<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[黄规速博客:学如逆水行舟，不进则退]]></title><description><![CDATA[大道至简、专注精进，总结反思，做更好的自己！]]></description><link>https://blog.csdn.net/hguisu</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; hguisu]]></copyright><item><title><![CDATA[AI大模型7——codebuddy/workbuddy的skills工作原理和开发实践]]></title><link>https://blog.csdn.net/hguisu/article/details/160761791</link><guid>https://blog.csdn.net/hguisu/article/details/160761791</guid><author>hguisu</author><pubDate>Mon, 04 May 2026 11:31:09 +0800</pubDate><description><![CDATA[CodeBuddy Skills 本质上是一套“AI Agent 能力包”机制。它通过文件目录（而非代码 SDK）的形式，将 Prompt 指令、工作流 SOP、脚本工具和领域知识封装成可复用的模块，让通用大模型在特定任务中变成“领域专家”。Skills 的设计哲学是“渐进式披露”。它不是一次性把几百行系统提示词塞给模型，而是按需加载，极大节省上下文窗口并提升精准度。触发与加载：当用户提出需求（如“分析代码安全”），CodeBuddy 会扫描 Skills 目录，匹配元数据，仅将相关的 和必要资源动态注入模]]></description><category></category></item><item><title><![CDATA[AI大模型-6：MCP原理和开发]]></title><link>https://blog.csdn.net/hguisu/article/details/160190568</link><guid>https://blog.csdn.net/hguisu/article/details/160190568</guid><author>hguisu</author><pubDate>Wed, 15 Apr 2026 20:07:21 +0800</pubDate><description><![CDATA[简单来说，MCP 就是一个让 AI 模型能够安全、标准化地调用外部工具和访问外部数据 的协议。它解决了以往每个 AI 应用都需要为每个外部服务单独写集成代码的问题，实现了 "一次接入，处处可用" 的目标。]]></description><category></category></item><item><title><![CDATA[AI时代：重塑核心竞争力]]></title><link>https://blog.csdn.net/hguisu/article/details/159589534</link><guid>https://blog.csdn.net/hguisu/article/details/159589534</guid><author>hguisu</author><pubDate>Sun, 29 Mar 2026 01:04:32 +0800</pubDate><description><![CDATA[使用特定领域语言（DSL）或模型（如 UML、状态机）精确描述业务流程、数据结构和约束条件。即负责设计系统架构和业务规则。]]></description><category></category></item><item><title><![CDATA[AI大模型-2：智能体（Agent）：感知、决策、执行、目标]]></title><link>https://blog.csdn.net/hguisu/article/details/159580760</link><guid>https://blog.csdn.net/hguisu/article/details/159580760</guid><author>hguisu</author><pubDate>Sat, 28 Mar 2026 14:12:27 +0800</pubDate><description><![CDATA[（1）单智能体的局限性：能力比较单一，很难同时掌握多种专业技能；遇到复杂任务时就吃力了，有些任务需要多步骤、多领域配合着完成；效率不高，只能一步步串行执行，没法充分利用并行的资源；扩展起来也麻烦，应对不了大规模的分布式场景。（2）多智能体的优势：能实现专业化分工，每个智能体都专注于自己擅长的领域；可以并行处理任务，多个智能体一起干活，能加快整体任务的进度；能把复杂的大任务拆解开，分成一个个子任务，分别去处理；系统扩展性好，能根据需求随时增加或者替换智能体。]]></description><category></category></item><item><title><![CDATA[AI大模型-3：AI系统核心组件：Agent、MCP、RAG、Skill]]></title><link>https://blog.csdn.net/hguisu/article/details/159580054</link><guid>https://blog.csdn.net/hguisu/article/details/159580054</guid><author>hguisu</author><pubDate>Sat, 28 Mar 2026 13:59:14 +0800</pubDate><description><![CDATA[AI系统正从对话交互向自主执行升级，其核心架构由四大组件协同构成：Agent（决策中枢）、RAG（知识库）、Skill（执行工具）和MCP（调度协议）。类比智能汽车，Agent如同驾驶员负责规划决策，RAG提供精准知识导航，Skill是执行工具包，MCP则作为连接各组件的标准接口。大模型是系统引擎，但需四大组件配合才能实现完整闭环：Agent指挥任务分解，通过MCP调用RAG获取知识、调度Skill执行操作。四者形成有机整体，缺失任一都会影响系统效能，共同推动AI从生成内容到解决实际问题的能力跃升。]]></description><category></category></item><item><title><![CDATA[AI大模型-4：Harness（驱动工程）]]></title><link>https://blog.csdn.net/hguisu/article/details/159579369</link><guid>https://blog.csdn.net/hguisu/article/details/159579369</guid><author>hguisu</author><pubDate>Sat, 28 Mar 2026 13:14:54 +0800</pubDate><description><![CDATA[大模型本身正在快速商品化，真正的技术壁垒和商业价值，将不属于模型本身，而属于模型之上、应用之下那个中间层——可以称之为「AI Agent 运行时」或「驾驭工具」（Harness）。未来几年，谁能定义并掌握这个中间层，谁就能在人工智能的下半场占据主导地位。Harness如何让一个 AI Agent 在真实世界中可靠、高效地工作。]]></description><category></category></item><item><title><![CDATA[AI大模型-1：AI能解决什么？]]></title><link>https://blog.csdn.net/hguisu/article/details/159554725</link><guid>https://blog.csdn.net/hguisu/article/details/159554725</guid><author>hguisu</author><pubDate>Sat, 28 Mar 2026 00:07:14 +0800</pubDate><description><![CDATA[本文阐述了人工智能的本质与发展历程。AI的核心是通过数据统计模拟人类智能，解决信息处理效率问题。它经历了从符号主义、机器学习到深度学习的演进，当前大模型时代展现出生成能力和多模态融合趋势。AI既是工具也是生产力，其定位取决于应用场景：作为工具时增强人类能力，作为生产力时可直接替代部分人力。未来将向智能体化和价值对齐方向发展，重点解决伦理风险问题。]]></description><category></category></item><item><title><![CDATA[架构设计(15)：AI时代的架构设计]]></title><link>https://blog.csdn.net/hguisu/article/details/150219786</link><guid>https://blog.csdn.net/hguisu/article/details/150219786</guid><author>hguisu</author><pubDate>Mon, 11 Aug 2025 16:57:34 +0800</pubDate><description><![CDATA[AI工程化落地需要底层知识与系统架构的深度融合。架构设计遵循演进式、松耦合、领域驱动等原则，采用分层架构确保高并发、高可用等质量属性。AI工程师需从&quot;码农&quot;向解决方案架构师转变，构建T型能力结构，在AI生成代码基础上优化系统性能与扩展性。优秀的AI架构需深度理解业务需求与技术动态，底层知识解决核心问题，系统架构保障可靠运行，二者共同构成AI从理论到工程落地的完整闭环。]]></description><category></category></item><item><title><![CDATA[Deepseek使用以及大模型使用提问技巧]]></title><link>https://blog.csdn.net/hguisu/article/details/145467901</link><guid>https://blog.csdn.net/hguisu/article/details/145467901</guid><author>hguisu</author><pubDate>Thu, 06 Feb 2025 10:49:48 +0800</pubDate><description><![CDATA[DeepSeek是一款由国内人工智能公司研发的大型语言模型，拥有强大的自然语言处理能力，能够理解并回答问题，还能辅助写代码、整理资料和解决复杂的数学问题。与OpenAI开发的ChatGPT相比，DeepSeek不仅率先实现了媲美OpenAI-o1模型的效果，还大幅降低了推理模型的成本。其新模型DeepSeek-R1以十分之一的成本达到了GPT-o1级别的表现，引发海外AI圈的广泛讨论。DeepSeek采用了完全开源策略，不仅降低了用户的使用门槛，还促进了AI开发者社区的协作生态。]]></description><category></category></item><item><title><![CDATA[纪念母亲：]]></title><link>https://blog.csdn.net/hguisu/article/details/144494552</link><guid>https://blog.csdn.net/hguisu/article/details/144494552</guid><author>hguisu</author><pubDate>Sun, 15 Dec 2024 23:18:57 +0800</pubDate><description><![CDATA[回首母亲的一生，她是一个非常普通的农村妇女，辛勤劳作，朴实无华，却深深地烙印在我的生活里。我从北京匆忙赶回广西老家，已是12月11日凌晨4点，目睹母亲冰冷地躺在床上，我放声痛哭，仿佛我的世界都失去了色彩。12月11日（农历冬月十一日），我们在家中举行了治丧仪式，直到13日出殡，这两天两夜，我唯一的愿望就是时间能够过得慢些，再慢些，让我能多陪陪母亲。母亲文化水平虽低，见世面少，脾气有时急躁，说话容易得罪人，但她的心地无比善良，为人正直，待人诚恳。我也将带着您的遗愿，继续为我的孩子们努力奋斗，照顾好爸爸。]]></description><category></category></item><item><title><![CDATA[认知系列5:《高效能人士的七个习惯 》笔记总结]]></title><link>https://blog.csdn.net/hguisu/article/details/142918789</link><guid>https://blog.csdn.net/hguisu/article/details/142918789</guid><author>hguisu</author><pubDate>Mon, 14 Oct 2024 15:00:28 +0800</pubDate><description><![CDATA[高效能人士的七个习惯1.积极主动:凡事向内求，找自己的问题；2.以终为始:确定目标，想尽一切方法实现目标；3.要事第一:将事情确立优先级顺序，抓重点事情先解决；4.双赢思维:对别人也有好处的事情，对自己才有好处；5.知彼解己:先理解别人，再理解自己；6.统合综效:创造性的合作，实现1+1＞2；7.不断更新:认知、知识结构，把优秀变成一种习惯。]]></description><category></category></item><item><title><![CDATA[大模型LLM(2)：开源 LLMOps平台dify。]]></title><link>https://blog.csdn.net/hguisu/article/details/138978737</link><guid>https://blog.csdn.net/hguisu/article/details/138978737</guid><author>hguisu</author><pubDate>Thu, 16 May 2024 23:40:25 +0800</pubDate><description><![CDATA[Dify 是一款开源的大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。它支持多种大型语言模型，如 Claude3、OpenAI，同时与多个模型供应商合作，确保开发者能根据需求选择最适合的模型。平台提供了强大的数据集管理功能，允许用户上传、管理文本和结构化数据，以及通过可视化工具简化 Prompt 编排和应用运营，大大降低了 AI 应用开发的复杂度。]]></description><category></category></item><item><title><![CDATA[大模型llm(1)：Ollama部署llama3学习入门llm]]></title><link>https://blog.csdn.net/hguisu/article/details/138481654</link><guid>https://blog.csdn.net/hguisu/article/details/138481654</guid><author>hguisu</author><pubDate>Mon, 06 May 2024 21:04:53 +0800</pubDate><description><![CDATA[Llama 3 是一个自回归语言模型（an auto-regressive language），它使用优化的 transformer 架构。调整后的版本使用监督微调 （SFT） 和带有人类反馈的强化学习 （RLHF），以符合人类对有用性和安全性的偏好。大型模型则达到400B，仍在训练中，目标是实现多模态、多语言的功能，预计效果将与GPT 4/GPT 4V相当。]]></description><category></category></item><item><title><![CDATA[架构师技能：技术深度硬实力透过问题看本质--深入分析nginx偶尔502错误根因]]></title><link>https://blog.csdn.net/hguisu/article/details/138201341</link><guid>https://blog.csdn.net/hguisu/article/details/138201341</guid><author>hguisu</author><pubDate>Fri, 26 Apr 2024 00:21:05 +0800</pubDate><description><![CDATA[二、问题定位出现这种问题，肯定是需要通过日志来定位。nginx出现错误日志：(110: Connection timed out) while reading response header from upstream 一般是nginx读取来自upstream的响应头时超时。主要接口xxxx/container请求超时。2、排查是否存在：no live upsteams接口/user/autch/check出现no live upsteams，即报出502错误。]]></description><category></category></item><item><title><![CDATA[架构师技能9-深入mybatis:Creating a new SqlSession到查询语句耗时特别长]]></title><link>https://blog.csdn.net/hguisu/article/details/136236476</link><guid>https://blog.csdn.net/hguisu/article/details/136236476</guid><author>hguisu</author><pubDate>Thu, 22 Feb 2024 17:12:02 +0800</pubDate><description><![CDATA[确保后续如何智慧地绕开同类问题。以下是排查问题的过程和思路：二、定位问题。]]></description><category></category></item><item><title><![CDATA[k8s实践(15)--调度器扩展]]></title><link>https://blog.csdn.net/hguisu/article/details/135441112</link><guid>https://blog.csdn.net/hguisu/article/details/135441112</guid><author>hguisu</author><pubDate>Sun, 07 Jan 2024 19:37:39 +0800</pubDate><description><![CDATA[一般来说，我们有 4 种扩展 Kubernetes 调度器的方法。1、直接 clone 官方的 kube-scheduler 源代码进行修改：在合适的位置直接修改代码，然后重新编译运行修改后的程序，当然这种方法是最不建议使用的，也不实用，因为需要花费大量额外的精力来和上游的调度程序更改保持一致。默认的调度器和我们自定义的调度器可以通过 Pod 的。]]></description><category></category></item><item><title><![CDATA[k8s实践(14)--scheduler调度器和pod调度策略]]></title><link>https://blog.csdn.net/hguisu/article/details/135432040</link><guid>https://blog.csdn.net/hguisu/article/details/135432040</guid><author>hguisu</author><pubDate>Sat, 06 Jan 2024 21:49:26 +0800</pubDate><description><![CDATA[负责资源的调度（Pod调度），通过API Server的Watch接口监听新建Pod副本信息, 按照预定的调度策略将Pod调度到相应的Node节点上；]]></description><category></category></item><item><title><![CDATA[架构师技能：程序员如何体现价值]]></title><link>https://blog.csdn.net/hguisu/article/details/132012748</link><guid>https://blog.csdn.net/hguisu/article/details/132012748</guid><author>hguisu</author><pubDate>Sun, 30 Jul 2023 23:23:26 +0800</pubDate><description><![CDATA[最近领导提到到一个话题：做得好更好死得更快。然后周末大雨闲在家里总结了关于程序员悖论的思考。]]></description><category></category></item><item><title><![CDATA[GO进阶(5) 垃圾回收机制]]></title><link>https://blog.csdn.net/hguisu/article/details/129345758</link><guid>https://blog.csdn.net/hguisu/article/details/129345758</guid><author>hguisu</author><pubDate>Sun, 05 Mar 2023 15:08:05 +0800</pubDate><description><![CDATA[当程序的内存占用达到一定阈值时，整个应用程序就会全部暂停，垃圾收集器会扫描已经分配的所有对象并回收不再使用的内存空间，当这个过程结束后，用户程序才可以继续执行，Go 语言在早期也使用这种策略实现垃圾收集，但是今天的实现已经复杂了很多。在应用程序中会使用到两种内存，分别为堆(Heap)和栈(Stack) , GC负责回收堆内存，而不负责回收栈中的内存:栈是线程的专用内存，专门为了函数执行而准备的，存储着函数中的局部变量以及调用栈，函数执行完后，编译器可以将栈上分配的内存可以直接释放，不需要通过GC来回收。]]></description><category></category></item><item><title><![CDATA[Go整洁架构设计——目录结构基本布局]]></title><link>https://blog.csdn.net/hguisu/article/details/129342554</link><guid>https://blog.csdn.net/hguisu/article/details/129342554</guid><author>hguisu</author><pubDate>Sun, 05 Mar 2023 09:58:12 +0800</pubDate><description><![CDATA[随着项目的代码量在不断地增长，不同的开发人员按自己意愿随意布局和创建目录结构，项目维护性就很差，代码也非常凌乱。良好的目录与文件结构十分重要，尤其是团队合作的时候，良好的目录与文件结构可以减少很多不必要的麻烦。项目目录结构规范的的本质是提高了代码的可读性，最终目的是提高团队协作效率，降低工程维护成本。]]></description><category></category></item></channel></rss>