<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Loli_Wolf的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Loli_Wolf</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Loli_Wolf]]></copyright><item><title><![CDATA[如何从 AI 编码助手升级到 AI 原生研发闭环？]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432484</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432484</guid><author>Loli_Wolf</author><pubDate>Sun, 31 May 2026 07:00:00 +0800</pubDate><description><![CDATA[企业AI编码工具落地路线：从个人助手到研发闭环重构 摘要：AI编码工具正从个人提效转向研发体系改造。本文提出五阶段落地路线：1）个人编码助手；2）团队知识库与质量门禁；3）异步coding agent；4）pipeline-native agent；5）观测到需求闭环。关键发现是：AI会放大组织既有优势与短板，需先建立治理系统再推进自动化。效能评估应结合DORA、SPACE等多维指标，而非仅看代码量。工具方面，agent正从IDE插件发展为可治理系统，需关注权限、审计等控制面能力。最终目标是将线上信号回流至]]></description><category></category></item><item><title><![CDATA[阿里、腾讯、百度、华为 AI 走到了哪一步？]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432440</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432440</guid><author>Loli_Wolf</author><pubDate>Sat, 30 May 2026 09:45:00 +0800</pubDate><description><![CDATA[摘要 国内AI研发工具已进入第二阶段，阿里、腾讯、百度、华为等大厂的产品正从代码补全向AI IDE、CLI Agent、企业知识库等方向演进。当前国内工具在"编码现场"和"企业知识增强"方面表现突出，但与GitHub Copilot等国外产品相比，在研发控制面打通方面仍有差距。2024-2026年竞争焦点转向工程级变更、企业治理和研发闭环。阿里通过通义灵码和云效构建编码Agent+DevOps闭环；腾讯CodeBuddy整合Craft、Cloud Studio和TAPD生态；百度Comate向开放平台扩展；]]></description><category></category></item><item><title><![CDATA[AI SRE：从报警、根因分析到自动生成下一轮需求]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432416</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432416</guid><author>Loli_Wolf</author><pubDate>Fri, 29 May 2026 13:00:00 +0800</pubDate><description><![CDATA[AI SRE 的核心价值在于将线上信号与产品研发闭环打通，实现从报警到修复的全链路自动化分析。主流工具如 Datadog、PagerDuty、Sentry 等各有侧重，但都致力于整合可观测数据、事故协同和AI分析。关键差异在于：可观测平台侧重telemetry分析，协同工具聚焦响应流程，而代码平台专注错误修复。企业落地时需构建统一的incident dossier数据层，将AI生成的RCA作为调查草案，经多方确认后拆解为修复、观测补齐和架构改造三类任务，最终沉淀为产品需求或技术债治理项。这一闭环能有效避免系]]></description><category></category></item><item><title><![CDATA[让 Agent 进入 CI/CD]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432397</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432397</guid><author>Loli_Wolf</author><pubDate>Fri, 29 May 2026 00:15:00 +0800</pubDate><description><![CDATA[AI赋能交付链路的治理闭环 当前AI正从代码生成向交付链路渗透，核心挑战在于构建可审计的自动化闭环，而非单纯修复CI问题。主流平台进展： Harness：AI深度集成DevOps平台，支持流水线编辑、策略生成及GitOps操作，但全自动发布仍处预览阶段 GitLab：通过Duo Agent实现CI/CD修复流，需经MR流程确保修改合规 GitHub：Copilot Agent依托Actions治理底座，结合环境规则与制品验证保障安全 关键原则：AI可加速低风险操作（如回滚、验证），但涉及生产变更必须保留人工]]></description><category></category></item><item><title><![CDATA[代码生成越快，质量门禁越要硬]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432377</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161432377</guid><author>Loli_Wolf</author><pubDate>Thu, 28 May 2026 12:15:00 +0800</pubDate><description><![CDATA[AI时代研发质量体系的转型挑战 随着AI编码工具普及，软件研发面临新的质量困境：代码生成速度提升的同时，质量保障的复杂性正从编写环节转移到测试、评审和运维阶段。当前AI测试与评审工具可分为三类能力： 生成类：如Harness AI、通义灵码的测试生成，GitHub Copilot的评审建议 分析类：如Sentry Seer的线上错误追踪，GitLab Code Review Flow的上下文感知 自愈类：如mabl、BrowserStack的测试自动修复 核心矛盾在于：AI可以快速产出代码和测试，但无法承担]]></description><category></category></item><item><title><![CDATA[从 PRD 到技术方案：Agent 如何做调研、拆任务、写设计文档]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371318</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371318</guid><author>Loli_Wolf</author><pubDate>Wed, 27 May 2026 11:00:00 +0800</pubDate><description><![CDATA[AI技术方案生成的新范式：从需求到落地的工程化路径 摘要：现代AI编码Agent正在改变传统技术方案生成模式，不再依赖人工代码审查和经验判断，而是通过系统化的仓库研究、证据收集和结构化分析来形成技术方案。本文提出了一套企业级落地流程：需求输入后，Agent首先执行代码库调研，生成包含调用路径、依赖关系、历史问题等维度的证据包；然后基于证据产出技术方案草案和任务拆解；最后通过人工审核风险和执行顺序。调研显示，GitLab、GitHub Copilot等先进工具都在推动"先研究-再执行"的工作流，强调环境隔离、]]></description><category></category></item><item><title><![CDATA[产品提需与 PRD 自动化]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371308</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371308</guid><author>Loli_Wolf</author><pubDate>Tue, 26 May 2026 12:30:00 +0800</pubDate><description><![CDATA[产品需求自动化的核心不是“让 AI 替产品经理写 PRD”，而是把客户反馈、支持工单、会议记录、销售线索、线上指标和历史研发记录变成可追溯的证据链。PRD 只是最后的表达形态，真正的价值在前面：信号采集、去重归一、主题聚类、影响评估、优先级判断和验收标准结构化。从 Productboard Spark、Atlassian Rovo/Jira Product Discovery、DevRev、Linear、Aha!]]></description><category></category></item><item><title><![CDATA[Harness + Agent：让 AI 从聊天窗口进入可治理的软件交付流水线]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371282</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371282</guid><author>Loli_Wolf</author><pubDate>Mon, 25 May 2026 00:11:17 +0800</pubDate><description><![CDATA[文章摘要 AI编码助手正从聊天窗口走向软件交付流水线，这一转变带来了治理挑战。Harness.io等平台通过构建agent harness（治理底座）来解决这些问题，包括权限控制、沙箱执行、审计追踪等关键能力。GitHub、GitLab和Atlassian等厂商也推出了各具特色的解决方案：GitHub采用issue到PR的异步协作模式，GitLab将agent嵌入SDLC全流程，Atlassian则从Jira任务直接生成代码。企业需要建设的不是简单的API接入，而是一套完整的agent治理体系，包括上下文管]]></description><category></category></item><item><title><![CDATA[AI 编码 Agent 的工程实践：Issue 到 PR 的自动化不是魔法]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371328</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371328</guid><author>Loli_Wolf</author><pubDate>Mon, 25 May 2026 00:09:34 +0800</pubDate><description><![CDATA[产品经理：写更可执行的 work item，给出验收标准和业务边界。工程师：拆任务、选择适合 Agent 的工作、审查实现和测试证据。Tech Lead：维护规则文件、架构边界、review 标准和代码所有权。平台团队：提供沙箱、权限、CI、日志、成本和安全策略。安全团队：定义 Agent 可访问的数据、secret、网络和高风险目录。]]></description><category></category></item><item><title><![CDATA[AI 原生研发闭环：从提需到线上监测，再自动回到提需]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371263</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/161371263</guid><author>Loli_Wolf</author><pubDate>Mon, 25 May 2026 00:02:57 +0800</pubDate><description><![CDATA[过去两年，企业采用 AI 编码工具的主问题已经从“能不能补全代码”转向“能不能进入真实研发系统，并对结果负责”。单点 AI 助手提升的是局部效率：写代码、写测试、总结 PR、解释报错。AI 原生研发闭环要解决的是系统效率：从客户反馈、线上指标、产品洞察、PRD、技术方案、代码变更、测试评审、CI/CD、发布治理、线上观测、事故复盘，再把证据沉淀回下一轮需求。本文把这个闭环称为。]]></description><category></category></item><item><title><![CDATA[JVM内存划分]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135864442</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135864442</guid><author>Loli_Wolf</author><pubDate>Fri, 26 Jan 2024 13:49:01 +0800</pubDate><description><![CDATA[JVM定义了运行时数据区，这是一个JVM逻辑上组织管理内存的模型，并不代表物理存储结构。线程共享，线程私有各自的。]]></description><category></category></item><item><title><![CDATA[机器学习整理]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135775678</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135775678</guid><author>Loli_Wolf</author><pubDate>Tue, 23 Jan 2024 16:43:20 +0800</pubDate><description><![CDATA[有监督学习：从有标记的样本中学习，如决策树。无监督学习：从不含标记的样本中学习，如K均值算法。线性回归是一种用于预测和建模的统计方法。线性回归的目的是找到一个线性关系，用来最好地预测一个因变量基于一个或多个自变量的值。给定数据(X1,y1),(X2,y2),…,(Xm,ym),此处X可以是多维向量。线性回归的目标为学习合适的参数w和b使得损失函数：用于度量yi和f(xi)的差异均方误差：最小二乘法：基于均方误差最小化来求解模型参数通过计算E(w,b)对w。]]></description><category></category></item><item><title><![CDATA[RabbitMQ学习笔记]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135571876</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135571876</guid><author>Loli_Wolf</author><pubDate>Sat, 13 Jan 2024 16:15:38 +0800</pubDate><description><![CDATA[Broker：接受和分发消息的应用，例如RabbitMQ ServerVirtual host:出于多租户和安全因素设计的，把AMQP的基本组件划分到一个虚拟的分组中，类似于网络中的namespace概念。当多个不同的用户使用同一个RabbitMQ server提供的服务时，可以划分出多个vhost,每个用户在自己的vhost创建exchange/queue等Connection:生产者/消费者与broker之间的TCP连接。]]></description><category></category></item><item><title><![CDATA[【操作系统】xv6源代码分析]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135571508</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135571508</guid><author>Loli_Wolf</author><pubDate>Sat, 13 Jan 2024 15:56:26 +0800</pubDate><description><![CDATA[fs.c entry.S xv6初始化代码。]]></description><category></category></item><item><title><![CDATA[【计算机网络】内容整理]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135553766</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135553766</guid><author>Loli_Wolf</author><pubDate>Fri, 12 Jan 2024 15:13:43 +0800</pubDate><description><![CDATA[维护网络状态信息通过北向API与“上面的”网络控制应用交互。通过南向API与“下面的”网络交换机交互。网络控制应用eg：ryu。]]></description><category></category></item><item><title><![CDATA[使用WebClient发请求]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469274</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469274</guid><author>Loli_Wolf</author><pubDate>Mon, 08 Jan 2024 23:54:45 +0800</pubDate><description><![CDATA[更多可以看https://blog.youkuaiyun.com/weixin_35688430/article/details/119750922。header和cookie的设置可以通过实现Consumer接口传集合。非阻塞式获取相应(异步获取结果)加在builder的注册上。]]></description><category></category></item><item><title><![CDATA[使用RestTemplate发请求]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469262</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469262</guid><author>Loli_Wolf</author><pubDate>Mon, 08 Jan 2024 23:53:48 +0800</pubDate><description><![CDATA[SpringCloud提供的注解，用于实现客户端负载均衡。加在注册RestTemplate时。可以如上新建factory后直接给restTemplate setfactory。post传表单：数据放在LinkedMultiValueMap里。用*ForEntity,返回整个响应的各个部分。使用*ForObject,直接返回相应页面。post传body：直接传实体Bean。get传参：直接拼接url。]]></description><category></category></item><item><title><![CDATA[@Async基本使用]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469200</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469200</guid><author>Loli_Wolf</author><pubDate>Mon, 08 Jan 2024 23:49:14 +0800</pubDate><description><![CDATA[Bean//设置线程池的基本大小为2，即使线程池中的线程空闲，线程池也会保持至少有这么多的线程//设置线程池的最大大小为2，这表示即使排队任务的数量增加，线程池也只能增加到这个数量的线程//设置线程池的队列容量为500。如果所有的线程都在忙，新来的任务会被放在队列里面，等待有线程空闲出来//初始化线程池注入使用。]]></description><category></category></item><item><title><![CDATA[SpringCache基本用法]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469196</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469196</guid><author>Loli_Wolf</author><pubDate>Mon, 08 Jan 2024 23:47:38 +0800</pubDate><description><![CDATA[配置类配置，关键字是缓存的name(value)，而不是整个key@Autowired@Bean// 对 'tests' 设置 1 分钟的 TTL// 对 'cache2' 设置 5 小时的 TTL.build();//Duration格式转换，生成配置。]]></description><category></category></item><item><title><![CDATA[Mybatis缓存]]></title><link>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469183</link><guid>https://blog.youkuaiyun.com/Loli_Wolf/article/details/135469183</guid><author>Loli_Wolf</author><pubDate>Mon, 08 Jan 2024 23:46:32 +0800</pubDate><description><![CDATA[一级缓存是 MyBatis 的基础缓存，粒度是一次会话，也被称为 SqlSession 级别的缓存。每当我们执行查询时，查询结果会被存放在一级缓存中。二级缓存是 MyBatis 的高级缓存，也被称为 mapper 级别的缓存。这个缓存是跨 SqlSession 的，这意味着多个 SqlSession 可以共享这个缓存。标签的属性来配置你的二级缓存，例如 eviction（淘汰策略）、flushInterval（刷新间隔）、size（缓存大小）和 readOnly（是否只读）。或其他清除缓存的操作。]]></description><category></category></item></channel></rss>