- 博客(28)
- 收藏
- 关注
RSS订阅原创 从一次修复到长期记忆：Agent 工作流里的知识沉淀
Review 阶段（自动化审查）：在提交代码后的审计阶段，自动化 Review 工具对照 8 篇相关的历史 Learning 全量扫描了本次合入的 Diff，给出了全部通过的判断。在此次运行中，由于没有命中缓存，系统在后台动态派生了新的快照并将其持久化，以便供接下来的 9 个关联技能直接使用。第一道防线：当下证据获胜：在learnings-researcher读取阶段，如果某个历史 Learning 的断言与当前仓库里的物理代码实体发生冲突，系统会强制要求 Agent 标记冲突，并以当前的代码为准。
2026-07-09 09:49:13
217
原创 一套 Skills，搞定需求评审 + 用例生成全流程
类别: security默认严重度: blocker适用范围: 任何新增功能/页面检查问题是否定义了访问权限点（谁能访问）？是否定义了操作权限点（谁能操作）？无权限用户看到什么（隐藏入口/禁用按钮/提示无权限）？是否涉及数据权限（只看自己的/看全部）？命中条件: 需求涉及新功能/页面/操作，但未说明权限建议追问: 请明确 <功能> 的访问权限和操作权限点，以及无权限时的 UI 表现。
2026-07-09 09:48:35
255
原创 让数学公式自动推导
做数学公式推导的视频时，比如，想展示一个因式分解： x2+2x+1�2+2�+1 变成 (x+1)2(�+1)2 的，或者反过来因式展开，都需要手动计算分解或展开后的结果。然后再做一个切换动画。简单的公式可以手动去做，如果公式稍微复杂呢？这几个公式就不是那么容易分解了，我们制作公式变换的数学动画，或者绘制函数图像时，肯定不想把时间花在这些数学推导上。那么，把SymPy引进了Manim的动画制作中—— 一切都变了。
2026-07-08 13:22:35
233
原创 vulnhub:Noob: 1（拿下的第一台靶机）
VMware自动创建的虚拟服务，负责给虚拟机分配IP和解析域名，因为目标主机和我们在同一个网段，我们可以扫描一一下我们的网卡。是“横向”扫一台机器，而不是“纵向”扫一台机器的全部端口。首先使用 ipconfig -a 来查看我们的网卡信息。— VMware DNS/DHCP 服务。负责把虚拟机的流量转发到外网，虚拟路由器，— VMware 虚拟带宽（占用机）— VMware NAT 网关。就是你运行VMware的那台。
2026-07-08 13:21:51
234
原创 ElasticSearch集群数据备份恢复详解
官方推荐的ElasticSearch备份方案为Snapshot，对运行中集群做全量 + 增量备份，不影响读写。Snapshot也就是快照，在某一时间点的集群一致性镜像。基于文件系统块级快照：首次快照：复制所有分片数据块。可以理解成首次快照为全量备份后续快照：只复制新增 / 修改的块，共享未变块（节省空间）。可以理解成后续快照就是增量备份。快照存储在独立仓库，与集群数据目录分离。一致性保证：快照过程中，分片数据冻结时间点，新写入不影响已拍快照。
2026-07-07 13:32:19
222
原创 推荐11个顶级的Claude Code Skills
在介绍具体Skills之前，我们先快速理解一下Claude Code Skills的概念。一句话解释：Skills是一种可复用的能力模块，你可以把它理解成给Claude Code安装的“插件”或“技能包”。每个Skill包含一个特定的提示词模板、工具调用逻辑和输出格式，让Claude Code在遇到特定任务时能够“知道”该怎么专业地处理。通俗理解：就像一个新人入职后，你给他一套标准操作流程（SOP）——遇到A情况怎么做，遇到B情况用什么工具。Skills就是给Claude Code的“SOP”。
2026-07-07 13:31:19
380
原创 Azure MCP 工具现已内置集成至 Visual Studio 2022，无需额外安装扩展
此前，在 Visual Studio 2022 中使用 Azure MCP 工具，需要您从 Visual Studio 市场安装"GitHub Copilot for Azure (VS 2022)"扩展程序，一步步完成 VSIX 安装程序弹窗的设置操作，并重启 Visual Studio。一旦出现异常问题，就必须彻底卸载并重新安装该扩展。这类繁琐操作日积月累，极大增加了使用阻碍。
2026-07-06 13:24:24
201
原创 Redis--集群搭建与主从复制原理
Redis的主从集群是一个“一主多从”的读写分离集群。集群种的Master节点负责处理读写请求，而Slave节点只能处理读请求。所以要将集群搭建为读写分离模式。主要原因是，对于数据库集群，写操作压力小，压力大多数来自读请求，所以，一个节点负责写操作即可。下面要搭建的读写分离集群包含一个Master和两个Slave。他们的端口号分别是6380、6381、6382。在redis安装目录种mkdir一个目录，命名为cluster。然后将redis.conf文件复制到cluster目录中。
2026-07-06 13:23:41
221
原创 【Azure App Service】应用服务(Web App)实战：用 .NET 代码把 Connection 耗尽与 SNAT 耗尽演练一次
在以上实验中，观察App Service的Connects指标变动，当服用链接后，肉眼可见connections指标的快速下降。
2026-07-05 13:10:37
160
原创 [MAF预定义ChatClient中间件-01]LoggingChatClient——在调用LLM前后输出日志
日志是典型得高频操作，尤其是当我们将日志等级设置得很低得时候更是如此，所以针对日志输出的每一个微小的细节都会高倍放大，比如字符串拼接和值类型转换成引用类型导致的装箱等。我们可以利用Source Generator来生成日志输出的代码，从而避免手写日志输出代码可能带来的性能问题。在调用完成后会输出另一条日志，表示调用已经完成，并且会记录调用的输出内容。通过这些日志，我们可以清楚地看到每次调用的输入和输出，以及调用的时间戳等信息。，那么就会输出更详细的日志信息，包括调用的输入内容和输出内容等。
2026-07-05 13:10:03
185
原创 聚类算法评估指标_ SC系数与CH系数代码实现
1. 定义sc列表，记录：每个K值的sc值# 2.生成数据集. 参1：样本数量；参2：特征数量；参3：4个簇；参4：标准差# 3.for 训练遍历，获取到每个K值，计算其对应的sc值，并添加到sc_list列表中for k in range(2,100): #考虑簇外，至少两个簇# 3.1 创建Kmeans对象.参1：簇的数量；参2：最大迭代次数；参3：固定的随机数种子# 3.2 训练模型# 3.3 模型预测# 3.4 获取每个簇的sc值。
2026-07-04 13:24:29
236
原创 Claude Code Dynamic Workflows vs OpenClaw.NET MetaSKILL
MetaSKILL编排形式JavaScript 可执行脚本YAML 声明式 DAG图灵完备是否（DAG，无循环）声明期验证运行时解析时 + 运行时安全门禁沙箱三步 tool_allowlist + capabilities + policy审计持久化会话内持久化 + CLI 查询人机交互无原生暂停点user_input检查点Token 预算感知budget全局变量4 层超时保护部署方式Claude Code CLI 会话.NET Gateway 服务器最适合探索性、一次性、程序员驱动。
2026-07-04 13:23:48
187
原创 .NET 高级开发 | 设计、实现一个事件总线框架
在领域驱动设计的开发过程中，由于系统存在多个模块，为了避免各个模块的函数直接进行调用，使用事件总线作为媒介进行模块间的通讯，解耦模块之间的依赖。由于一个事件会有多个执行器方法，虽然事件执行失败后可以执行对应的方法回滚，可是当准备回滚时，程序崩溃了，那么就会导致数据不一致，为了解决这一问题，可以在事件中间件中加入数据库事务处理。接着要编写事件执行器，在 Maomi.EventBus 中，事件执行器是一个方法，而不是一个类型，事件执行器方法命名没有约束，只要求方法参数包含。
2026-07-03 13:44:08
142
原创 Java程序员必看的RAG入门教程
在让LLM回答问题之前，先从你的私有知识库中找到相关的信息，然后把问题和信息一起交给LLM来回答。RAG = 检索（Retrieval） + 增强（Augmented） + 生成（Generation）从学术角度看，RAG通过将生成过程与可验证的最新证据紧密耦合，直接解决了大模型的幻觉问题。RAG不仅能让LLM回答训练数据中不存在的新问题，还能为生成的答案提供来源引用，大幅提升了可信度和可审计性。LLM本身就是一本百科全书，但它不知道你的公司内部资料。
2026-07-03 13:41:47
192
原创 Projection节点]原理解析与实际应用
ction 节点的核心功能是计算矢量投影，这在数学上表示为将一个矢量映射到另一个矢量方向上的过程。这种操作在计算机图形学中极为常见，特别是在处理光照、反射、阴影和各种视觉效果时。通过掌握 Projection 节点的使用方法，开发者可以更加精确地控制矢量的方向和大小，从而实现更加真实和复杂的渲染效果。
2026-07-02 14:02:47
216
原创 列式存储数据库深度解析
传统行存数据库（如 MySQL InnoDB）把一行数据连续存储在一起，而列式存储数据库把每一列单独存储。行存:列存:列存的核心优势在于分析查询通常只涉及少数几列，列存可以只读取需要的列，跳过其余列，大幅减少 I/O。同时同一列的数据类型一致，压缩率极高。设计决策具体实现带来的收益按列存储每列独立文件查询只读需要的列，减少 I/O行号对齐数组下标隐式标识行跨列重组结果，无需存储 row pointer不可变数据块LSM Tree，追加写高吞吐写入，天然并发安全稀疏索引。
2026-07-02 14:02:10
254
原创 Spring AI实战：10分钟接入OpenAI实现流式对话
Spring AI 让 Java 开发者以最小的学习成本接入 AI 能力。核心优势：统一抽象（一套 API 支持 OpenAI、Azure、Ollama 等多个模型）；Spring 生态无缝集成；流式输出、多轮对话、结构化输出开箱即用。
2026-07-01 13:51:13
219
原创 MagicWorld 实现长时交互视频世界建模
如何在长时间交互中保持运动合理、场景稳定和语义一致。它的思路很清晰：用光流约束解决动态主体“怎么动”的问题，用历史缓存解决“如何记住过去”的问题，再通过多步聚合和双奖励训练，让模型从优化单步结果转向优化整段交互轨迹。最终，这套方法在实验中同时提升了运动真实性、时间一致性和长时稳定性。
2026-06-29 14:31:33
227
原创 C#从零开始：自己实现窗口滚动截屏Win
滚动截屏看起来是"按一个键、等一会儿、出来一张长图"的简单操作，工程上要做的事情其实有相当多：滚动控制要走同步投递（SendInput也可以，但能同步阻塞、等目标窗口处理完再截图，不需要额外的"等渲染"延迟），overlay 自身的遮挡要通过挖洞规避，截图间隔要在"渲染完成"和"重叠区足够"之间找平衡。还有一条容易被忽略的前提：用户必须把鼠标光标放在选区内——因为多数现代应用的处理器会忽略携带的 lParam 坐标，调用取真实光标位置来决定滚哪个容器。拼接算法是这件事的主要难点。
2026-06-29 14:30:51
167
原创 C# 实现 Word 文档文本批量替换 （动态填充）
本文提供了一套较为完整的 Word 文档文本替换示例：从基础的Replace字符串替换、仅替换首次出现、正则表达式模式匹配，到查找并做格式调整，基本覆盖了 .NET 环境下 Word 文档批量处理的常见需求。
2026-06-28 14:18:22
236
原创 从零学习Kafka：调优
最后我们来总结一下本文的内容，我们首先明确了 Kafka 调优的目标，即在高吞吐、低延迟、高可靠三点中找到平衡。接着对调优方法进行了分层，从上到下分别是应用程序层、框架层、JVM 层和操作系统层，通常越靠上调优效果越好。这四层中我们重点介绍了框架层的调优方法。
2026-06-28 14:17:47
251
原创 推荐11个顶级的Claude Code Skills
在介绍具体Skills之前，我们先快速理解一下Claude Code Skills的概念。一句话解释：Skills是一种可复用的能力模块，你可以把它理解成给Claude Code安装的“插件”或“技能包”。每个Skill包含一个特定的提示词模板、工具调用逻辑和输出格式，让Claude Code在遇到特定任务时能够“知道”该怎么专业地处理。通俗理解：就像一个新人入职后，你给他一套标准操作流程（SOP）——遇到A情况怎么做，遇到B情况用什么工具。Skills就是给Claude Code的“SOP”。
2026-06-23 10:01:16
202
原创 GLM模型这么火，咱们用vllm也咧一个呗！
借助vLLM，LLM可以将批处理请求中重复部分的词元字符串（“what is the capital of”）保存在短期记忆（KV 缓存）中，并发送一个“翻译请求”，而不是两个单独的请求。为了理解请求，LLM 需要了解字词之间的关系以及如何在字词之间建立关联，与人类使用语义和推理来理解字词不同，LLM 是通过数学运算来“推理”的， 面对大量用户请求时， 需要消耗大量显存。① KV Cache： 是一种短期内存存储， 它是将每个token(词元)所对应的值保存到缓存中, 以空间换时间的方式支持快速推理。
2026-06-23 10:00:22
183
原创 SpringCloud进阶--RabbitMQ消息队列（完结）
么是消息队列？一般我们在进行远程调用时，可以使用发送HTTP请求来完成，现在可以使用第二种方式，那就是消息队列。他能将发送方发送的消息放入队列中，当新消息入队时，会通知接收方进行处理，一般消息发送方称为生产者，接收方称为消费者。无标题。
2026-06-22 21:42:47
161
原创 python-langchain框架（3-20-智能问答ZeroShot_ReAct Agent 从零搭建）
current_time = datetime.now().strftime(“%Y年%m月%d日 %H:%M:%S”)return f"当前时间：{current_time}"try:# 构建安全的白名单内置函数builtinsbuiltins# 执行安全计算return f"数学表达式计算结果：{expression} = {result}"return f"计算失败，错误信息：{str(e)}"tools = [Tool(
2026-06-22 21:42:10
180
原创 从“救火”到“预判”：AIOps 如何用 AI 重构 IT 运维的智能新范式？
AIOps 即人工智能赋能 IT 运维，是将机器学习、深度学习、自然语言处理等 AI 技术深度融入 IT 运维全流程的新兴实践。其核心目标是实现运维工作自动化、智能化，全面提升系统可靠性、降低运维成本。1. 数据汇聚：打通运维数据的“信息孤岛”整合日志、指标、追踪、事件等多源异构数据，打破不同监控系统、业务模块之间的数据壁垒，为 AI 分析提供统一、完整、高质量的数据底座。这是所有智能运维能力的基础。2. 智能分析：用 AI 挖掘数据的深层价值。
2026-06-21 23:09:39
298
原创 电子小白之MOS管
三极管：电流控电流，像人力水车开关，需要持续喂小电流才能工作，耗电、发热，适合小信号放大和低成本小电流场景；MOS管：电压控电流，像智能电磁水龙头，给个电压就工作，几乎不耗电、不发热，适合大电流、高频、低功耗场景。
2026-06-21 23:09:03
362
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人