- 博客(1492)
- 收藏
- 关注
RSS订阅原创 斩获13.9万Star的gstack是真香还是鸡肋？拆解YC掌门人的AI虚拟研发团队
最适合直接照搬全套流程的人：正在从 0 到 1 做新产品的独立开发者、全栈创业者，或者刚接触 Claude Code 不知道如何约束 AI 行为的新手。gstack能直接帮你补齐原本缺失的产品审视、UI 除味（Deslop）和自动化回归测试环节。应该果断拆解、只取工具内核的人：在大中型工程团队负责存量复杂系统、后端微服务或底层基础设施的资深工程师。请大胆关掉它的主动推荐提示（），跳过虚拟 CEO 的灵魂发问，只把它的常驻浏览器守护进程、反删测门禁与安全拦截钩子收归己用。
2026-11-04 22:04:24
27
原创 金融系统账不平，怎么用密码学分清是 DBA 改库还是开发留后门？
回顾整套架构，极限安全与审计的终极目的，从来不是把研发或运维当成假想敌去监控，而是用低成本的数学确定性，替代高昂的人性猜忌。当每一行核心数据都携带着硬件飞地签发的 AEAD 认证标签、前后咬合的 Merkle 哈希链，以及源头交易的不可抵赖签名时，DBA 不再因为手握特权而在每次出事时被迫自证清白，研发也不再因为一段复杂的历史代码而背负“私留后门”的流言。把边界交给密码学，把信任还给团队，这才是金融核心系统安全加固的真正价值所在。
2026-11-04 20:49:35
41
原创 告别环境变量与 SDK 裸奔：用二进制度量与双重信封构建金融级凭据安全架构
不断缩小“信任锚点（Trust Anchor）”的物理体积。把信任建立在环境变量和配置文件上，任何能读文件的人都能攻破你；把信任下沉到操作系统内核（SPIRE），容器内的非特权攻击者就束手无策；再把信任下沉到 CPU 硬件可信根（Nitro Enclaves / 机密容器PCR0/PCR8）并用临时非对称公钥把证明文档与 KMS 信封锁死在一起，就连宿主机root沦陷也无法触碰你的核心凭据分毫。在实际落地时，不必追求所有边缘微服务一步到位全部上硬件 Enclave：对于 80% 的常规金融微服务，用。
2026-11-04 15:15:56
205
原创 Keycloak Client 的认证流程怎么选？从用户登录到服务调用
创建 Keycloak Client 时，你可能会看到 Standard Flow、Direct Access Grants、Service accounts roles 等选项。它们的名字相似，却对应不同的使用场景：有的是让用户登录，有的是让后台服务以自己的身份调用 API。本文以 OpenID Connect（OIDC）Client 为例。不同 Keycloak 版本的界面和选项位置可能不同。文中的地址、角色和请求都是演示示例，不是实测记录。
2026-11-01 19:49:22
223
原创 Remote-User 请求头认证：DevSecOps 单点登录的零改造接入与防伪造边界
Remote-User 请求头认证并不是要取代 OIDC 或 SAML，而是与它们形成互补：由前置认证代理统一承担标准 OIDC/SAML 协议交互与多因素认证（MFA），再通过极其轻量的 HTTP 请求头将验证结果下发给内网工具。目标系统是否原生支持 OIDC/SAML？如果支持，优先使用原生协议接入，让应用自己完成令牌验签，避免引入基于网络位置的隐式信任。如果必须使用 Remote-User 请求头认证，网络边界能否完全收敛？只有在确认后端端口与代理之间具备严格的本机回环隔离、
2026-10-28 23:40:33
184
原创 把 iPad 当作无头 Mac mini 的主显示器：如何从 iPad 端一键唤醒随航？
配一台 M4 芯片的 Mac mini，国行起售价只要 4,499 元；但如果想在桌面上配齐苹果自家的 Studio Display 显示器，起售价却高达 11,999 元——比一台 11 英寸 iPad Pro（8,999 元起）甚至 13 英寸 iPad Pro（11,499 元起）还要贵。
2026-10-26 01:29:43
302
原创 GitLab 满分 RCE 漏洞：自建实例请立即核对版本并升级
如果你负责自建 GitLab，现在应当核对实际运行版本，并安排紧急安全更新。2026 年 10 月 21 日，GitLab 发布紧急补丁，修复。该漏洞涉及正则表达式处理中的整数溢出，CVSS 3.1 评分为。官方说明：在特定条件下，未经身份验证的攻击者可以在 GitLab 服务器上执行任意代码。这意味着，攻击者可能不需要先拿到一个 GitLab 账号。不过，“无需登录”不代表任何请求都能成功，公告保留了特定利用条件。管理员不应把尚未确认具体触发条件当作推迟升级的理由。
2026-10-23 09:56:18
177
原创 Cloudflare 开源安全审计 Skill，DevSecOps 可以怎样用？
看到 Cloudflare 的 security-audit-skill，我最想弄清楚的是：把它接入日常安全工作，能多发现什么，又会增加多少复核工作？对 DevSecOps 来说，AI 找出一段“看起来危险”的代码并不稀奇。真正费时间的是后面的判断：谁能触发它？现有鉴权是否已经阻断？影响了哪个租户？代码里的配置在生产是否生效？报告能否交给研发处理？这个项目值得研究，因为它把这些问题写进了一套审计流程：先规划覆盖范围，再分工寻找漏洞，由新的 Agent 尝试推翻候选结论，最后生成有证据约束的结构化记录。
2026-10-22 22:42:15
219
原创 Blender 是什么？程序员为什么值得了解这套 3D 工具
第一次打开 Blender 的代码仓库，很容易产生一种感觉：这么大的项目，应该已经很成熟了，但它到底与自己有什么关系？对经常写代码、很少接触三维设计的人来说，Blender 可能只是一个听过名字的建模软件。看到它的名字，也容易联想到图片混合。Blender 确实能处理图像合成，但它覆盖的范围更广：创建三维物体、安排场景、制作动画，再把这些内容输出为图片和视频。更值得程序员注意的是，它提供 Python 接口，也支持命令行运行。许多视觉操作可以变成可重复执行的程序。
2026-10-22 22:28:33
179
原创 macOS 凭据管理实战：用 security CLI 替代脚本里的明文密钥
API Token 放在脚本里，容易跟着代码提交；放在.env里，又多了一份需要保护的明文文件。对只在自己 Mac 上运行的开发工具，我更愿意把凭据集中存进系统钥匙串，等工具启动时再读取。macOS 自带的就能完成这件事，无须另外安装凭据管理工具。不过，保存位置换成 Keychain，并不意味着读取后的凭据自动获得同样的保护。要把这套流程用好，需要同时考虑存储、授权和运行时暴露。本文以单行 API Token 和密码为例。命令示例采用 Bash/Zsh 可用的写法；交互提示以本机为准。
2026-10-21 01:35:41
226
原创 AI 已经能替你做技术探索，开发者该舍得投入了
一个一直想做的工具、一套没空验证的架构、一次迟迟没有开始的技术迁移，以前可能都卡在同一个地方：知道值得试，但抽不出时间亲手做完。现在，coding agent 已经能接手其中相当一部分执行工作。给它代码仓库、运行环境、必要资料和明确目标，它可以查代码、写实现、执行命令，再根据测试结果继续修改。任务边界清楚、反馈可靠时，开发者能够把更多精力放在提出问题和判断结果上。真正值得争取的，是把那些“有空再研究”的问题，尽早变成已经验证过的判断。
2026-10-21 00:05:17
171
原创 用 AI 编程做角色视频：Unreal、Unity 和浏览器方案怎么选？
最近研究视频制作，我遇到了一个很具体的问题：如果视频里需要一个能说话、做手势、保持形象一致的拟人角色，能否让 coding agent 编写代码，用游戏引擎驱动它？这个方向在技术上可行。角色模型可以重复使用，动作可以编排，同一句台词也可以换镜头重新渲染。但从“代码能让角色动起来”到“能持续制作自然的视频”，中间还有模型、口型、身体表演和出片流程。如果只制作离线影片，Blender 也值得进入候选名单。下面先解释两大引擎的位置，再把这些选择放进同一条制作链路。
2026-10-20 17:59:17
231
原创 macOS 27 自带的 system 模型，到底是什么水平？
在 macOS 27 的终端输入fmsystem，默认使用设备上的 Apple Foundation Model。它能聊天、读图、输出结构化数据，还能启动 Chat Completions API 服务。看到这里，很容易接着问：Mac 已经自带一个能替代主流大模型的本地助手了吗？能不能再下载几个模型，按需切换？我查了 Apple 的模型报告、WWDC26 开发者资料，以及第三方公开测试，也检查了当前 Mac 上的命令帮助。systemfm问题的关键，是区分模型家族、系统接口和具体版本。
2026-10-19 01:42:47
129
原创 macOS 27 自带的 AI 模型，能直接使用吗？
我最近买了一个Macmini M6芯片的，买来就提示升级Macos 27系统，我想弄清一个很实际的问题：Mac mini 已经运行 macOS 27，能不能直接调用系统里内置的 AI 模型，为自己开发工作和AI工具提供能力？macOS 27 自带fm命令，开发者还可以使用 Foundation Models 框架和苹果的 Python SDK。本机的fm手册甚至列出了serve，可以启动 Chat Completions API 服务。
2026-10-19 01:20:33
238
原创 AI 视频怎么选格式？从 MP4、MP3 到编码、剪辑与流媒体
研究 AI 视频制作时，很容易遇到这样的困惑：生成工具下载的是 MP4，配音工具提供 MP3，剪辑软件又出现 MOV、H.264、ProRes。它们看起来都叫“格式”，究竟应该选哪个？如果现在只需要交付一条普通的 SDR（标准动态范围）视频，，通常是兼容性较好的起点。配音需要继续剪辑时，优先拿到 WAV 中的 PCM 音频，并保留原始文件。但这只是发布与制作的两个起点。要理解为什么这样选，需要先把“格式”拆成三个问题：文件如何组织，画面与声音如何编码，以及编码时保留多少信息。
2026-10-18 11:57:09
254
原创 Kokoro 和微软 TTS 怎么选？先分清本地模型与在线服务
这个文字转语音工具好不好？本地运行、模型较小，是它值得关注的原因。至于声音是否足够好，还要看你使用的语言、文本和具体音色。微软的语音合成也值得比较，不过“微软 TTS”可能指不同的产品。edge-tts如果做离线工具，我会先试 Kokoro；如果写个人小脚本，我会先试 Edge TTS；如果应用需要官方 API，我会优先评估 Azure Speech。这些建议来自它们公开的功能和部署方式。本文没有进行实际试听或性能测试，也不据此评选音质冠军。
2026-10-18 01:50:51
249
原创 模型越来越强，Superpowers 和 ECC 还值得装吗？
我以前尝试过 Superpowers，但没有明显感受到它的价值。看到 ECC 之后，这个疑问又回来了：两者都为 AI 编程代理增加技能、规则和工作流程。模型已经懂得规划、测试和代码审查，再装一套教它这些事情的插件，究竟多了什么？我也倾向于相信，随着模型变强，一部分提示工具的作用会减少。经过验证、适用面又广的工程做法，有机会进入后续训练，或者成为编程工具的默认行为。用户没必要永远为模型补同一门课。不过，从这个判断走到“这些插件最终都没必要”，中间还有几层区别需要拆开。
2026-10-17 10:37:43
92
原创 ECC 的 Star 接近 Spec Kit 两倍，它们到底在解决什么问题？
看到 ECC 和 Spec Kit，我首先想到的是同一个问题：它们都给 AI 编程加上了计划、规则和验证，为什么要分成两个项目？更有意思的是热度。2026 年 10 月 17 日查询 GitHub API，ECC 有，Spec Kit 有，前者约为后者的 1.99 倍。ECC 的仓库创建于 2026 年 1 月，Spec Kit 创建于 2025 年 8 月。一个更晚创建的社区项目，Star 已经超过 GitHub 组织下的项目。单次快照也无法确定两者何时发生反超。
2026-10-17 10:09:24
199
原创 Kubernetes 服务间认证：ServiceAccount Token 在代码里怎么用？
服务都部署在 Kubernetes 内部，订单服务调用库存服务时，库存服务如何确认请求来自订单服务？一种方案是让每个服务使用独立的 ServiceAccount，再用 Kubernetes 签发的 Token 证明身份。配置好 ServiceAccount 后，应用仍然要完成几件事：读取 Token、随请求发送、校验对方的 Token，然后判断对方能否调用当前接口。demo命名空间里的orders调用inventory，读取GET /stock。
2026-10-15 18:53:15
169
原创 Agent 已经会画 SVG，diagram-design 还有什么用？
让 coding agent 画图，现在已经很方便：描述系统，要求输出 Mermaid、PlantUML 或 SVG，再让它修改几轮，就能得到一张图。那么，cathrynlavery 的开源项目，究竟多提供了什么？如果只是让 Agent 输出 SVG，再加一句“画得好看一点”，值得专门装一个 skill 吗？本文根据项目文档与实现结构分析，没有进行同模型、同提示词的生成效果评测。文中的示意图用于解释取舍，不代表不同工具的实测输出。
2026-10-14 18:56:54
154
原创 nginx sub_filter：替换了 HTML，也改变了缓存行为
一次页面排查中，我们遇到这样的现象：浏览器打开的是旧 HTML，里面引用的带哈希 JavaScript 文件已经不在当前部署中。重启浏览器后，页面恢复正常。检查响应时，又发现一个容易忽略的差异：静态资源有ETag和，HTML 却没有，连也没有。为什么同一台 nginx 会返回不同的响应头？线索藏在sub_filter中。
2026-10-13 13:42:44
279
原创 DevOps 和 SRE 怎么区分？从一次服务发布说起
我做了十多年运维，接触过基础设施、云平台、自动化工具和生产故障。DevOps 和 SRE 这两个词经常出现在岗位介绍里，但要马上说清它们的区别，我仍然会犹豫。它们的工作看起来太像了：写代码、搭建 Kubernetes、维护监控、处理告警，也都可能使用 Terraform、Ansible 和 CI/CD。我更愿意从一项具体工作判断：团队希望解决什么问题？我负责什么结果？结果怎样验证？沿着这三个问题看，一次熟悉的服务发布，就能把两者的联系讲清楚。
2026-10-11 20:14:19
250
原创 让 AI 写文档、建 Skill，算知识沉淀吗？
最近看招聘 JD，我看到一个要求：使用 coding agent 时，要能够沉淀知识。我开始对照自己的做法：让 AI 写文档、整理 Jira task，连 Git commit 和 GitLab MR 的说明也交给 agent。过去嫌麻烦、不愿细写的背景和验证步骤，现在往往能记录得更完整。我还会把有用的操作做成 Skill，寻找合适的 MCP，并维护项目上下文和 Claude rules。这些算不算知识沉淀？如果算，更专业的做法又多了什么？文档篇幅、Skill 数量和工具数量，都不足以单独证明效果。
2026-10-11 18:46:05
172
原创 AI 写代码越来越快，开发者的价值往哪里走？
当 AI Agent 能在几分钟内生成一个接口、一套测试和一份部署配置，开发者很容易产生一种焦虑：我还要怎样提高编码速度，才能跟上它？我的判断是：开发者应该把竞争重点转向问题定义、系统设计、技术判断，以及对交付结果的负责。编码速度仍然影响工作效率，但它越来越难成为独立的竞争优势。更深的变化在于，软件开发的价值分配正在受到影响。同样使用 AI，有人能够承担更大的工程范围，有人却可能发现，自己熟练完成的任务不再那么稀缺。要理解这种分化，可以使用 ESC 框架：E（Event，事件）看发生了什么；
2026-10-10 11:31:16
227
原创 让 Coding Agent 说简单英语，把日常工作变成阅读练习
我的英语阅读还能凑合。软件开发行业的很多单词，我都认得；不太复杂的内容，也能自己看懂。但书写表达较弱，口语和听力更弱，平时和同事、AI 沟通，仍然需要一些翻译帮助。遇到一段看起来很复杂的英文，或者手头工作比较急，我的习惯是直接让 AI 翻译。问题很快解决了，自己读英语的机会也少了一次。我每天工作、使用 Coding Agent 的时间很长。既然已经有这么多真实的交流，能不能让 AI 把英语写得更容易读，让我多看一点、多写一点，把练习融入正在做的事情？这是一项刚开始的尝试，还没有长期效果数据。
2026-10-09 17:36:36
232
原创 AI 写得太快，人看不过来：让输出更易读的航空写作法
我们让 AI 修改一个功能。它交回几百行代码、两页解释，再补上一份测试建议。生成结束了，我们的工作却刚开始：哪些行为变了？有没有影响旧接口？它说测试通过，究竟运行了什么？长文也是如此。一篇文章很快生成，核对主张、检查推导、删掉重复解释，却可能占据整个下午。“AI 10 秒写完，人要看半天”描述的是这种落差，不是统一的性能测量。模型、任务与输出长度都会改变实际耗时。
2026-10-09 12:02:11
197
原创 别等账单异常才发现密钥泄漏：用 Gitleaks 给 CI 加一道检查
一个临时测试用的 API Key，一份带密码的配置文件，或者一段排障时复制进 README 的连接字符串，都可能随着一次git push进入公开仓库。你可能觉得，仓库没什么人看，发现后马上删掉就好。但公开代码可以被程序持续检索，凭据又能直接换取服务的访问权限。一次误提交，可能让别人读取数据、调用付费 API，甚至在权限允许的情况下创建云资源，让你承担账单。我给自己的项目加了一条 Gitleaks 凭据扫描工作流。第一次运行，GitHub Actions 扫描了 161 个提交，结果是。
2026-10-09 01:27:55
108
原创 小米 MiMo 为什么进步这么快？从自主训练谈到人才价值
看到小米发布 MiMo-V2.6-Pro，我首先想到的是：一家此前在大模型领域存在感没有那么强的公司，为什么能这么快交出有竞争力的模型？接着就有两个疑问：它是否基于其他开源模型训练？此前引入罗福莉这样的研究人才，是否已经见到了效果？这几个问题值得一起看。但要回答它们，需要分别检查模型的训练来源、团队交付的技术成果，以及人才与成果之间能够建立多强的联系。
2026-10-08 16:28:54
242
原创 从 Haiku 4.5 到 5.5：能力跨了一大步，价格降了一大截
Haiku 5.5 发布后，最吸引我的地方，是能力和价格同时发生了很大的变化。以前提到 Haiku，很多人首先想到快速、便宜，适合做摘要和分类。这一次，如果仍沿用对 Haiku 4.5 的印象，很容易低估新模型：电脑操作、复杂推理和读图都明显提升，短提示档的 token 单价还降到了上一代的十分之一。这样的升级，值得重新评估它能承担哪些工作。不过，“比上一代强很多”和“适合做复杂开发主力”，仍然需要分开判断。
2026-10-08 13:08:19
312
原创 Haiku 5.5 很便宜，为什么我仍不打算把它当开发主力？
看到 Haiku 5.5 的价格，我最先想到的是：能不能把开发主力换成它，在有限的额度里多做一些工作？这个念头很自然。便宜意味着可以多问几轮、多跑几个任务，也意味着过去舍不得交给模型处理的零碎工作，现在有机会自动完成。但看完 Terminal-Bench 4.0 的准确率与成本曲线，我会暂时收回“全面换主力”的打算。Haiku 5.5 值得用，关键是把它放到合适的位置。本文依据 Anthropic 于 2026 年 10 月 7 日发布的和随文图表展开分析，没有进行个人实测。
2026-10-08 12:42:41
203
原创 Claude Code Mods：当 AI 编程工具开始允许你改造运行机制
使用 AI 编程工具时，我们已经习惯给它写规则、安装 Skills、连接 MCP。但还有一些需求，靠这些办法很难自然地完成：让代码差异始终显示在对话旁边；在用户提交问题时加入选定文件的修改；把团队规定的检查放进每次操作的执行路径。Claude Code 的把扩展能力推进到了这些位置。开发者可以用 JavaScript 或 TypeScript 处理运行事件，介入工具调用、提示词和界面绘制。对使用者来说，它意味着工作台可以按任务改造；对维护者来说，它也意味着插件开始参与执行过程。
2026-10-06 10:15:37
230
原创 ingress-nginx 退役后怎么选：Istio、Kong、Traefik 与 APISIX
如果你正在为一个长期维护的 Kubernetes 项目替换 ingress-nginx，最先要回答两个问题：以后用什么 API 描述入口规则，以及由哪个项目执行这些规则。这些是根据功能定位与维护成本作出的条件性建议，实际结果还要由项目的配置和流量验证。你觉得 Ingress 和 Gateway API 都在解决“把外部请求转给服务”，这个直觉是对的。
2026-10-05 14:31:50
265
原创 DevOps 的“爆炸半径”：为什么顶尖团队都在主动设计灾难？
爆炸半径”（Blast Radius）原本是一个火炮与军事术语，指炸弹在起爆点引爆后，高压冲击波、破片与火光能够造成物理破坏的最大几何范围。在软件工程、DevOps 与云计算领域，爆炸半径是指：当系统中的某个组件发生故障、代码缺陷被触发、配置输入错误、或者某个凭据被攻破时，该事件在空间、时间与业务维度上所能影响的最大受损边界。用户受损比例：受影响的活跃租户或请求量占全网总量的百分比（如 0.01% vs 100%）；基础设施边界：波及的容器、虚拟机、可用区（AZ）、公有云账号或网络 VPC 范围；
2026-10-01 20:46:50
186
原创 别再空喊“既要又要”：帕累托前沿教给工程与决策的终极底层法则
帕累托前沿不是懦弱者为妥协寻找的借口，而是清醒者认清现实、勇敢前行的罗盘。一份是对客观规律的敬畏：在既定的约束边界上，能够克制“我全都要”的贪婪，诚实面对权衡，敢于为最重要的核心目标承担代价；另一份是对技术创新的信仰：在遭遇看似无法逾越的前沿天花板时，不甘于在存量中沉沦内卷，而是葆有重塑范式、把整个人类生产可能性边界向外推移的雄心与勇气。
2026-10-01 20:36:00
186
原创 跑分第一，上线就崩？大模型基准测试的底层机理与真实价值
大模型的基准测试，本质上是算法实验室在受控物理环境中搭建的标准化压力测试台。它揭示了模型在抽象数理逻辑、语法遵循和通用知识检索上的统计学能力下限。但对于把大模型推向产业实践的工程师而言，“跑分”不等于“能力”，“打榜”更不等于“可用”。看清测试机理：分清候选指标是对数似然推断、沙箱执行还是打分偏好，不被单一口径的百分比忽悠；警惕古德哈特定律：对宣称跨越式超越前代、但无开源可复现评测流程的榜单保持健康的审慎；把资源投向自有评测。
2026-10-01 20:20:33
211
原创 大招逼出，危机未解：Gemini 4 Argon 与巨头的底蕴之困
模型能力不仅仅是跑分，更是生态与使用习惯。过去一年中，Anthropic 凭借、系统级 Computer Use 与对代码上下文语义的深度拿捏，牢牢统治了全世界顶尖程序员的终端；OpenAI 则凭借 ChatGPT 的亿级大众入口与 Codex 生态占据了认知高地。很多开发者甚至形成了这样的工作流惯性：遇到极其复杂的逻辑架构找 Claude，遇到大众通用问题找 ChatGPT，而只有在遇到超大文本需要白嫖大上下文时，才顺手打开 Google AI Studio。
2026-10-01 12:06:16
339
原创 Sonnet 5.5 倒反天罡？Terminal-Bench 4.0 跃进真相与 DevOps 选型指南
Sonnet 5.5 在 Terminal-Bench 4.0 上的 70.6% 确实是一次振奋人心的技术突破，它证明了测试时计算扩展（Test-time Compute）在自动化终端中的惊人潜力。但对于每一位手握生产环境命脉的 DevOps 工程师而言，保持清醒比盲目追新更重要。在基准测试的数字游戏之外，学会看懂帕累托成本前沿、理解任务的真实复杂度、敬畏生产环境的爆炸半径，才是做出正确技术选型的终极底气。
2026-10-01 11:20:52
168
原创 有了 TCP，为何还要 HTTP/2 流控？
流量控制从来不是单纯的协议规范参数，而是高并发、低延迟系统稳定运行的稳压器。认清根本矛盾：TCP 流控保护的是网卡与操作系统内核缓冲区；HTTP/2 流控保护的是并发多路流互不抢占、慢流不拖死快流。信任协议自愈：只有DATA帧消耗窗口配额；所有控制与信令帧绝对免疫，这是协议杜绝死锁的终极防线。警惕反向代理断裂：编写或配置 API 网关时，必须保证下游消费能力与上游数据灌入具有背压联动，严禁无脑为上游充值配额引发 OOM。按 BDP 科学调参。
2026-09-28 18:07:32
273
贵州省-民宿商业计划书
2023-09-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人