161337657</link><guid>https://blog.csdn.net/gitblog_00458/article/details/161337657</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 22:01:53 +0800</pubDate><description><![CDATA[> 本文基于 CubeSandbox 在腾讯云标准型云服务器 SA9.4XLARGE32（PVM 内核，16 逻辑核 / 32 GiB 内存）上的实测数据，完整呈现"基于 Template 创建沙箱"（冷启动延迟、并发扩展、单机密度）与"Snapshot 相关操作"（制作、基于快照启动、Rollback、Clone、Pause/Resume）两大核心场景的性能表现。全文附带可直接复现的测试命令与脚]]></description><category></category></item><item><title><![CDATA[n8n 集成 Hindsight：用 Retain / Recall / Reflect 为自动化工作流注入持久记忆]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/163410217</link><guid>https://blog.csdn.net/gitblog_00458/article/details/163410217</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 21:46:51 +0800</pubDate><description><![CDATA[n8n 是自动化工作流的“连接组织”——Gmail、Slack、Sheets、Stripe、Notion 等 400+ 应用的触发器与动作可以自由编排，但默认情况下 n8n 是**无状态**的，每一次工作流运行都从零开始。本文介绍 `@vectorize-io/n8n-nodes-hindsight` 社区节点包，它为 n8n 带来 Hindsight 的持久记忆能力：通过 **Retain（记忆]]></description><category></category></item><item><title><![CDATA[Cilium 项目中的 TOML 解析实战：基于 BurntSushi/toml 的 Go 配置编解码指南]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/157917088</link><guid>https://blog.csdn.net/gitblog_00458/article/details/157917088</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 21:40:51 +0800</pubDate><description><![CDATA[本文以当前 Cilium 仓库 [vendor/github.com/BurntSushi/toml/README.md](https://link.gitcode.com/i/b11e22f0bc96c33e5b3b720b569ba0cc) 为骨架，系统讲解 TOML 格式与 Go 语言之间的双向映射能力。该库作为 Cilium 依赖链中的 `indirect` 依赖（版本 v1.6.0，见 ]]></description><category></category></item><item><title><![CDATA[LMCache MP 模式命中率调试指南：从计数器推导 L1/L2/Blend 命中率与回归排查实践]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/160005644</link><guid>https://blog.csdn.net/gitblog_00458/article/details/160005644</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 21:30:50 +0800</pubDate><description><![CDATA[> **导读**：本文聚焦 LMCache 多进程（MP）模式下的可观测性实战——如何从 `/status` 与 `/metrics` 暴露的计数器出发，精确推导 Token 级 L1-only、L2-only、Blend 以及组合命中率，并在命中率回归时按规范收集证据、定位 eviction 是否真正参与。文中公式、指标名与配置参数均对应当前仓库 `docs/design/v1/mp_obser]]></description><category></category></item><item><title><![CDATA[OpenMetadata VertexAI 连接器配置指南：GCP 凭证、IAM 权限与 ML 模型元数据摄取]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/161390780</link><guid>https://blog.csdn.net/gitblog_00458/article/details/161390780</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 21:12:48 +0800</pubDate><description><![CDATA[本指南完整讲解 OpenMetadata 中 VertexAI（Google Cloud 的端到端 ML 平台）连接器的配置方法，涵盖前置权限准备、两种 GCP 凭证注入方式、服务账号各字段的逐项含义，以及基于仓库 schema 的 YAML 配置与测试连接原理。读完本文，你将能独立在 OpenMetadata 中完成 VertexAI 服务的连接创建，并成功摄取 AI/ML 模型元数据。

##]]></description><category></category></item><item><title><![CDATA[Wasp 生产环境数据库部署指南：PostgreSQL 连接、Prisma 迁移与故障排查]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/151547935</link><guid>https://blog.csdn.net/gitblog_00458/article/details/151547935</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 20:54:44 +0800</pubDate><description><![CDATA[本文是 Wasp 框架部署系列中的数据库专题，讲解应用从本地开发走向生产环境时数据库环节的完整处理方式：如何为 Wasp 生成的服务端应用配置生产数据库、如何通过 `wasp db migrate-dev` 创建 Prisma 迁移、生产环境中迁移如何被自动应用，以及迁移失败时的排查方法。读完本文，你将掌握 Wasp 项目在 Fly、AWS RDS 等托管 PostgreSQL 服务（或自托管数据]]></description><category></category></item><item><title><![CDATA[RuboCop v0.23.0 版本解析：命名空间感知的 Cop、安全自动纠正与 `RuboCop` 模块重命名]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/153609316</link><guid>https://blog.csdn.net/gitblog_00458/article/details/153609316</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 20:22:36 +0800</pubDate><description><![CDATA[RuboCop 的 v0.23.0 是一个以稳定性为核心的里程碑版本：它为 Cop 引入了命名空间（namespace）机制，使 `Style/Filename` 与 `RSpec/Filename` 这类同名 Cop 可以共存；新增了防止自动纠正生成非法 Ruby 代码的保护逻辑；同时将主模块从 `Rubocop` 重命名为 `RuboCop`，影响所有依赖其公共 API 的扩展包。读完本文，你]]></description><category></category></item><item><title><![CDATA[Zettlr 引用（Citation）完全指南：从参考文献数据库配置到 Markdown 内联引用的实战教程]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/159913999</link><guid>https://blog.csdn.net/gitblog_00458/article/details/159913999</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 20:21:29 +0800</pubDate><description><![CDATA[> 本教程源自 Zettlr 仓库内建的新手引导文档 [static/tutorial/ja/citing.md](https://link.gitcode.com/i/7588040bd53e87e3c670d145af214e9b)，该文档对应英文版 [static/tutorial/en/citing.md](https://link.gitcode.com/i/06e4397eb6e6d2]]></description><category></category></item><item><title><![CDATA[Cleanlab Datalab 数据问题审计指南：内置问题类型、参数调优与自定义 IssueManager 实战]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/162057676</link><guid>https://blog.csdn.net/gitblog_00458/article/details/162057676</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 20:15:26 +0800</pubDate><description><![CDATA[Cleanlab 的 Datalab 是一个面向数据质量审计的统一入口，可以自动检测数据与标签中的各类问题（标签错误、异常点、近似重复、非 IID、类别不平衡、缺失值等）。本文基于仓库中 `docs/source/cleanlab/datalab/guide/` 下的官方指南，系统讲解 Datalab 内置的全部问题类型及其检测原理、`find_issues` 的可选参数调优方法，并手把手演示如何]]></description><category></category></item><item><title><![CDATA[LunaTranslator 日语分词与假名注音（Furigana）配置指南：MeCab + UniDic 完整实战]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/163609809</link><guid>https://blog.csdn.net/gitblog_00458/article/details/163609809</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 19:03:07 +0800</pubDate><description><![CDATA[本文以 [docs/vi/qa1.md](https://link.gitcode.com/i/f58d10ba6296af439d6ded87d945c2ba) 为核心脉络，系统讲解如何在 LunaTranslator 中启用基于 **MeCab + UniDic** 的日语分词与假名注音（Furigana）功能：包括 UniDic 词典的自动/手动两种安装方式、注音显示与语法高亮的开启步骤、平]]></description><category></category></item><item><title><![CDATA[Nightingale CDN 拨测集成：用 Categraf 主动探测 CDN 可用性与访问质量]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/154856512</link><guid>https://blog.csdn.net/gitblog_00458/article/details/154856512</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 17:34:36 +0800</pubDate><description><![CDATA[本文讲解 Nightingale 开源监控平台内置的 **CDN 拨测（主动探测）集成**。它由仓库中的 [integrations/CDN](https://link.gitcode.com/i/bae787d2477f0f090f2c2feb19e6f249) 目录承载：通过 Categraf 插件按周期对 CDN 加速域名发起真实 HTTP 请求，逐阶段拆分 DNS 解析、TCP 建连、TL]]></description><category></category></item><item><title><![CDATA[实战案例：用Archify从源码追踪mco公开仓库的运行时架构]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/162892471</link><guid>https://blog.csdn.net/gitblog_00458/article/details/162892471</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 17:34:09 +0800</pubDate><description><![CDATA[Archify 是一个面向 AI 编程助手的架构绘图 Agent 技能：它能从**真实源码**出发，把系统编译成可验证、可交互、可导出的自包含 HTML 架构图。本文用一个实战案例演示完整流程——追踪公开仓库 **mco** 的运行时架构，产出固定到具体 commit 的"有证据"架构地图，并教你复现这套"源码级架构图"方法。

## 一、认识 Archify：从源码到可验证架构图的绘图技能

A]]></description><category></category></item><item><title><![CDATA[Astryx Markdown与Citation组件：让AI输出内容渲染得又美又可信]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/152590545</link><guid>https://blog.csdn.net/gitblog_00458/article/details/152590545</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 17:30:05 +0800</pubDate><description><![CDATA[Astryx 是一个开源、可完全定制且"Agent 就绪"的设计系统，其中的 **Markdown 组件**能把 AI 返回的 Markdown 字符串直接渲染成带主题样式、可流式淡入的富文本，而 **Citation 引用组件**则把来源信息变成可点击的引用芯片——两者配合，让 AI 输出既好看又可信。

[![Astryx 设计系统概览：组件化设计与聊天界面展示](https://raw.gi]]></description><category></category></item><item><title><![CDATA[Nitro 的 TypeScript 优先开发指南：零配置类型安全、tsconfig 集成与编译管线解析]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/156416645</link><guid>https://blog.csdn.net/gitblog_00458/article/details/156416645</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 17:24:36 +0800</pubDate><description><![CDATA[> Nitro 是一款「TypeScript-first」的下一代服务端工具包（Next Generation Server Toolkit）：从配置文件、路由处理器到整个服务端代码，都可以直接用 TypeScript 编写而无需任何额外搭建步骤。本篇指南以 [docs/1.docs/63.typescript.md](https://link.gitcode.com/i/fd7651f56c02]]></description><category></category></item><item><title><![CDATA[丢进文件夹就自动学习：LLM Wiki 定时导入文件夹配置完整实战指南]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/152390690</link><guid>https://blog.csdn.net/gitblog_00458/article/details/152390690</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 17:11:25 +0800</pubDate><description><![CDATA[**LLM Wiki 定时导入**是这款 AI 知识库桌面应用最省心的功能之一：你只需勾选一个外部文件夹、设定扫描间隔，应用就会按周期自动检查其中的新增和修改文件，将它们拷贝进项目并交给 LLM 构建维基页面——真正做到"丢进文件夹就自动学习"。本文带你从零完成 LLM Wiki 定时导入与文件夹监听的全部配置。

[![LLM Wiki 应用总览界面](https://raw.gitcode.c]]></description><category></category></item><item><title><![CDATA[OpenCreator KrillinAI Subtitle 技能实战：用一条 CLI 命令完成 YouTube / Bilibili / 本地视频的多语言字幕生产]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/153861813</link><guid>https://blog.csdn.net/gitblog_00458/article/details/153861813</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 16:16:45 +0800</pubDate><description><![CDATA[本指南围绕 OpenCreator 仓库中 `krillinai-subtitle` 技能文档展开，讲解如何通过内置 KrillinAI CLI 的 `subtitle` 命令，从 YouTube 链接、Bilibili 链接或本地视频一键生成原文字幕、目标语言字幕、双语 SRT 与竖屏短字幕四种产物，并覆盖平台字幕优先、Whisper 转录兜底、双语顺序控制、字幕样式覆盖、dry-run 校验与]]></description><category></category></item><item><title><![CDATA[Hindsight × Vercel AI SDK：为 AI Agent 接入长期记忆的五个即用型工具]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/165322673</link><guid>https://blog.csdn.net/gitblog_00458/article/details/165322673</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 15:40:43 +0800</pubDate><description><![CDATA[Hindsight 的 `@vectorize-io/hindsight-ai-sdk` 包为 Vercel AI SDK 提供了一组开箱即用的记忆工具，让基于 `generateText`、`streamText`、`ToolLoopAgent` 构建的 AI Agent 具备"记住、召回、反思"长期记忆的能力。本篇指南以 Hindsight 官方 AI SDK 集成文档为核心，结合仓库内 Ty]]></description><category></category></item><item><title><![CDATA[UI-TARS 完整上手指南：让 AI 看懂屏幕、自己动手点鼠标的 GUI 自动化智能体]]></title><link>https://blog.csdn.net/gitblog_00458/article/details/161359760</link><guid>https://blog.csdn.net/gitblog_00458/article/details/161359760</guid><author>gitblog_00458</author><pubDate>Mon, 14 Sep 2026 15:32:23 +0800</pubDate><description><![CDATA[让 AI 替你操作电脑，听起来有点科幻，但 UI-TARS 已经把它做成了开源项目。它是字节跳动开源的多模态 GUI 自动化智能体：你给它一张屏幕截图和一句任务描述，它直接回给你下一步该干什么——点哪个按钮、输入什么文字、按哪个快捷键，全程不需要你写元素定位脚本。

为什么不用传统自动化脚本？因为那类脚本依赖元素 ID 和固定坐标，界面换个分辨率、弹窗换个顺序，脚本就崩。UI-TARS 的思路反过]]></description><category></category></item></channel></rss>