码哥字节-CSDN博客

原创输入网址按回车，到底发生了什么

详解输入网址点击回车，后台到底发生了什么。透析 HTTP 协议与 TCP 连接之间的千丝万缕的关系。掌握为何是三次握手四次挥手？time_wait 存在的意义是什么？全面图解重点问题，再...

2020-08-31 08:48:48 430

原创 Tomcat 高并发之道原理拆解与性能调优

上帝视角拆解 Tomcat 架构设计，在了解整个组件设计思路之后。我们需要下凡深入了解每个组件的细节实现。从远到近，架构给人以宏观思维，细节展现饱满的美。关注「码哥字节」获取更多硬核，你...

2020-08-17 09:00:00 736 2

Tomcat 架构原理解析到架构设计借鉴Tomcat 发展这么多年，已经比较成熟稳定。在如今『追新求快』的时代，Tomcat 作为 Java Web 开发必备的工具似乎变成了『熟悉的陌生人』，难道说如今就没有必要深入学习它了么？学习它我们又有什么收获呢？静下心来，细细品味经典的开源作品。提升我们的「内功」，具体来说就是学习大牛们如何设计、架构一个中间件系统，并且让这些经验为我所用。美好的事物往往是整洁而优雅的。但这并不等于简单，而是要将复杂的系统分解成一个个小模块，并且各个模块的职责划分也要清晰

2020-07-06 18:18:49 1180

原创 GitHub 15 万 star，Karpathy 的四条 CLAUDE.md 规则让社区炸锅，准确率从 41% 升到 89%

问题在于，你不可能穷举所有的 X，而且「不要做 X」「不要做 Y」「不要做 Z」堆在一起，Claude 要在这个「禁令列表」里工作，认知负担很高，反而可能导致它在「有没有违反某条禁令」这件事上花太多注意力，而不是在「把这个任务做好」这件事上。这条规则改变的不是 Claude 的能力，而是它的行为模式——从「默认执行」改为「先对齐再执行」。需要老实说的是：这四条规则对于复杂的大型任务效果最明显，对于「帮我看一下这行代码有没有问题」这类小任务，它有时候会过度谨慎——先对齐再执行，结果你觉得它在「问废话」。

2026-05-27 20:43:22 302

原创 AI 让帮你操控网页——chrome-devtools-mcp vs agent-browser，哪个更适合你

chrome-devtools-mcp 和 agent-browser，就是给 Claude Code 接上"供水接口"——一个接口通向你现在开着的 Chrome，另一个接口通向一个专门供 AI 控制的独立浏览器。如果你要让 AI 操作一个你登录着的网站（比如公司 OA 系统），强烈建议用 agent-browser 而不是 chrome-devtools-mcp，用一个专属的隔离浏览器，不要复用你日常的 Chrome。agent-browser 给你一个沙盒环境，AI 的误操作不会影响到你的真实账号。

2026-05-25 09:00:00 305

原创别再让 Claude Code 全量读代码了，搭一套 MCP 检索层才是大代码库正解

我们的建议是控制在 20 个以内——不是怕失效，而是工具太多 Claude 的工具选择质量会变差，20 个以内是它能精准匹配工具的舒适区。受影响最大的是工具数量较多的服务——community 反馈里，10 个工具的 server 几乎从不出问题，50 个工具的 server 偶发失败，169 个工具的 server 是高频失败。我们搭的 MCP Server 暴露了 60 个工具，Claude Code 在某些 session 里会静默丢失其中一部分，没有任何报错，你根本不知道它已经"瞎了"。

2026-05-21 20:28:53 616

原创让 AI 自动记住你，再也不用每次从头解释，Claude Code 必备 claude-mem

后续第 22 讲「打造你的专属 AI 工作流」会再次用到今天建立的记忆体系——到时候你会发现，今天存进去的那 5 条个人信息，能让 AI 在完全陌生的场景里依然准确理解你。当会话结束，它会把这次对话里有价值的内容——你的请求、AI 的操作、文件的改动、你的偏好表达——用 AI 压缩成摘要，存进数据库。更烦的是，我在上一个对话里刚告诉 AI"帮我改成短句，别用那么多长段落"，它改了，改得很好。——如果你的个人偏好多、项目背景复杂，用 claude-mem 的数据库存储和语义搜索，体验会好很多。

2026-05-20 09:00:00 650

原创 Claude Code 1400+ 个 Skills 里真正好用的也就这10个

如果 Skill 教的是你公司的内部规范、你用的特定工具（比如你们内部的监控平台、特定版本的 SDK 用法），那有价值。而一个 Skill 如果在教 Claude 你公司/团队的特定约定、你使用的内部工具的交互方式、你工作流里独特的判断逻辑——这才是真正的 context 投资。其中前五个维度大多数 Skill 都能得不错的分数（它们高度相关，可以理解为"写得好不好"），但新颖性独立变化——写得好但没有新信息的 Skill，和写得差但教了真正有价值技巧的 Skill，表现可能完全相反。

2026-05-19 09:00:00 568

原创 Claude Code 如何重塑工程师的协作节奏与工程判断力，这套工作流很强！

这些经历让我比较清楚一件事：工具和框架会变，模型会迭代，但「把复杂任务拆清楚、把上下文给准确、把风险拦住、把经验沉淀下来」这套思维方式不会过时。会用工具的人很多，会把工具改造成自己工作流的人很少。我在 InfoQ 和公众号写文章的这几年，以及在腾讯云架构师同盟社区里接触的工程师，用 AI 工具用得比较系统的那批人，现在交付速度和质量都跟两年前不一样了。重构遗留代码、补单测、系统化 Debug、Code Review、Git 工作流自动化、文档和 ADR 同步，这些都是后端工程师每天真会遇到的事。

2026-05-18 09:02:04 551

原创 GitHub 上已有 1400+ Claude Code Skills，真正在用的就这几个

它解决一个很具体的问题：Claude Code 每个会话是独立的，你在昨天的会话里和 Claude 讨论了某个模块的设计决策、踩了一个坑、确认了一个命名规范——今天新开一个会话，这些全没了。坦白说，我踩过这个坑。这个官方工具在这里是有意义的：它帮你构建自己的 skill，并且能做 A/B 测试，测量你的 skill description 激活率（经过优化后，激活率可以从 20% 提升到 90%）。一个开发者的原话是："你给它反馈，它会返回一个全新版本的多页计划，而不是只修改你提到的那部分。

2026-05-16 09:01:02 552

原创用文字直接生成一份 HTML 动画演示文稿 PPT，GitHub 19K 收藏，这个 AI 工具让我彻底换了路子

把你的 PPTX 文件放到一个固定目录，然后在 Claude Code 里告诉 AI：「我有一个 PPTX 文件，路径是 /Users/你的用户名/Documents/述职.pptx，帮我提取内容」。你跟它说：「帮我做一个关于 Q2 销售复盘的演示，五页，风格现代一点。生成的 HTML 文件里内联了所有样式和脚本，复制给任何人，用任何浏览器打开都一模一样，不会出现字体丢失、图片找不到的问题。，不过原作者不太积极，很多 bug 都没修复，码哥 fork 了一个版本并修复了问题，建议使用修复后的，不然许多坑。

2026-05-15 09:05:04 604

原创图文详细教程，不翻墙也能用 Claude Code + cc-switch 接入 DeepSeek V4

接下来，我会讲解「第一次上手——用 Claude Code 完成你的第一个真实任务」，那一讲会教你怎么跟 Claude Code 说话才高效，方法是通用的，不管背后是 Claude 还是 DeepSeek。两条路走到最后，你用的是同一个 Claude Code 程序，只是背后调用的 AI 模型从 Anthropic 的服务器变成了 DeepSeek 的服务器。使用体验几乎一样，费用差了十几倍。配置保存后，你会在 cc-switch 的托盘菜单（系统托盘右键）看到「DeepSeek V4」出现在列表里。

2026-05-14 09:01:13 2112

原创 Claude Code v2.1.139 新增 Agent 视图颠覆了工作流，这次设计比功能更值得看

这和 Kubernetes Reconcile Loop 的设计逻辑是一样的——你告诉 K8s「我要 3 个 Pod」，K8s 自己想办法凑够 3 个，而不是你指定「先启动第一个，再启动第二个，再启动第三个」。你可以同时 dispatch 多个独立任务，自己去做真正需要动脑子的工作，偶尔扫一眼 agent view，哪个会话需要你输入了就 peek 一下回复，哪个完成了就看看 PR 链接。用 worktree 隔离，每个会话有自己的工作副本，互不干扰，最后 merge 或 push 各自的结果。

2026-05-13 09:01:26 548

原创 185000 星的 Superpowers 插件，90% 的人只用了它 10% 的功能

实际感受：码哥有一次做一个有 8 个任务的功能，用 executing-plans 跑，跑到第五个任务时 Claude 开始"综合"前面几个任务的修改，把一个已经通过的测试改坏了。这种粒度设计的目的是：让 subagent 或者你自己在执行时，每一步都有明确的完成判定标准，不会"做了一半，不知道算不算完成"。大多数人跑到步骤 4-5 就觉得"差不多了，直接写吧"，结果设计没有落到文档里，后面执行阶段 Claude 的"记忆"就开始漂移，做到一半忘了之前说好的接口怎么定义。防止误操作删掉本该保留的工作。

2026-05-12 09:01:40 309

原创 Spring AI Session API：大多数人用 ChatMemory 用错了场景

短期记忆解决了「这次对话不乱」，长期记忆解决了「下次还记得你」，两层各司其职，不互相替代。，Redis 存对话历史，跑起来感觉很顺。这个「索引优先」的设计很关键：即使长期记忆库积累了几十个文件，每次 Agent 也不需要把所有文件全塞进上下文，而是看索引摘要，按需精确加载。是最智能也最贵的：它不从零总结，而是维护一个滚动压缩历史，每次把新增的「要被淘汰的内容」追加进去重新摘要，避免每次重算。如果你正在做 Spring AI 的 Agent 项目，或者准备做，这两层记忆的区别是必须搞清楚的事。

2026-05-11 09:01:26 593

原创总觉得Claude Code 写完代码有问题？我用了一个开源 Skill 编排了 7 阶段严谨开发工作流，拦下 10 个 Critical Bug

这两个心态完全不一样——Phase 6 发生在你最自信的时候，而"最危险的时刻就是你感觉最自信的时候"。我把这个 skill 的完整源码、这次踩坑的所有设计文档和修复 plan 都整理好了，下一篇打算写「冷上下文 reviewer 找出的 10 个 Critical Bug 的详细复盘，每个 bug 附上原始 prompt 和修复 commit」，关注一下，发了第一时间推送。熟悉设计的 reviewer 会默认作者的假设是对的，从而看不到"这个假设本身就是错的"。按过去的习惯，我就准备 merge 了。

2026-05-10 09:00:52 305

原创 Google 开源了一个14900 Star 项目，让 AI Agent 碰数据库不再是定时炸弹

更进一步，你可以把工具按用途打包成 Toolset，然后给不同的 Agent 分配不同的 Toolset——客服 Agent 只能用读取工具，数据分析 Agent 多几个聚合查询工具，运营 Agent 才有有限的写入权限。参考上面示例里的写法——明确说了「只返回上架状态的商品，不包含下架和删除的」，LLM 就不会在用户问「帮我看一下最近下架的商品」时去调用这个工具了。你给了 LLM 一个能执行「任意 SQL」的工具，实际上等于把你的 DBA 权限交给了一个行为不可完全预测的推理模型。

2026-05-09 09:01:18 338

原创我把 4 年踩坑经验「蒸馏」成 Claude Code Skill 开源了

它的价值不依赖团队规模，依赖的是"高风险特性 + 独立视角验证"这个组合——哪怕你是一个人开发，dispatch 一个不带设计文档的 reviewer agent 都比你自己再看一遍有效。文档里说"这里保证了幂等性"，reviewer 就会在看到对应代码时默认"嗯，这里处理过了"——然后真正的漏洞就在这个默认里溜走了。排查了四个小时，找到了原因：在某个特定的并发窗口下，幂等键虽然写进去了，但写入和读取之间有一个竞态——两个请求几乎同时抢到了同一把锁的空档期，各自独立走完了退款流程。

2026-05-06 09:02:14 313

原创 Spring Boot 4.1发布，这项特性超强！但大多数升级教程都没提这个不兼容变更

AOT 的核心价值是：在编译阶段把 Spring 的 Bean 注册、条件判断、依赖注入等运行时逻辑预先生成为静态代码，这样用 GraalVM 编译成原生镜像后，启动速度可以从秒级降到毫秒级，内存占用也能减少 50-80%。Spring Boot 4.x 的虚拟线程自动配置只在 Java 21+ 环境下生效，Java 17/21 只是最低要求，不代表 Java 17 能用虚拟线程。说到底，框架升级这件事没有时间表压力的话，最好的策略是：先在一个非核心服务上试水，跑一个月，把坑踩完，再推广到核心链路。

2026-05-04 09:42:09 479

原创开多个 Agent 后 Claude Code 账单翻了 4 倍，一个配置解决了

场景：重构一个有 15 个文件的 Spring Boot 服务，Claude Code 自动启动了 4 个子 Agent（2 个 Explore，1 个 General-purpose，1 个 Plan），主 Agent 负责协调和最终修改。配置完之后，我跑同样的多 Agent 任务，账单从。指向 DeepSeek，但没有明确指定子 Agent 用哪个模型，Claude Code 在内部路由时可能把子 Agent 也路由到 V4-Pro——跟主 Agent 一样贵，但只是在做一些读文件、搜索这类简单任务。

2026-05-03 11:47:45 599

原创 Claude Code 接入 DeepSeek V4 实战：400 万 Tokens 从 26 降到 2

差距主要出现在需要深度理解业务背景做权衡决策的场景，Claude Sonnet 4.6 在这里会更主动地给出有见解的建议，V4-Pro 有时更"执行型"。我把 Claude Code 的后端切换到 DeepSeek V4 跑了一遍，用了同样量级的 tokens，账单是 $2.3。如果工作流里有大量截图、视觉内容，或者对最新模型能力有依赖，继续付 Claude 官方的价格是合理的。不是"碾压"，是"非常够用"。如果你的代码涉及公司敏感信息或有合规要求，这是需要认真评估的问题，不是买便宜就完事的。

2026-05-02 11:31:33 803

原创用数据回答：AI 到底会不会让我们这代工程师失业？以及现在应该怎么投资自己

我认识一个做了 8 年后端的朋友，他说 AI 工具出来以后，他每周花在「写代码」上的时间从 50% 降到了 20%，但他做技术方案评审的时间翻了一倍，因为现在团队的代码量增加了，需要有人来把关质量和一致性。包括：代码审查标准的重新定义、AI 辅助下的测试策略、CI/CD 流水线的 AI 集成，以及最重要的——如何评估 AI 生成代码的质量。但这里有个陷阱：很多人用 AI 工具是在「用它生成代码」，但更有价值的是「用它帮你做代码审查」「用它帮你理解一个陌生系统」「用它帮你找出你写的代码里的潜在问题」。

2026-04-30 10:02:14 545

原创把 API 从 GPT 切到 DeepSeek V4，费用降了 4.3 倍，省了钱，也踩了这些坑

换掉，其余代码不动。论文给出的数据很说明问题：在 1M token 上下文设置下，V4-Pro 的推理 FLOPs 只需要 V3.2 的 **27%**，KV cache 大小只需要 V3.2 的 **10%**。主流模型用的是 AdamW，V4 换成了 Muon 优化器，在大规模训练中收敛更快、稳定性更好，等效于用同样的算力预算训出更好的模型。这个问题我研究了两天，答案不是一句"值得"或"不值得"能说清楚的——但如果你看完这篇还不确定，那大概率是因为你的场景有什么特殊约束，可以直接看 FAQ 找答案。

2026-04-29 09:02:47 608

原创 Google给竞争对手Anthropic投了400亿：这件事比你想的更反常

OpenAI如果想复制这个结构，需要在Azure之外找到另一个愿意出类似规模资金的云平台，现在看来只有Google Cloud，但Google同时有自己的模型业务，谈判复杂度更高。两个团队的利益诉求不同，做的是不同的生意。对这件事有清醒的认识，有助于你在做技术选型时不只看「模型好不好」，还要问：这个AI服务背后的云依赖，是否和你现有的基础设施方向契合？对Google来说，每一笔Anthropic花在Google Cloud TPU上的钱，都是Google Cloud的营收，都会在财报里反映。

2026-04-28 09:00:36 349

原创三个 Spring 注解，让 Claude 直接调你的业务接口

你在请求里告诉模型「有这几个函数，参数格式如下」，模型决定要不要调用，返回一个结构化调用指令，你的代码去执行，再把结果塞回 Prompt。你的服务独立部署成一个 MCP Server，任何支持 MCP 协议的客户端——Claude Desktop、Cursor、自己写的 Agent——都能发现和调用你的工具，不依赖具体模型，一次开发到处复用。说到底，MCP 解决的核心问题是「工具定义和模型解耦」——你写一次，任何支持 MCP 的 AI 客户端都能用，不用跟着每个模型的格式调整。

2026-04-27 09:29:06 263

原创登上 GitHub 热榜第一，声称免费在终端用 Claude Code，背后有点扯

另一个问题是能力预期。它和"免费使用 Claude"没什么关系，它是"免费使用其他模型，但界面是 Claude Code"。但看了一眼项目，发现这件事比我想象的复杂——这个工具既没有黑 Anthropic 的账号，也没有劫持 OAuth Token，它确实可以跑起来，确实是"免费的"。如果你只是想要一个"便宜的 Claude Code 替代品"，其实 Anthropic 自己的 API 配合 Cursor 或 Cline 会是更清晰的选择——你知道钱花在了哪里，数据发给了谁，出了问题也有明确的责任方。

2026-04-26 09:01:42 628

原创 DeepSeek-V4百万Token，为什么推理成本反而只要以前的10%，其实DeepSeek真正赢在架构创新上

A: 从原理上说，是的。两条线是独立的但相互依赖的——可以理解为 V4 是下一代底座，如果后续有 R2，大概率会是在 V4 上做推理增强训练。DeepSeek 的测试表明在主流任务上影响有限，但这仍然是一个需要在实际使用中持续观察的权衡点，特别是在需要极精细长程依赖推理的场景下。官方一直没有明确时间线，但从各种信息源拼凑出来的情况大概是这样：V4 的核心训练早就完成了，但他们选择了一件很难的事——在正式发布前，先把模型在华为昇腾 910B 和寒武纪 MLU 芯片上跑通，而且要达到生产可用的性能水平。

2026-04-25 13:19:38 809

原创 Claude Opus 4.7 同样文本的 token 数增加最多 35%，AI Agent 运营成本正在指数级增长

上下文膨胀的成本是随轮次线性增长的，即使用 Haiku，一个 20 轮的对话的 input cost 仍然是 1 轮的 20 倍。一个典型的 10 轮对话，不加处理的 context 可能是 50,000 tokens，用分层裁剪压缩后通常可以控制在 15,000-20,000 tokens 以内，同时保留所有关键信息。一个需要 10 步推理的代码调试 agent，和一个需要 3 轮的客服 agent 相比，token 成本可能高出 5-10 倍——不是因为任务逻辑复杂，而是纯粹因为上下文长度在滚雪球。

2026-04-22 09:01:50 594

原创 10 个顶级 Claude Code Skills，装上就删不掉！附真实使用场景和效果对比

至于冲突，superpowers 里的 Skills 设计上是互补的，但如果你同时安装了来自不同来源的多个 Skills，偶尔会出现"两个 Skills 都想处理同一类任务"的情况。坦白讲，没有这个 Skill 之前，我让 Claude 写代码，它会先写实现，然后我问"帮我补测试"，它补的测试几乎都是在测它自己的实现，而不是在验证业务行为。我打了个勾，推上去了。触发后 Claude 会输出一个结构化的分析报告，包含 3-5 个方案对比，以及一个明确的推荐意见（不是"各有优劣"的废话，是有立场的判断）。

2026-04-21 09:01:52 603

原创 Claude Code 写完代码就完了？我用一个自研 Skill 编排了 7 阶段严谨开发工作流，拦下 10 个 Critical Bug

这两个心态完全不一样——Phase 6 发生在你最自信的时候，而"最危险的时刻就是你感觉最自信的时候"。我把这个 skill 的完整源码、这次踩坑的所有设计文档和修复 plan 都整理好了，下一篇打算写「冷上下文 reviewer 找出的 10 个 Critical Bug 的详细复盘，每个 bug 附上原始 prompt 和修复 commit」，关注一下，发了第一时间推送。熟悉设计的 reviewer 会默认作者的假设是对的，从而看不到"这个假设本身就是错的"。按过去的习惯，我就准备 merge 了。

2026-04-20 09:00:56 609

原创我把 Copilot、Claude Code 卸载了，然后得出了一个让同事沉默的结论

这不是悲观的预言，是可以验证的趋势——看看现在的高级工程师岗位面试，手写代码、系统设计、故障排查，这些完全不依赖 AI 的能力仍然是核心评估维度。让 AI 生成测试框架，你来 review 并补充遗漏的场景，是真正把认知资源用到了有价值的地方——「哪些边界条件需要测试」这个判断是需要人来做的，「把这些条件写成代码」的机械部分交给 AI 完全合理。这是使用 AI 最常见的认知陷阱：生成的内容有足够的可信度，让你不会去质疑它，也不会去深挖它，结论在纸面上是完整的，但你脑子里没有对应的推理结构。

2026-04-19 13:12:37 275

原创为什么 AI 写代码正在变成一个分布式系统问题

Team Lead 负责解决这些冲突，但它的判断依赖于它能理解三个 Agent 各自修改的意图——这要求 Team Lead 的 context 里包含足够的信息，又回到了 context window 瓶颈的问题。这也是为什么 Claude Code 引入了 worktree 隔离机制——给每个 Agent 一个独立的 git worktree，相当于分布式数据库里的「乐观锁」：先让大家各自跑，冲突了再解决。部分会，但不会完全消失——因为它们是分布式系统的本质困难，不是工程优化能消除的。

2026-04-18 10:26:33 322

原创 Claude Code 自定义 Agent 实战，打造 3 个专属智能体

但因为 Agent 的 context 是独立的、只包含它自己的 system prompt 和工作内容，所以实际可用空间比主对话的「剩余空间」大得多。当 Claude 判断当前任务适合委托给某个 Agent 时，它会启动一个独立的 context window，加载这个 Agent 的 system prompt，然后让这个 Agent 独立完成任务并返回结果。3）它运行过程中的工具调用结果。你可以在 Agent 的 prompt 里写：「审查完后，把发现的项目约定保存到你的 memory 目录。

2026-04-17 09:02:46 398

原创 Claude Code Hooks 2026 完整实战指南：6 个生产可用的 Hook 场景，附完整脚本和配置

它让你可以在 Agent 的生命周期中插入自定义的 Shell 脚本、HTTP 请求甚至 LLM 判断，实现从「信任 Agent」到「信任但验证」的转变。这在企业环境里特别有用——安全团队可以维护一个中心化的策略服务，所有开发者的 Claude Code 实例都通过 HTTP Hook 对接。和 Web 开发里的中间件一样，最好的 Hook 是你写完就忘了它存在——它在背后默默工作，只在真正危险的时候跳出来拦你一下。问题是，那个目录里还有一份我手动调试时放进去的配置文件——没有提交到 Git，直接没了。

2026-04-15 09:02:11 743

原创 Claude Code vs Cursor vs Codex：别再纠结了，2026 年 AI 编程工具这样选就对了

关键是统一代码质量标准，而不是统一工具。$120/月的 Cursor Pro + Claude Code Max 组合是目前的甜蜜点——日常编码心流不断，复杂任务深度处理，批量任务偶尔借助 Codex 免费额度。我的判断：2026 下半年，三者的功能边界会开始模糊——Cursor 会加强异步和终端能力，Claude Code 可能推出更轻量的编辑器集成，Codex 会增加实时交互模式。Claude Code 的做法：我把需求描述清楚，它先扫描整个项目结构，理解模块间的依赖关系，然后制定重构计划，逐步执行。

2026-04-14 09:01:57 1229

原创用了这套配置，Claude Code 终于不用我反复交代背景了，2026 最强 Hooks、Skills、Agents 实战

每次打开 Claude Code 新会话，我都要先来一段开场白："这是一个 Node.js 项目，用的 Prisma + Express，测试框架是 Jest，别动 package-lock.json，别碰 .env 文件……每次新开会话，上下文清零，规则清零，约束清零。CLAUDE.md 是它的长期记忆，Skills 是它的专业技能库，Hooks 是它的行为准则，Agents 是它的团队分工。CLAUDE.md 能解决"每次都要交代项目背景"的问题，但它是全量加载的——写多了会吃掉宝贵的上下文窗口。

2026-04-13 09:01:18 779

原创 Valkey 分叉 Redis 两年后的真实对比：25.4k stars、10 亿 RPS 集群、230% 吞吐提升

有了官方的 Spring Data 模块，意味着 Java 社区不再需要把 Valkey 当作「兼容 Redis 的替代品」来使用，它有了自己的一等公民身份。但如果你用的是 Redis Stack 的高级功能（全文搜索、JSON 操作），两者没有直接可比性——Valkey 刚开始做搜索功能（Valkey Search），成熟度还不够。这不是小修小补，这是架构级别的性能飞跃。有 Linux 基金会的治理、有云厂商的工程师投入、有 BSD 许可证的无限制使用——Valkey 的护城河不是技术，是信任。

2026-04-12 11:27:17 997

原创为什么我的 Claude Code 老是不按我说的做？如何写出让 Agent 准确执行的「共识协议」

如果你的项目要兼容多个 AI 工具（比如同时用 Claude Code 和 Cursor），可以把通用规范放 AGENTS.md，Claude 专属配置放 CLAUDE.md。：如果你在子目录和根目录的 CLAUDE.md 里写了矛盾的指令（比如根目录说「用 ESLint」，子目录说「用 Biome」），Claude 会优先听离当前工作目录更近的那个。：如果 CLAUDE.md 里的指令有歧义，不同 Agent 可能做出不同的解读——就像拜占庭将军问题里，同一条命令被不同节点解读出不同含义。

2026-04-08 09:00:24 621

原创技术干货：Redis缓存问题深度解析，让你告别穿透、雪崩和击穿！

缓存穿透、缓存雪崩、缓存击穿，这三个词你可能都背过，但真正在生产环境里遇到时，能不能快速判断是哪种、知道怎么处理，是另一回事。排查了两个小时，最后找到原因——一个活动页面的查询逻辑在 Redis 没有命中时，每次都打穿到数据库，而且这批请求的 key 根本就不存在，全是用户拼出来的无效 ID。：有团队为了防雪崩，直接给所有缓存设置永不过期（TTL = -1），结果内存耗尽，Redis 触发内存淘汰策略把热点数据淘汰了，反而造成了更严重的缓存失效。，缓存空值会把 Redis 塞满，反而造成新的问题。

2026-04-03 09:02:00 327

原创 Claude Code 最值得安装的 10 个开源 Skills 最佳实战

本文关键词: ["Claude Code Skills", "superpowers Claude Code", "Claude Code 开源", "AI 编程工作流", "Claude Code 技巧", "anthropics skills"] platform: "掘金 / 个人博客" source: "GitHub Trending + GitHub obra/superpowers + anthropics/skills"但从一周或一个月的维度看，"不走弯路"节省的时间远超"多花的流程时间"。

2026-04-01 09:00:44 812

空空如也

空空如也