- 博客(41)
- 收藏
- 关注
RSS订阅原创 AI Agent 学习手记：从基础 Agent Loop 到 Pi Agent 框架设计
本文解析了AI Agent的核心机制与Pi Coding Agent架构设计。主要内容包括： Agent Loop本质：揭示智能体通过"思考-行动-观察"的递归循环实现自主任务处理，剖析了代码实现的骨架逻辑。 Pi Agent架构：其设计强调轻量化核心与高扩展性，具备四大支柱：结构化会话树、多模式接入、TypeScript扩展和沙箱安全隔离。 工程实践洞见：提出避免死循环、上下文截断和精准工具描述三大调优策略，解决实际部署中的关键问题。 文章指出，理解Agent的递归本质和现代架构设计
2026-08-17 15:46:21
487
原创 搞懂 DeepSeek Harness：全新 AI Agent 架构拆解、使用指南与横向对比
本文深度解析DeepSeek开源的AI Agent框架DeepSeek Harness（dsh），其采用"Everything is a Plugin"的高度解耦架构设计，提供标准、代码、极简和开发者四种运行模式，支持本地化部署和全轨迹追溯。文章详细介绍了dsh的架构特点、安装配置方法，并与Claude Code、OpenAI Codex/Copilot进行多维度对比：dsh以开源可扩展见长，Claude Code强调开箱即用，Codex则侧重IDE生态集成。最后根据定制需求、数据安全和开发场景
2026-08-14 16:26:32
1161
原创 代码安全学习手记（二）：SCA 软件成分分析原理与 OWASP Dependency-Check 集成实战
文章摘要（149字）： 本文深入探讨SCA（软件成分分析）技术原理与实践，通过Log4j2漏洞案例揭示第三方依赖的安全风险。文章对比主流SCA工具，选择OWASP Dependency-Check进行集成，重点解决NVD漏洞库更新慢的痛点（采用Docker+API Key+本地缓存方案）。最后给出GitLab CI/CD自动化流水线实现，包含高危漏洞阻断机制，并通过Log4j-core 2.14.1和urllib3 1.24.2等漏洞版本进行验证。作者分享了依赖树解析、传递性依赖检测等SCA核心能力
2026-08-14 00:34:50
6826
原创 代码安全学习手记（一）：基于 GitLab CI 与 Semgrep 搭建本地 SAST 自动化扫描流水线
文章摘要：本文分享了基于GitLab CI与Semgrep搭建本地SAST自动化代码安全扫描流水线的实践过程。首先分析了SAST的核心工作原理（AST、控制流和污点分析），并对比主流工具后选择轻量高效的Semgrep。接着通过Docker Compose部署GitLab和Runner环境，注册配置专用CI节点。重点展示了自定义安全规则的编写，涵盖硬编码密钥、SQL注入和命令注入的检测，包括规则逻辑、严重级别和漏洞分类。该方案可集成到开发流程中实现快速安全反馈，提升代码安全性。
2026-08-14 00:25:03
7292
原创 实习手记：日志接入 ES 方案（二）——基于 AutoMQ + Logstash 的跨网隔离日志安全传输实战
本文探讨了在云上（AWS/阿里云/腾讯云 VPC）与本地 IDC 网络严格隔离场景下，如何安全高效地传输日志数据到本地 Elasticsearch 的解决方案。通过采用 AutoMQ（云原生 Kafka 替代方案）作为跨网缓冲层，结合 Logstash 实现日志的安全传输与处理。AutoMQ 的存算分离架构有效应对网络波动与流量峰值，提供低成本、高可靠的日志缓冲能力。具体实现包括：云上 Filebeat 采集日志写入 AutoMQ，本地 Logstash 通过 SASL_SSL 认证主动拉取数据
2026-08-13 11:38:10
12747
原创 实习手记 ：日志接入 ES 方案（一）——本地 IDC 极简与高可用 Logstash 流水线搭建
本文分享了在本地IDC环境下搭建高可用Logstash日志流水线的实践经验。针对业务直连Logstash/ES的三大痛点（资源占用、流量洪峰、数据丢失），提出了基于Filebeat+Logstash+ES的标准架构方案。详细介绍了Logstash配置模板（input接收Filebeat日志，filter进行解析脱敏，output动态写入ES），并总结了关键调优技巧：开启持久化队列防止数据丢失，调整JVM堆内存和批量参数提升吞吐量，以及通过监控队列积压、事件吞吐量和JVM堆使用率来保障流水线稳定运行。这套方案
2026-08-13 11:17:26
12323
原创 实习手记 ：赋能 Agent——接入威胁情报工具与动态映射 MITRE ATT&CK 战术
威胁情报工具与MITRE ATT&CK框架的Agent集成 本文记录了在AI安全分析Agent开发中，如何通过工具调用和知识映射实现威胁智能研判。核心工作包括： 双轮驱动架构：构建"情报验证-框架映射"的闭环流程，结合外部威胁情报API和MITRE ATT&CK知识库。 工具化封装： 使用LangChain的@tool装饰器封装威胁情报查询功能 通过Pydantic严格定义输入模式，确保调用稳定性 实现ATT&CK动态映射工具，避免大模型幻觉 标准化输出
2026-08-12 11:14:47
12630
原创 实习手记 Day：从 ELK 到 Agent 的“最后一公里”——告警消费与上下文富化
alert_id: str = Field(description="告警唯一标识符")timestamp: str = Field(description="告警发生时间")severity: str = Field(description="告警严重程度: Low, Medium, High, Critical")attack_technique: Optional[str] = Field(description="MITRE ATT&CK 战术/技术编号")# 实体信息。
2026-08-12 10:49:48
5970
原创 # 实习手记 ：从传统SOC痛点出发，我们为什么要在项目中引入AI Agent？
摘要： 本文记录了实习生参与AI Agent SOC平台开发的初期思考。传统SOC面临告警疲劳、工具割裂、研判低效等痛点，团队尝试引入LLM作为"数字安全分析师"，构建自动化研判流程。架构设计上，采用LangChain+DeepAgents框架，通过工具调用、ReAct范式和状态管理实现多步骤安全分析。当前已完成技术选型，下一步将解决ELK数据到Agent的上下文构建问题。项目体现了AI与安全运维结合的工程化探索，实习生将持续记录开发实践。
2026-08-11 11:36:11
5868
原创 实习学习笔记：HTTP请求走私漏洞全方位解析
HTTP请求走私漏洞是一种利用前后端服务器对HTTP协议解析差异的高危Web漏洞，通过构造特殊请求使前端代理和后端对请求边界产生不同解析，导致恶意请求被"走私"执行。漏洞核心源于对Content-Length和Transfer-Encoding头部的解析不一致，主要分为CL.TE和TE.CL两种类型。攻击可导致WAF绕过、未授权访问、请求劫持等危害。防御需统一解析规则、禁用冗余协议特性、加强头部校验。该漏洞具有高度隐蔽性，需深入理解HTTP协议底层逻辑，是渗透测试中的重要突破口。
2026-08-10 21:32:27
5948
原创 AI供应链污染：当模型本身成为特洛伊木马
AI供应链污染：新型攻击威胁AI生态安全 恶意攻击者正利用AI生态的信任机制发起供应链攻击，通过篡改模型文件、数据集和MCP服务器植入恶意代码。典型手法包括：利用PyTorch的pickle反序列化漏洞在模型加载时执行恶意代码；污染训练数据诱导模型生成后门逻辑；伪装MCP插件窃取AI代理的上下文权限。由于AI社区缺乏安全规范，开发者常盲目信任高分模型或热门工具，导致攻击面扩大。防御建议包括使用Safetensors格式、隔离运行环境、审计第三方脚本及监控异常行为。随着AI组件广泛集成，此类攻击可能成为主流威
2026-05-24 14:16:37
6330
原创 提示词注入与越狱实战：别只盯着“说错话”，AI正经受更危险的劫持
AI安全威胁升级：提示词注入攻击从"诱导输出"演变为"远程代码执行"。最新案例显示，攻击者通过GitHub Issue劫持AI机器人执行恶意代码，影响500万开发者。研究发现三种新型攻击方式：1）网页隐藏指令注入；2）利用AI代理权限执行危险命令；3）绕过人工确认机制。这些攻击的危险性在于，当AI具备行动能力后，提示词注入可导致密钥窃取、恶意软件安装等严重后果。防御建议包括实施最小权限原则、隔离输入边界、分离数据指令通道及监控异常行为。这不仅是技术漏洞，更是AI架构层面的安全边界问题。
2026-05-24 14:08:29
6391
转载 【MySQL数据库 | 第二篇】 启动与停止
本文介绍了MySQL服务的启动与停止方法，以及客户端连接的两种方式。启动MySQL可通过Windows服务管理器（services.msc）或管理员模式下的cmd命令（net start/stop mysql80）。连接MySQL可使用官方提供的命令行工具或Windows命令行，输入安装时设置的密码即可登录。注意操作时需使用管理员权限以避免报错。
2026-05-24 13:04:06
5641
转载 【MySQL数据库 | 第一篇】 概述
本文介绍了数据库的基本概念和主要类型。数据库是组织化的数据集合，通过数据库管理系统(DBMS)和SQL语言进行操作管理。数据库主要分为五种类型：层次型(树状结构)、网状型(多父节点)、关系型(表格形式)、面向对象型(基于对象)和NoSQL型(非关系型)。其中关系型数据库如MySQL、Oracle等应用最广泛。MySQL作为开源关系型数据库，具有高性能、高可靠性等特点，广泛应用于企业数据管理、Web应用开发、数据仓库等领域。学习MySQL本质上就是掌握SQL语言的应用。
2026-05-24 12:59:20
6478
原创 OpenClaw和Hermes的记忆有什么区别
OpenClaw与Hermes Agent记忆系统对比分析 OpenClaw采用仿生学设计，通过文件系统构建多层记忆结构：长期记忆(MEMORY.md)、每日工作笔记和梦境日记(DREAMS.md)，利用"做梦机制"自动筛选重要信息。其特点是空间扩张型设计，鼓励详细记录但可能臃肿。 Hermes则采用极简设计，仅维护两个核心文件(MEMORY.md和USER.md)
2026-05-13 20:53:45
7059
原创 从工具调用到 MCP、Skill完整学习记录
在实际搭建客服系统时，我会先用 MCP 封装订单查询、工单创建、退款等外部能力，再在上层构建 Skill，最后让 LLM 通过工具调用或直接触发 Skill 来完成用户的退换货、咨询等指令。整个架构会清晰很多。模型本身只会生成文本，但我们可以让它输出一种特殊格式的指令，告诉宿主程序：“我想调用这个函数，参数是这些”。到这里，我对 MCP 的理解就一句话：MCP 是一套标准协议，让工具可以被统一发现、描述和调用，把工具调用能力做了一层工程化封装，实现即插即用。工具调用：模型说“我要调用 xxx 函数”。
2026-05-08 15:19:47
7091
原创 LeetCode，第188题“买卖股票的最佳时机 IV
本文介绍了LeetCode第188题"买卖股票的最佳时机IV"的动态规划解法。该题要求最多进行k次交易获取最大利润，是之前股票买卖问题的泛化版本。作者通过分析状态转移规律，将交易次数抽象为2k+1个状态（买入/卖出交替），并用双重循环实现递推：外层遍历天数，内层遍历交易状态。奇数状态表示买入，偶数状态表示卖出，初始化时将第0天的奇数状态设为-prices[0]。最终返回最后一天完成k次交易后的最大利润。文章展示了Java和Python的实现代码，体现了动态规划在解决复杂股票交易问题中的强
2026-05-06 15:06:53
279
原创 LeetCode第123题“买卖股票的最佳时机 III
这篇文章详细解析了LeetCode第123题"买卖股票的最佳时机 III"的动态规划解法。该题限制最多只能完成两笔交易，属于困难级别。作者通过五步法推导动态规划思路：1)定义五种状态（两次买卖的不同阶段）；2)推导状态转移方程，分别处理第一次买入、卖出和第二次买入、卖出的情况；3)初始化第0天的状态；4)从前向后遍历实现状态转移。最终给出的Java和Python代码实现展现了如何通过二维数组记录各状态下的最大收益。文章强调，尽管题目难度较高，但通过系统化的动态规划框架，可以有条不紊地解决
2026-05-06 14:57:00
371
原创 LeetCode第122题“买卖股票的最佳时机 II
这篇文章讲解了LeetCode第122题"买卖股票的最佳时机II"的两种解法。题目允许无限次买卖股票，但同一时间只能持有一股。核心解法包括：1）贪心算法，通过收集所有上涨日期的差价来获取最大利润；2）动态规划，通过定义持有和不持有股票两种状态，修改买入时的本金计算方式，将单次交易模型扩展为多次交易。两种方法都能高效解决问题，其中动态规划展现了更强的扩展性，为后续更复杂的股票交易问题奠定了基础。贪心算法简洁高效，而动态规划则提供了更系统的解决框架。
2026-05-06 14:48:45
376
原创 LeetCode第121题：买卖股票的最佳时机
本文介绍了LeetCode第121题"买卖股票的最佳时机"的三种解法。首先分析了暴力解法的时间复杂度问题，然后重点讲解了贪心算法和动态规划的实现思路。贪心算法通过维护最低价格和最大利润两个变量实现O(n)时间复杂度的求解。动态规划则通过定义持有/不持有股票两种状态，推导状态转移方程，并给出了Java和Python的实现代码。文章最后指出，虽然贪心解法更简洁，但掌握动态规划思路对解决股票问题的其他变种更有帮助。通过系统梳理，作者加深了对状态转移和算法优化的理解。
2026-05-06 14:43:48
415
原创 为什么 CTI 场景需要知识图谱？
主包是做威胁情报与AI应用的研究，最开始的目的不是简单做一个“威胁情报问答工具”，而是想针对威胁情报里的多跳查询问题做科研验证。威胁情报里的很多问题，并不是查一个实体、找一段文本就能回答。它经常需要沿着多层关系往下追，比如从攻击组织追到攻击工具，再追到漏洞、基础设施、攻击目标，最后还要把这些信息组织成一条可以解释的证据链。如果只是问：LockBit 3.0 是什么？这种单跳问题，普通向量 RAG 基本就能处理。只要召回到相关文本块，LLM 大概率可以总结出一个还不错的答案。
2026-05-04 21:37:45
1263
原创 Agent 的评测标准有哪些？
本文探讨了Agent评测的特殊性和关键方法。文章指出，与传统软件不同，Agent具有概率性输出特点，评测需关注功能性、效率性和体验性三层目标。作者总结了四类常见评测误区，包括过度依赖准确率、完全自动化评测等，并提出了正确的评测思路：构建分层评测体系，结合Golden Set评测、人工评估、A/B测试和对抗性测试等方法。文章还提供了Python代码示例，展示如何实现任务成功率、工具调用准确率和响应时间等核心指标的评测。评测是Agent工程化的重要环节，需要根据不同业务场景定制指标权重，综合评估Agent的表现
2026-05-04 20:25:26
650
原创 如何让 Agent 记住对话历史？
本文探讨了如何让LLM在多轮对话中保持记忆的问题。由于LLM本身没有记忆功能，每次调用都是独立的，因此需要主动管理对话历史。文章分析了记忆管理的挑战（Token限制、成本、相关性、隐私），介绍了三种策略：完整历史（适合短对话）、摘要历史（压缩对话）和选择性记忆（向量检索）。同时指出了常见误区，如认为历史越多越好或摘要会丢失关键信息。最后提供了三种代码实现方案：基础版（固定窗口）、进阶版（自动摘要）和高级版（向量检索），帮助开发者根据对话长度和复杂度选择合适的记忆管理策略。
2026-05-03 15:55:57
711
原创 Planning Agent 和 Action Agent 有什么区别？
前面的系列已经介绍了Langgrahp中的基础概念和如何使用，但只能实现简单工作流，实现复杂的Agent还需新的知识补充，比如Agent 要自动拆解成多个步骤再执行"。这才发现，原来 Agent 有两种截然不同的决策方式，分别适用于不同场景。：单步决策，实时响应，适合简单任务。代表是 ReAct 模式。：先规划后执行，有全局视角，适合复杂任务。混合架构：外层规划 + 内层执行，兼顾灵活性和效率。选型原则：简单任务用 Action Agent，复杂任务用 Planning Agent 或混合架构。
2026-05-03 15:28:51
579
原创 Agent 中 Interrupt 有什么用？
本文探讨了Agent执行过程中的中断机制（Interrupt），重点解决高风险操作需要人工确认的场景。Interrupt允许Agent在执行关键步骤（如大额转账、数据删除）时暂停，等待人工确认后再继续执行。文章对比了Interrupt与Time Travel的区别，解释了两种中断模式（手动触发和自动触发），并澄清了常见误区。通过客服Agent退款案例，展示了如何在LangGraph中使用interrupt()函数实现中断逻辑，包括关键节点识别、中断触发和确认后恢复执行的完整流程。
2026-05-01 20:23:03
429
原创 Agent 的 Time Travel 是什么？
本文探讨了Agent中的"时间旅行"(Time Travel)机制，即在Checkpoint基础上实现状态回退和分支探索的能力。核心内容包括：Time Travel的两种模式（Replay回放和Fork分支）、与Checkpoint的区别（不仅能恢复还能回退）、常见误区澄清以及实现思路。通过旅行规划Agent的代码示例，展示了如何利用历史Checkpoint实现"回到决策点重选方案"的功能，解决了仅能恢复最近状态的局限性，为Agent调试和方案优化提供了新思路。
2026-04-30 21:54:53
649
原创 Agent 为什么需要 Checkpoint？
本文探讨了LangGraph中的Checkpoint机制，解决Agent执行过程中因中断导致状态丢失的问题。Checkpoint作为State的快照，可在每个Node执行后自动保存，支持从最近存档点恢复，避免重复执行。文章对比了不同存储方式的适用场景，澄清了常见误区（如性能影响、数据恢复范围等），并提供了实现思路和代码示例，强调设计可恢复State及配置Checkpoint存储的关键步骤。适用于需要持久化复杂流程状态的场景，如客服Agent或数据分析任务。
2026-04-30 21:27:12
693
原创 LangGraph 中 State、Node、Edge 是怎么协作的？
本文探讨了LangGraph中Agent内部流程编排机制，通过客服Agent案例解析了State、Node、Edge三大核心概念。State作为数据载体在流程中流转，Node负责具体处理步骤，Edge则决定流程走向。文章澄清了常见误区，如State并非全局变量、Node执行顺序由Edge决定等，并提供了完整代码示例展示如何构建一个包含问题分类、信息查询和回复生成的多步骤Agent工作流。
2026-04-28 16:56:33
865
原创 Function Call 和 Agent 工具调用到底有什么区别？
本文介绍了LLM Function Call和Agent Tool Use的区别，以及如何写一个Demo。
2026-04-28 16:38:32
786
原创 LeetCode 135. 分发糖果：两次遍历+贪心
这篇文章介绍了如何解决LeetCode上分发糖果的问题。题目要求给站成一排的孩子发糖果，满足相邻孩子中评分高的获得更多糖果，且每个孩子至少1颗糖。作者通过两次遍历的贪心算法巧妙地解决了这个问题：第一次从左到右确保满足左规则，第二次从右到左结合右规则取最大值。这种方法时间复杂度O(N)，空间复杂度O(N)，代码简洁高效。文章提供了Java和Python的实现代码，并分析了算法的复杂度。
2026-04-27 20:56:49
695
原创 广州大学方班夏令营应急培训【5】
本文分析了四道WAF&APT题目，涉及攻击持久化和系统提权技术。题目11-12分别通过.bashrc配置和systemd服务实现反弹shell持久化；题目13发现网站通过rename功能修改上传文件后缀的漏洞；题目14利用sudoers文件配置不当实现提权。这些题目展示了攻击者常用的系统配置篡改和权限提升手法，对安全防护和日志分析具有重要参考价值。
2026-04-25 21:52:33
497
原创 RAG 知识库接入：记一次 Celery + asyncio + Milvus 的混合流水线实践
本文探讨了大模型RAG（检索增强生成）工程化落地中的性能瓶颈问题，提出了一套基于Celery + RabbitMQ + asyncio的混合异步流水线解决方案。该方案通过RabbitMQ持久化任务、Celery编排任务流、asyncio实现单机高并发，有效解决了文档解析与向量化处理的效率问题。文章详细介绍了架构设计思路、核心代码实现，并总结了生产环境中的常见问题及应对策略，如协程冲突、MQ消息过大和API限流等。该方案兼顾了高并发和高可靠性，为AI架构实践提供了实用参考。
2026-04-22 16:41:10
991
1
原创 如何用 RabbitMQ 写一个高性能的“标签订阅与推送”系统?
本文介绍了一种基于RabbitMQ的消息推送架构设计，用于解决威胁情报平台中用户订阅通知的性能瓶颈问题。传统方案通过数据库轮询查询订阅用户会导致接口响应慢，而新方案利用RabbitMQ的Topic Exchange实现发布/订阅解耦。文章详细展示了Spring Boot集成RabbitMQ的完整实现，包括交换机配置、队列绑定、消息生产者和消费者逻辑，以及模拟用户订阅关系的测试数据。该架构通过标签路由机制（如"tag.java"）实现精准推送，避免了为每个用户创建独立队列的资源消耗
2026-04-16 21:59:29
384
原创 【经典算法复盘】手写 LRU 缓存：从标准版到带过期时间（TTL）的进阶实现
文章摘要 LRU（Least Recently Used）是一种缓存淘汰算法，核心思想是淘汰最久未使用的数据以腾出空间。标准LRU实现结合哈希表（$O(1)$查找）和双向链表（$O(1)$节点移动），通过维护环形链表简化操作。进阶版支持TTL（过期时间），采用惰性删除策略，在访问时检查数据是否过期。Java代码展示了LRU的基础实现与带TTL的扩展，确保高效缓存管理。
2026-04-14 21:53:45
1267
原创 RAG踩坑记录
本文总结了在构建CTI-RAG（网络威胁情报检索增强生成）系统时遇到的三个关键问题及其解决方案。首先，当向量数据量增大时，召回率反而下降，原因是检索空间过大导致噪声干扰，解决方法是通过元数据预过滤缩小候选范围。其次，图召回中子图规模爆炸问题，通过限制起始实体、控制扩展跳数及子图摘要来解决。最后，向量和图召回结果不能直接混合重排序，需先将子图转换为自然语言摘要再参与排序。这些经验表明，在真实规模的RAG系统中，控制召回范围比单纯追求召回数量更重要，异构证据需要统一处理才能有效整合。
2026-04-12 15:28:44
640
网络安全广州大学冬令营应急响应与攻防演练：Web渗透测试中日志分析、Webshell检测与提权漏洞溯源系统设计
2026-04-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人