Go 1.18 版本新特性详解!

3beee312d453f987cd98866c38a7f5f3.gif

导语 | 本文推选自腾讯云开发者社区-【技思广益 · 腾讯技术人原创集】专栏。该专栏是腾讯云开发者社区为腾讯技术人与广泛开发者打造的分享交流窗口。栏目邀约腾讯技术人分享原创的技术积淀,与广泛开发者互启迪共成长。本文作者是腾讯后台开发工程师Johns。

本文主要探析Go 1.18版本新特性,希望本文能对此方面感兴趣的开发者们提供一些经验和帮助。

Go官方在今年315悄悄发布了Golang 1.18版本。Go 1.18是一个大型版本,其中包括新功能、性能改进以及我们对该语言的最大更改。最重要的3个特性如下:

  • 泛型Generics: 引入了对使用参数化类型的泛型代码的新支持, 达到了算法可复用的目的。

  • 模糊测试Fuzzing: 提供了一种自动化测试的选择, Go是第一个将模糊测试完全集成到其标准工具链中的主要语言。

  • Workspaces: 解决go mod遗留下来的本地多模块开发依赖问题。

其次还包括CPU性能提升20%,但是由于支持了泛型,对比1.17版本Go1.18编译时间可能会慢15-18%。


b41e11f628d568cfa56370d8a8fb59a7.jpeg

如何升级GO 1.18

注意: 我这边测试的是Linux环境,为了测试我这边特意安装保留之前的Go1.17版本,在此基础上再安装个Go1.18。

其次,升级go版本需要考虑开发IDE是否支持,目前我使用的Goland最新版只能支持到Go1.17,换成1.18会出现各种报错。

# 查看当前go版本和位置
go version && which go
# go version go1.17.7 linux/amd64
# /usr/bin/go
# 之前是直接使用的yum install go安装的


# 下载1.18版本
wget https://go.dev/dl/go1.18.3.linux-amd64.tar.gz


# 解压&移动
tar -C /tmp/ -xzf go1.18.3.linux-amd64.tar.gz
sudo mv /tmp/go /usr/local/go18


# 往文件写入命令
cat << EOF >/usr/local/go18/bin/go18
unset GOROOT
go env -w GOROOT="/usr/local/go18/"
/usr/local/go18/bin/go \$@
EOF


# 查看文件里面的命令内容
cat /usr/local/go18/bin/go18
# unset GOROOT
# go env -w GOROOT="/usr/local/go18/"
# /usr/local/go18/bin/go $@


# 建立软连接
sudo ln -s /usr/local/go18/bin/go18 /usr/local/bin/go18


# 查看go版本
go18 version && go version
#go version go1.18.3 linux/amd64
#go version go1.17.7 linux/amd64

483c4082ae66ecb0b2d4c2e25086975d.jpeg

新特性之泛型

泛型是静态语言中的一种编程方式。这种编程方式可以让算法不再依赖于某个具体的数据类型,而是通过将数据类型进行参数化,以达到算法可复用的目的。

(一)使用场景

在Ian Lance Taylor的When To Use Generics中列出了泛型的典型使用场景,归结为三种主要情况:

  • 使用内置的容器类型,如slices、maps和channels,堆、栈、队列、链表。

  • 实现通用的数据结构,如linked list或tree。

  • 编写一个函数,其实现对许多类型来说都是一样的,比如一个排序函数。

(二)实现原理

Go的泛型的提案Type Parameters Proposal提到了一些主流语言对于泛型3种不同的实现方式:

  • 程序侧实现: 比如C语言,增加了程序员的负担,需要曲折的实现,但是不对增加语言的复杂性。

  • 编译器实现: 比如C++编程语言,增加了编译器的负担,可能会产生很多冗余的代码,重复的代码还需要编译器斟酌删除,编译的文件可能非常大。Rust的泛型也属于这一类。

  • 运行时实现: 比如Java,将一切装箱成Object进行类型擦除。虽然代码没啥冗余了,空间节省了,但是需要装箱拆箱操作,代码效率低。

GO语言的泛型则是基于编译器实现的,Go语言本身就是一门静态编译型语言,在运行时实现”泛型“对它来说比较困难,而它作为新起的一门语言又不想把这么复杂的工作交给程序员去维护;在具体的实现方式上,主要分为以下3种:


  • 字典

在编译时生成一组实例化的字典,在实例话一个泛型函数的时候会使用字典进行蜡印(stencile)。

当为泛型函数生成代码的时候,会生成唯一的一块代码,并且会在参数列表中增加一个字典做参数,就像方法会把receiver当成一个参数传入。字典包含为类型参数实例化的类型信息。字典在编译时生成,存放在只读的data section中,当然字段可以当成第一个参数,或者最后一个参数,或者放入一个独占的寄存器。

当然这种方案还有依赖问题,比如字典递归的问题,更重要的是,它对性能可能有比较大的影响,比如一个实例化类型int,x=y可能通过寄存器复制就可以了,但是泛型必须通过memmove。


  • 蜡印

这种方案和上面的字典方案正好相反。

比如下面一个泛型方法:

func f[T1, T2 any](x int, y T1) T2 {
    ...
}

如果有两个不同的类型实例化的调用:

var a float64 = f[int, float64](7, 8.0)
var b struct{f int} = f[complex128, struct{f int}](3, 1+1i)

那么这个方案会生成两套代码:

func f1(x int, y int) float64 {
    ... identical bodies ...
}
func f2(x int, y complex128) struct{f int} {
    ... identical bodies ...
}

因为编译f时是不知道它的实例化类型的,只有在调用它时才知道它的实例化的类型,所以需要在调用时编译f。对于相同实例化类型的多个调用,同一个package下编译器可以识别出来是一样的,只生成一个代码就可以了,但是不同的package就不简单了,这些函数表标记为DUPOK,所以链接器会丢掉重复的函数实现。

这种策略需要更多的编译时间,因为需要编译泛型函数多次。因为对于同一个泛型函数,每种类型需要单独的一份编译的代码,如果类型非常多,编译的文件可能非常大,而且性能也比较差。

  • 混合方案(GC Shape Stenciling)

混合前面的两种方案。

对于实例类型的shape相同的情况,只生成一份代码,对于shape类型相同的类型,使用字典区分类型的不同行为。

类型的shape是它对内存分配器/垃圾回收器呈现的方式,包括它的大小、所需的对齐方式、以及类型哪些部分包含指针。

接下来我们用一个例子,看看Go泛型的方案是具体实现的:

package main


import (
  "fmt"
  "time"
)


// PrtintString 简单的打印
func PrtintA(t string) {
  return fmt.Println(s)
}


// PrtintString 简单的打印
func PrtintString[T any](t T) string {
  return fmt.Sprintf("%v", t)
}


func main() {
  PrtintA("test")
  PrtintString(0)
  PrtintString(int32(0))
  PrtintString(uint32(0))
  PrtintString(uint64(0))
  PrtintString("hello")
  PrtintString(struct{}{})
  PrtintString(time.Now())
}

通过go tool compile -N -l -S main.go发现,go还是使用的第二种方案,虽然泛型的方法使用了dict来存放,通过类型shape来找到具体的调用方法:

...
  0x0024 00036 (main.go:19)  CALL  "".PrtintA(SB)
  0x0029 00041 (main.go:20)  LEAQ  ""..dict.PrtintString[int](SB), AX
  0x0030 00048 (main.go:20)  XORL  BX, BX
  0x0032 00050 (main.go:20)  CALL  "".PrtintString[go.shape.int_0](SB)
  0x0037 00055 (main.go:21)  LEAQ  ""..dict.PrtintString[int32](SB), AX
  0x003e 00062 (main.go:21)  XORL  BX, BX
  0x0040 00064 (main.go:21)  CALL  "".PrtintString[go.shape.int32_0](SB)
  0x0045 00069 (main.go:22)  LEAQ  ""..dict.PrtintString[uint32](SB), AX
  0x004c 00076 (main.go:22)  XORL  BX, BX
  0x004e 00078 (main.go:22)  CALL  "".PrtintString[go.shape.uint32_0](SB)
  0x0053 00083 (main.go:23)  LEAQ  ""..dict.PrtintString[uint64](SB), AX
  0x005a 00090 (main.go:23)  XORL  BX, BX
  0x005c 00092 (main.go:23)  NOP
  0x0060 00096 (main.go:23)  CALL  "".PrtintString[go.shape.uint64_0](SB)
  0x0065 00101 (main.go:24)  LEAQ  ""..dict.PrtintString[string](SB), AX
  0x006c 00108 (main.go:24)  LEAQ  go.string."hello"(SB), BX
  0x0073 00115 (main.go:24)  MOVL  $5, CX
  0x0078 00120 (main.go:24)  CALL  "".PrtintString[go.shape.string_0](SB)
  0x007d 00125 (main.go:25)  LEAQ  ""..dict.PrtintString[struct {}](SB), AX
  0x0084 00132 (main.go:25)  CALL  "".PrtintString[go.shape.struct {}_0](SB)
  ...

本质上这是一种结合了第一种方案和第二种方案结合后的变种,但它又区别于我们介绍过的第三种方案。


实践使用


语法

在实践前,我们必须对泛型的语法进行了解,泛型的使用规范如下图所示:

303c9143480abe8906310cb72ea239b6.png

其中T表示类型参数,any其实是对T的一种约束,类型参数和约束定义完成后,我们就可以在我们的参数和返回值中使用了。

下面以实现一个返回数字类型的最大值的函数为例,讲一下泛型的基本使用步骤: 定义类型参数T,添加约束,实例化类型参数。

c814e3340d98ea0586a455a5acd5149e.png

类型参数的约束

下面我们列出了Go官方支持的预定义的类型约束,其中~主要用来表示底层类型一致,例如type MyInt int 和int底层都是int类型,如果不使用~,那么类型实例化时就不能使用MyInt类型。

2cbdefcad1de205974252ef66e888148.png

除了使用官方的内建约束,还可以使用自定义的接口的方式来约束。

// 自定义类型约束接口StringableFloat
type MyFloat interface {
    ~float32 | ~float64 // 底层是float32或float64的类型就能满足该约束
}


func Max[T MyFloat](s []T) T {
    var zero T
    if len(s) == 0 {
        return zero
    }
    
    var max T
    max = s[0]
    for _, v := range s[1:] {
        max = v
        if v > max {
            max = v
        }
    }
        
    return max
}
更多实践

案例1:  实现一个简单的缓存特定的几类结构系统:

type Category struct {
    ID int32
    Name string
    Slug string
}


type Post struct {
    ID int32
    Categories []Category
    Title string
    Text string
    Slug string
}


type cacheable interface {
    Category | Post
    FreshCache() error
}


func (c *cache[T]) Set(key string, value T) {
    c.data[key] = value
}


func (c *cache[T]) Get(key string) (v T) {
    if v, ok := c.data[key]; ok {
        return v
    }


    return
}


func New[T cacheable](cacheTicker *time.Ticker) *cache[T]{
  c := cache[T]{}
  c.data = make(map[string]T)
  


  return &c
}


package main


import (
  "fmt"
)


func main() {
  // create a new category
  category := Category{
    ID: 1,
    Name: "Go Generics",
    Slug: "go-generics",
  }
  // create cache for Category struct
  cc := New[Category]()
  // add category to cache
  cc.Set(category.Slug, category)
  fmt.Printf("cp get:%+v\n", cc.Get(category.Slug))
  
  // create a new post
  post := Post{
    ID: 1,
    Categories: []Category{
      {ID: 1, Name: "Go Generics", Slug: "go-generics"},
    },
    Title: "Generics in Golang structs",
    Text: "Here go's the text",
    Slug: "generics-in-golang-structs",
  }
  // create cache for blog.Post struct
  cp := New[Post]()
  // add post to cache
  cp.Set(post.Slug, post)


  fmt.Printf("cp get:%+v\n", cp.Get(post.Slug))
}

案例2: 实现一个简单的队列:

// 这里类型约束使用了空接口,代表的意思是所有类型都可以用来实例化泛型类型 Queue[T] (关于接口在后半部分会详细介绍)
type Queue[T interface{}] struct {
    elements []T
}


// 将数据放入队列尾部
func (q *Queue[T]) Put(value T) {
    q.elements = append(q.elements, value)
}


// 从队列头部取出并从头部删除对应数据
func (q *Queue[T]) Pop() (T, bool) {
    var value T
    if len(q.elements) == 0 {
        return value, true
    }


    value = q.elements[0]
    q.elements = q.elements[1:]
    return value, len(q.elements) == 0
}


// 队列大小
func (q Queue[T]) Size() int {
    return len(q.elements)
}


func main(){
  var q1 Queue[int]  // 可存放int类型数据的队列
  q1.Put(1)
  q1.Put(2)
  q1.Put(3)
  q1.Pop() // 1
  q1.Pop() // 2
  q1.Pop() // 3


  var q2 Queue[string]  // 可存放string类型数据的队列
  q2.Put("A")
  q2.Put("B")
}

79f898583b047d3fc4aa9f5f99e3eae4.jpeg

新特性之Fuzzing

模糊测试(fuzz testing,fuzzing)是一种软件测试技术。其核心思想是將自动或半自动生成的随机数据输入到一个程序中,并监视程序异常,如崩溃,断言(assertion)失败,以发现可能的程序错误,比如内存泄漏、SQL 注入、拒绝服务和跨站点脚本攻击。

(一)使用场景

  • 单元测试/变异测试 模糊测试可以用来弥补单元测试的缺陷,可以用来评估测试用例质量。

  • 自动化测试 模糊测试是一种自动化测试技术,避免了开发人员编写测试用例的成本和开销。


(二)实现原理

Fuzzing引擎算法中,测试用例的生成方式主要有2种:

1)基于变异:根据已知数据样本通过变异的方法生成新的测试用例。

2)基于生成:根据已知的协议或接口规范进行建模,生成测试用例。

一般Fuzzing工具中,都会综合使用这两种生成方式。

基于变异的算法核心要求是学习已有的数据模型,基于已有数据及对数据的分析,再生成随机数据做为测试用例。

如下图基于给定的一个输入5,“hello”作为随机的种子,Fuzz会自动生成测试用例,然后不停地测试。

8c29b67dbcbc88ecd7b71c520b9b4dd9.png

(三)实践使用

  • 语法规范

实践前我们先看一下模糊测试必须遵循的规则。

模糊测试必须是一个名为like的函数FuzzXxx,它只接受a*testing.F并且没有返回值。

模糊测试必须在*_test.go文件中才能运行。

模糊目标必须是一个方法调用,它(*testing.F).Fuzz接受a*testing.T作为第一个参数,然后是模糊参数。没有返回值。

每个模糊测试必须恰好有一个模糊目标。

所有种子语料库条目必须具有与模糊测试参数相同的类型,并且顺序相同。这适用于 (*testing.F).Add对模糊测试的testdata/fuzz目录中的任何语料库文件的调用。

模糊测试参数只能是以下类型:

  • string,[]byte

  • int, int8, int16,int32/ rune,int64

  • uint,uint8/byte,uint16,uint32,uint64

  • float32,float64

  • bool

  • 启动说明
# go test -fuzz={FuzzTestName} 
$ go test -fuzz FuzzFoo
fuzz: elapsed: 0s, gathering baseline coverage: 0/192 completed
fuzz: elapsed: 0s, gathering baseline coverage: 192/192 completed, now fuzzing with 8 workers
fuzz: elapsed: 3s, execs: 325017 (108336/sec), new interesting: 11 (total: 202)
fuzz: elapsed: 6s, execs: 680218 (118402/sec), new interesting: 12 (total: 203)
fuzz: elapsed: 9s, execs: 1039901 (119895/sec), new interesting: 19 (total: 210)
fuzz: elapsed: 12s, execs: 1386684 (115594/sec), new interesting: 21 (total: 212)
PASS
ok      foo 12.692s


# elapsed表示从开始模糊测试到现在经过了多少时间, execs表示执行的用例数

其他可选参数:

  • -fuzztime: fuzz目标在退出前将执行的总时间或迭代次数,默认为无限期。

  • -fuzzminimizetime:在每次最小化尝试期间执行模糊目标的时间或迭代次数,默认为60秒。-fuzzminimizetime 0您可以通过设置模糊测试时完全禁用最小化。

  • -parallel: 一次运行的模糊测试进程的数量,默认值$GOMAXPROCS。目前,在fuzzing期间设置-cpu无效。

  • 案例演示

下面使用官方的一个反转的字符串案例来演示一下具体使用,新增项目fuzz_demo,并在fuzz_demo里面新建文件reverse.go:

func Reverse(s string) string {
    b := []byte(s)
    for i, j := 0, len(b)-1; i < len(b)/2; i, j = i+1, j-1 {
        b[i], b[j] = b[j], b[i]
    }
    return string(b)
}

新建main.go,内容如下:

package main


import "fmt"


func main() {
  input := "The quick brown fox jumped over the lazy dog"
  rev := Reverse(input)
  doubleRev := Reverse(rev)
  fmt.Printf("original: %q\n", input)
  fmt.Printf("reversed: %q\n", rev)
  fmt.Printf("reversed again: %q\n", doubleRev)
}

目录结构如下:

fuzz_demo
.
├── main.go
├── reverse.go
└── reverse_test.go

运行main,得到如下结果,看上去没啥问题。

go run ../fuzz_demo/
original: "The quick brown fox jumped over the lazy dog"
reversed: "god yzal eht revo depmuj xof nworb kciuq ehT"
reversed again: "The quick brown fox jumped over the lazy dog"

下面为Reverse写一个单元测试reverse_test.go:

package main


import (
    "testing"
)


func TestReverse(t *testing.T) {
    testcases := []struct {
        in, want string
    }{
        {"Hello, world", "dlrow ,olleH"},
        {" ", " "},
        {"!12345", "54321!"},
    }
    for _, tc := range testcases {
        rev := Reverse(tc.in)
        if rev != tc.want {
                t.Errorf("Reverse: %q, want %q", rev, tc.want)
        }
    }
}

运行单测并没有发现有什么问题:

$ go test
PASS
ok      example/fuzz  0.013s

但是Reverse方法真的没有问题吗? 我们在reverse_test.go中新增一个模糊测试:

func FuzzReverse(f *testing.F) {
    testcases := []string{"Hello, world", " ", "!12345"}
    for _, tc := range testcases {
        f.Add(tc)  // Use f.Add to provide a seed corpus
    }
    f.Fuzz(func(t *testing.T, orig string) {
        rev := Reverse(orig)
        doubleRev := Reverse(rev)
        if orig != doubleRev {
            t.Errorf("Before: %q, after: %q", orig, doubleRev)
        }
        if utf8.ValidString(orig) && !utf8.ValidString(rev) {
            t.Errorf("Reverse produced invalid UTF-8 string %q", rev)
        }
    })
}

运行FuzzReverse模糊测试,查看是否有任何随机生成的字符串输入会导致失败。这是使用go test新标志执行的-fuzz:

[root]# go18 test -fuzz=Fuzz
fuzz: elapsed: 0s, gathering baseline coverage: 0/3 completed
fuzz: elapsed: 0s, gathering baseline coverage: 3/3 completed, now fuzzing with 8 workers
fuzz: elapsed: 0s, execs: 526 (7126/sec), new interesting: 3 (total: 6)
--- FAIL: FuzzReverse (0.07s)
    --- FAIL: FuzzReverse (0.00s)
        reverse_test.go:36: Reverse produced invalid UTF-8 string "\xbb\xac\xe7"
    
    Failing input written to testdata/fuzz/FuzzReverse/a9d86b0e4e93269adeeaa8df903415915f5979f1c2d2b8bb02311f0a72e6c8fb
    To re-run:
    go test -run=FuzzReverse/a9d86b0e4e93269adeeaa8df903415915f5979f1c2d2b8bb02311f0a72e6c8fb
FAIL
exit status 1
FAIL    generic_test    0.082s
# 我们查看一下用例的内容, 看一下具体时哪个用例有问题
[root@VM-74-225-centos ~/go/src/generic_test]# cat testdata/fuzz/FuzzReverse/a9d86b0e4e93269adeeaa8df903415915f5979f1c2d2b8bb02311f0a72e6c8fb
go test fuzz v1
string("笻")
  • 问题诊断

我们看到, 导致我们异常的是“笻” ,整个fuzz种子语料库使用字符串,其中每个字符都是一个字节。但是,“笻”等字符可能需要几个字节。因此,逐字节反转字符串将使多字节字符无效, 这种情况在计算字符串长度的是否也会遇到。因此我们需要将字节变成rune后再进行反转,修改Reverse方法的实现:

func Reverse(s string) string {
    r := []rune(s)
    for i, j := 0, len(r)-1; i < len(r)/2; i, j = i+1, j-1 {
        r[i], r[j] = r[j], r[i]
    }
    return string(r)
}

修改后继续执行测试:

[root@VM-74-225-centos ~/go/src/generic_test]# go18 test -fuzz=Fuzz
fuzz: elapsed: 0s, gathering baseline coverage: 0/7 completed
fuzz: minimizing 38-byte failing input file
fuzz: elapsed: 0s, gathering baseline coverage: 4/7 completed
--- FAIL: FuzzReverse (0.03s)
    --- FAIL: FuzzReverse (0.00s)
        reverse_test.go:33: Before: "\xd8", after: "�"
    


    Failing input written to testdata/fuzz/FuzzReverse/5f644fdcef1c73a8103274829865beba68d8087129b886a825d1bba632f4358e
    To re-run:
    go test -run=FuzzReverse/5f644fdcef1c73a8103274829865beba68d8087129b886a825d1bba632f4358e


FAIL
exit status 1
FAIL    generic_test    0.029s

仔细查看反转的字符串以发现错误。在Go中,字符串是字节的只读切片,并且可以包含无效的UTF-8字节。原始字符串是一个带有一个字节的字节切片,'\x91'.当输入字符串设置为时[]rune,Go将字节切片编码为UTF-8,并将字节替换为UTF-8 字符�。当我们将替换的UTF-8字符与输入字节切片进行比较时,它们显然不相等。

于是需要继续调整实现,避免非法的unicode输入:

func Reverse(s string) (string, error) {
    if !utf8.ValidString(s) {
        return s, errors.New("input is not valid UTF-8")
    }
    r := []rune(s)
    for i, j := 0, len(r)-1; i < len(r)/2; i, j = i+1, j-1 {
        r[i], r[j] = r[j], r[i]
    }
    return string(r), nil
}

调整单元测试和Fuzz测试实现:

package main


import (
  "testing"
  "unicode/utf8"
)


func TestReverse(t *testing.T) {
  testcases := []struct {
    in, want string
  }{
    {"Hello, world", "dlrow ,olleH"},
    {" ", " "},
    {"!12345", "54321!"},
  }
  for _, tc := range testcases {
    rev, _ := Reverse(tc.in)
    if rev != tc.want {
      t.Errorf("Reverse: %q, want %q", rev, tc.want)
    }


  }
}


func FuzzReverse(f *testing.F) {
  testcases := []string{"Hello, world", " ", "!12345"}
  for _, tc := range testcases {
    f.Add(tc) // Use f.Add to provide a seed corpus
  }
  f.Fuzz(func(t *testing.T, orig string) {
    rev, err1 := Reverse(orig)
    if err1 != nil {
      return
    }
    doubleRev, err2 := Reverse(rev)
    if err2 != nil {
      return
    }
    if orig != doubleRev {
      t.Errorf("Before: %q, after: %q", orig, doubleRev)
    }
    if utf8.ValidString(orig) && !utf8.ValidString(rev) {
      t.Errorf("Reverse produced invalid UTF-8 string %q", rev)
    }
  })
}

之后执行测试:

[root]# go18 test -fuzz=Fuzz -fuzztime 10s
fuzz: elapsed: 0s, gathering baseline coverage: 0/40 completed
fuzz: elapsed: 0s, gathering baseline coverage: 40/40 completed, now fuzzing with 8 workers
fuzz: elapsed: 3s, execs: 424692 (141504/sec), new interesting: 1 (total: 41)
fuzz: elapsed: 6s, execs: 824495 (133183/sec), new interesting: 1 (total: 41)
fuzz: elapsed: 9s, execs: 1227987 (134614/sec), new interesting: 1 (total: 41)
fuzz: elapsed: 10s, execs: 1364282 (122256/sec), new interesting: 1 (total: 41)
PASS
ok      generic_test    10.122s

自此我们就演示完了如何使用Fuzz实现自动化测试从而发现程序中隐藏的bug。

e61fd107b7f2f388fcd973a420eab55e.jpeg

新特性之WorkSpaces


(一)背景

在go1.12以前,我们知道golang的依赖包管理仅仅只是可用而已。go1.12之后,go mod才真正解决了依赖包管理的核心问题。但是它真的完全没有问题了吗?

回忆一下, 在本地进行多模块开发的时候,我们为了解决一些本地依赖,或是定制化代码。会在go.mod文件中使用replace做替换。

如下代码:

replace golang.org/x/net => /Users/guirongguo/go/awesomeProject

问题就在这里:

  • 本地路径:所设定的replace本质上转换的是本地的路径,也就是每个人都不一样。

  • 仓库依赖:文件修改是会上传到Git仓库的,不小心传上去了,影响到其他开发同学,又或是每次上传都得重新改回去。

其次我们可能会在本地同时开发多个库(项目库、工具库、第三方库)并且之间还有依赖关系, 这个时候你会发现, 如果不提交代码, 那么下面代码就跑不起来。

package main


import (
    "github.com/guirongguo/utils"
)


func main() {
    utils.PrintFish()
}

执行go mod tidy你会发现程序跑不起来,哪怕你本地的库其实已经开发好了。

在社区的多轮反馈下,Michael Matloob提出了提案《Proposal: Multi-Module Workspaces in cmd/go》进行了大量的讨论和实施,在 Go1.18正式落地。

(二)WorkSpaces模式

多Module WorkSpaces模式,其本质上还是为了解决本地开发的诉求。由于go.mod文件是与项目强关联的,基本都会上传到Git仓库中,很难在go.mod上操作。所以就需要额外搞一个go.work出来,纯放在本地使用,方便快捷。

go.work文件的生成也很简单,命令行使用说明如下:

Usage:
        go work <command> [arguments]
The commands are:


        edit        edit go.work from tools or scripts
        init        initialize workspace file
        sync        sync workspace build list to modules
        use         add modules to workspace file


Use "go help work <command>" for more information about a command.

当前我们的项目目录如下:

awesomeProject
├── mod
│   ├── go.mod      // 子模块
│   └── main.go
└── tools
    ├── string_utils.go
    └── go.mod      // 子模块

进入项目目录,我们使用go work init ./mod ./tools来初始化一个新的工作区,同时加入需要的的子模块。

cd awesomeProject
go work init ./mod ./tools
tree
awesomeProject
.
├── mod
│   ├── go.mod      // 子模块
│   └── main.go
├── go.work         // 工作区
└── tools
    ├── string_utils.go
    └── go.mod      // 子模块

生成的go.work文件内容:

go 1.18


use (
    ./mod 
    ./tools
)

GO1.18在进行依赖解析时,会优先解析go.work的内容,然后再解析go mod,go.work只会留在本地,不会做远程提交。

go.work 文件内共支持三个指令:

  • go:声明go版本号,主要用于后续新语义的版本控制。go run -workfile=off main.go。

  • use:声明应用所依赖模块的具体文件路径,路径可以是绝对路径或相对路径,可以在应用命目录外均可。

  • replace:声明替换某个模块依赖的导入路径,优先级高级 go.mod 中的 replace 指令。若想要禁用工作区模式,可以通过-workfile=off指令来指定。例如:

go run -workfile=off main.go

dc562af8a3b9a52115e5de6c9fe8614c.jpeg

总结

本文详细介绍了GO1.18发布的3个核心特性: 泛型,Fuzzing测试, Workspaces。

其中泛型解决了算法复用的问题;Fuzzing完善了测试方面的支持,提供了一个自动化测试的方案的选择;Workspaces解决了go mod遗留下来的本地多模块开发依赖问题。

除了这3个主要特性,其实还有很多细节这里没有展开介绍,例如对CPU性能的优化,核心库的细微调整,感兴趣的同学可以阅读一下官方的发布说明:《Go 1.18 Release Notes》

参考资料:

1.《Go 1.18 is released!》

2.《Tutorial: Getting started with generics》

3.《深入浅出Go泛型之泛型使用三步曲》

4.《Tutorial: Getting started with fuzzing》

5.《Go Fuzzing》

6.《Go1.18 新特性:多Module工作区模式》

7.《Go 1.18 Release Notes》

 作者简介

0124ca71c31acdb2cd0b6dc091b00c9c.png

Johns

腾讯云开发者社区【技思广益·腾讯技术人原创集】作者

腾讯后台开发工程师,喜欢读书、编程、看电影,比较喜欢研究有意思的技术。

 推荐阅读

【腾讯云原生】腾讯云跨账号流量统一接入与治理方案

地产行业,如何跑赢「黑铁时代」?

深入浅出webpack的最佳实践!

基于腾讯云自建高可用DNS方案实践

4501aff3c9976c18c53c25d094c6f84e.jpeg

👇点击「阅读原文」,注册成为社区创作者,认识大咖,打造你的技术影响力!

相关推荐

大模型的Agent Skill功能,在LLM HTTP底层交互流中是怎么承载的?

网络文章文本的 skill,昨天我实现了之后也就开始好奇起 Skills 的底层原理了——相比起各种花里胡哨的 agrnt 应用,我一直以来都很对大模型在纯粹的 HTTP 交互层面是如何交互的更感兴趣。Skill 的全部"魔法"都发生在 system prompt 的措辞和 SKILL.md 文件的编写质量上——本质上是一种 prompt engineering + 文件系统的组合。但是各种天花乱坠的 skills,是如何在底层的 HTTP 中,与大模型——这个只会嘴遁的工具交互的呢?

QcloudCommunity的博客 404

万字入门AI Infra:深入理解大模型中的数学与Infra优化

关注腾讯云开发者,一手技术干货提前解锁👇AI Infra科普、入门或者进阶 ~~ 不到 5 万字,带你融会贯通理解大模型的数学、算法、硬件到系统工程。任何问题欢迎沟通交流。可怕,我竟然有点认同这句话。当然大概率是因为姚顺宇太懂AI了,而我则是因为无知者无畏。不过仔细想想,大模型推理中的数学逻辑确实不复杂,很多原理只需要高中数学知识就能看懂。但是为什么像 vLLM 这种推理系统这么复杂呢?本文将拆解大模型中几个核心操作(RMSNorm、Softmax、Causal Mask、Sampling)背后的数学与

QcloudCommunity的博客 1162

平平无奇的源码,竟藏着Agent的核心秘密?

System Prompt 是剧本,Skill 是剧本的扩展包,Agent Loop 是演员按剧本行动。欢迎留言,我们将邀请作者针对性回复你的评论,我们将选取1则优质的评论,送出腾讯云定制文件袋套装。,让 Agent 能主动"巡逻",而不只是被动等待用户消息。OpenClaw 的 System Prompt 分层结构。的"行为底线",任何 Skill 或用户命令都无法覆盖它。精华 2:Skill 的"按需加载"避免 token 浪费。精华 1:System Prompt 是"分层乐高积木"

QcloudCommunity的博客 424

QQ音乐Harness Engineering实践

一个看似简单的需求,背后可能牵动服务调用链、配置、灰度、埋点、错误码、接口契约和历史兼容性。当 AI 开始快速生成大量代码,真正的瓶颈就不再是"写不出来",而是"看不完、想不清、管不住"。在对话式编码阶段,一种典型的工作模式逐渐流行:开发者把需求丢给 AI,扫一眼输出"看起来对"就直接采纳,不审 diff、不追问逻辑、不验证边界。以音乐商业化业务为例,一个需求可能从 TAPD 单开始,经过需求评审、技术方案、服务影响面分析、IDL 契约变更、业务代码实现、测试验证、CR、灰度上线,最后才进入稳定运行。

QcloudCommunity的博客 713

从Prompt、Context到Harness,工程的三次进化与终局之战

同时,强制要求散落各处的决策记录(Slack、邮件、文档)全部迁移至代码仓库,确保 Agent 的唯一信息来源是可信的、版本受控的仓库。更坑爹的是,研究表明,当上下文过长时,模型会出现"中间遗忘(Lost in the Middle)"现象:它对开头和结尾的内容记忆较好,对中间大段内容的关注度大幅下降。这篇文章,我想带你完整走一遍这三次进化的逻辑:它们分别解决了什么问题,它们之间是什么关系,它们的边界在哪里,以及:当三者融合,AI 工程师的终极形态究竟是什么?大语言模型的本质,就是这位金鱼助理。

QcloudCommunity的博客 715

让Skill自己训练自己:8阶段Loop、3层评测、5维AND门控,从此实现自进化

所以每一轮改动都是有据可查的,不是「感觉这里可以优化」,而是「Case 41 挂了,因为 agent 把离职问题路由到了邮箱分类,但正确答案在通讯录,所以我改 root_index.md 加个易混淆提示」。但让我最后决定把它记录下来的,不是这的个「吸收」过程,而是它真的在替我探索我不想费脑力触达的边界,这看起来更像是一个机器智能应该有的样子。不准跨层,每轮只改一层的东西。但我经过这 19 轮之后觉得,更准确的描述是互补——你在明处看着,AI 在暗处替你试错,你看不见的那一半就是 AI 能贡献的地方。

QcloudCommunity的博客 1125

只加两行代码,为什么要两天?一文深度理解业务系统的复杂性

关注腾讯云开发者,一手技术干货提前解锁👇业务系统复杂性一直是令开发者头痛的问题。复杂的不是增加一个需求需要耗费多少时间,而是在增加一个需求后带来的蝴蝶效应:其它功能会不会受到影响、要如何去找到这些影响,最终如何实现系统正常运行......功能之间隐秘增加的耦合、不可避免的代码腐化在导致业务复杂性增加。大家都在说的软件开发提效到底在提什么?程序员日常工作中应该如何提升开发效率?敏捷开发、瀑布流式开发孰是孰非?欢迎阅读。业务背景与目标我依然非常清晰地记得某个时候,我所在团队 Leader 曾讲过一段话:“我担

QcloudCommunity的博客 710

从零设计生产级 Multi-Agent Harness:架构、评估、记忆、成本与 MCP 工具接入全拆解

在 AI Agent 领域,Multi-Agent Harness 指的是把多个 Agent 的能力、工具、状态、通信、编排、监控统一收束在一个运行时之内的框架。第三,Agent 路由。一个输入框,一个大模型,几个工具,一段写得很漂亮的 System Prompt,再配上一个炫酷的前端,看起来就像一个能干活的“数字员工”。Multi-Agent 完全不一样——它有计划、有中间步骤、有工具调用、有 Agent 协作、有重试、有反思、有最终合成。增加 Budget、权限、重试、压缩、轨迹评估、审计、回归测试。

QcloudCommunity的博客 708

拆完Hermes源码,我发现Agent的“自我进化“根本不需要训练模型

两个月 5.2 万 Star,Hermes Agent 用一个"LLM 审判官"机制实现了 Agent 的自我进化——不改模型权重,只改"怎么用模型"的策略。OpenClaw(社区昵称"龙虾"🦞)是 2025-2026 年最火的开源 Agent 框架,30 万+ Star,插件市场 ClawHub 里有数千个插件,能接入 Telegram、WhatsApp、Slack、飞书、企业微信——几乎是一个"个人 AI 操作系统"。Skill 是英语写的,Memory 是英语写的,审查 Prompt 也是英语写的。

QcloudCommunity的博客 906

AI Infra 其实没有多少新东西

传统 Infra 追求横向扩展,而 AI Infra 呈现 “AI 大型机”特性,是因为传统后台服务的可以容忍毫秒级延迟,但 AI 集群不行,GPU 的算力是 CPU 的数百倍,微秒级的延时等待也会造成很大的算力损耗,需要硬件的高度集成。在可预见的1-3年的未来,这样的专用硬件+网络的集中式架构很难发生比较大的改变。与之相似,模型推理的批处理就是将多个输入样本打包(batch),将原本串行的 N 次轻量的推理计算,合并为 1 次重量的计算,实现单位时间内处理更多的请求,提高了 GPU 利用率。

QcloudCommunity的博客 821

程序员越早想通这些越好

永远没有正确架构,你永远无法偿还完所有的技术债务,如同你永远不会设计出完美的界面,请避开完美主义的陷阱,永远没有完美的代码,能够满足当前需求,又为未来不管是自己还是他人留有扩展空间,就很好了。我们努力的方向就是将现实世界映射到有限的数据结构中,这就需要用户自定义类型,如果你的代码中包含类似 trader portfolio 这样的概念,你就可以使用他们的名称来建模,而不是使用基本数据类型复杂嵌套表述你的目的。从另一个角度看,代码里的注释都是补丁,是碎片化的,局部的注释很难推导模块整体的顺序及耦合关系。

QcloudCommunity的博客 464

RAG已死?不,是Grep回归了!

这样一来可以直接复用已有的计算缓存,只为新增的增量部分付全价,前面累积的大头按约 1/10 的缓存价计费。所以实际的工具组合方式是灵活的:Grep(默认模式)→ Read 是最常见的路径,但 Grep(content 模式)可以独立使用,LLM 也可以直接调 Read(如果已经知道文件路径),或者一次同时发起多个 Grep 并行搜索。它从零开始构建自己的对话历史,不继承主对话的消息,这意味着它搜索过程中产生的大量 grep 结果、代码片段都留在自己的 context 里,主对话只收到一段总结性的文本结论。

QcloudCommunity的博客 574

深入浅出Harness Engineerring之核心模式与理念

在智能体生命周期的关键节点(如会话开始、工具调用后)自动触发预设动作(如代码格式化),由系统确保关键流程被执行,不依赖可能被模型遗忘的指令。简单讲就是利用向量存储这个技术,来实现模糊检索,原理是:即使字面不同,但语义相近的文本,其向量在数学空间中的位置也很接近。根据命令类型、参数和影响,自动评估其风险等级(安全、有风险、危险),并采取自动执行、请求确认或直接拦截等不同策略。关键特性是可隔离、可重建、可扩展。不是一次判断就定终身,允许你改变、允许情况复杂,通过不断观察、思考、调整,越来越懂真实的你。

QcloudCommunity的博客 621

Harness Engineering实践心得:如何高效驾驭AI?

但如果这些经验被拆成一条条 Rule、一个个 Skill、一项项 Script 检查——"XAML 不能有中文"、"编译要用这个路径的 MSBuild"、"SVN 命令必须带认证参数"——AI 就能在秒级时间里"吸收"十年的踩坑经验。然后可以看到下方的图,我的PM会很顺利的调度其他agent分别负责不同的事项,遇到问题的时候也能准确的找到合适的agent。MCP 本质上是在扩展 AI 的"感知范围"——Rule 管"该怎么做",Skill 管"怎么操作",MCP 管"能看到什么、能碰到什么"。

QcloudCommunity的博客 838

从第一性原理思考 Agentic Engineering

需要注意的是,这一结论是有条件的:如果 AI 缺乏领域知识,过早介入反而可能引入 1.2 节所述的"似是而非"损耗——因此上下文供给(实践 1)是 AI 全链条参与的前提,而非结果。通过一个专门的自迭代 Skill 实现——当 AI 在协作过程中识别到自己被纠正(用户否定了 AI 的输出并给出了正确方向),它自动评估这个错误的根因,搜索现有的 Rules 和 Skills 中是否已有针对该类问题的处理规则。事实上,越是复杂的项目,工程师的认知负担越重(公理 3),AI 分担认知负担的潜在边际价值也越大。

QcloudCommunity的博客 756

万字干货!Harness Engineering如何工程化落地?

关注腾讯云开发者,一手技术干货提前解锁👇Harness Engineering 的概念已经火了有一阵了,全网很多文章基本都是在讲理念,讲为什么今天做 AI 开发,不能只靠一段提示词,也不能把模型当一个“更聪明的代码补全”。但与此同时,一个问题也在持续地发酵:这个问题特别重要。因为 Harness 这个词听上去很大,很像一个抽象的方法论,但它如果不能落到工程、目录、文档、脚本、工作流里,那它最后就只是一句漂亮的话。事实上,不同项目落地出来的 Harness,表面上可能完全不一样。有的项目是 CI 很强,有的

QcloudCommunity的博客 1161

全方位对比:Hermes VS OpenClaw

多账号矩阵运营 如果你的业务涉及同时管理多个社交媒体账号、多个平台的内容分发、多渠道的客户互动——OpenClaw是目前市场上的"无可替代的底座"。一个有专业背景的个人,现在可以快速构建一个垂直领域的AI助手:比如"财务分析Hermes"、"法律咨询Hermes"、"技术架构Hermes",直接通过微信提供服务,积累自己的专业IP。跨平台生态融合 如果你的工作流涉及飞书、Slack、Discord等多个平台的深度集成,需要这些平台之间的数据流转和联动——OpenClaw的生态支持是强大的。

QcloudCommunity的博客 1217

一文讲透:Harness Engineering即控制论!

而研发模式的升级我认为将会是一个飞跃的过程,之所以现在我们仍然需要需要参与编码,一个非常大的原因就是缺乏传感器和基建,仍然需要人来串流程,比如需要人来验证UI是否正确、需要人来告诉AI代码不符合代码规范,因此在有些场景我们仍然感觉 AI 完成的很吃力,但这不是 AI 能力不行,而是我们并没有为 AI 提供友好的环境……控制论中的突变理论介绍了矫枉过正和飞跃现象之间的矛盾,如果质变中经历的中间过渡态是不稳定的,那么他就是一个飞跃的过程,如果中间过渡态是稳定的,那么他就是一个渐变的过程。但是这些阶段要解决的。

QcloudCommunity的博客 1202

神级开源插件!一句话让QClaw变3D小镇,Agent工作可视化,赛博云监工

这个架构是翻了几次车才想通的—原有AI的实现机制是用 setTimeout 猜动画时长导致了幽灵 NPC、工位撞车、越改越崩,后面我停下来换了思路,推翻原有的架构,按照“意图+回传”的架构进行重构,之前的问题一次性全部解决。15 天,我和 AI 吵了 185 次架, 4.5 万行代码,开发了一款 QClaw / OpenClaw 的UGC游戏插件,这可能是人类跟 Agents 交互的新范式,插件已完全开源,有需要的欢迎自取~我天天用,用着用着我就在思考,Agent 产品现在的交互体验,基本都一个样。

QcloudCommunity的博客 1195

一文搞懂Hermes:新顶流Agent如何从经验中自我进化

Voyager 是一个能在 Minecraft 中自主探索、学习技能、无限积累能力的 AI Agent,它提出了 "Skill Library"(技能库)的概念——Agent 将成功的行为序列编码为可复用的技能函数,存储在一个持续增长的代码库中。如果 Skill 的名称和描述不够精准,或者用户的任务描述与 Skill 的触发条件有语义差距,Agent 可能会错过相关的 Skill。如果进程在写入过程中崩溃,目标文件要么是旧内容(还没被替换),要么是新内容(替换已完成),绝不会出现写了一半的损坏文件。

QcloudCommunity的博客 2631

自掏腰包一万元,拥抱AI这一年,我的工具、实践和思考

其实也很好理解,过往的每个领域(比如前端、后端、设计、测试等等)都主要是这个领域的从业者在为它添砖加瓦,但是大模型时代的 AI 应用领域却几乎是所有使用 AI 的人类一起在迭代,无分领域,无分文理,无分老少。因为每个时期的 AI 都有着不同的特点,很多时候当我费尽心思去钻研,自以为有点弄明白 AI 应该怎么玩的时候,基座模型和行业范式常常就会迎来颠覆式的变革,很多过往的经验都会倾覆,然后只能从头再来。过去一年多,被热议的 AI 范式大概是沿着四个阶段递进演化,每一个阶段其实都在解决前一个阶段的核心问题。

QcloudCommunity的博客 626

办公Agent的CI/CD时刻到来了

核心观点是:企业给员工配了一堆 AI 工具,试点跑了几百个,但真正拖慢 AI 转型速度的瓶颈不在模型能力,在"最后一公里":AI 输出和实际工作流之间的那道鸿沟。代码写完,打个 tar 包,开 FTP 传到服务器上,SSH 进去解压,改配置文件,重启服务,刷一下页面祈祷别 500。你复制,切窗口,粘贴到腾讯文档里,发现 Markdown 格式全乱了,手动调标题层级,代码块重新标记语言类型,表格散架了重排一遍。模型是越来越聪明了,但"生成"到"落地"之间那段路,还是你自己在走,一步一步,手动搬运。

QcloudCommunity的博客 607

4亿token买来5个教训:让6个AI Agent连写4天代码发生了什么?

Watchdog 检测到崩溃 → 启动诊断 Agent 分析原因 → 诊断 Agent 跑满 20 轮没搞定 → Watchdog 判定“已修复”,重启系统 → 重启的系统因为诊断 Agent 留下的环境变量被继承,连续 3 次拒绝启动 → 触发连续失败保护退出 → Watchdog 第 3 次巡检,发现进程和记录文件都没了,尝试手动重启,自己也停了。启动前我翻了论文、做了架构设计、写了监控+修复异常的脚本。这个发现让我的情绪从沮丧变成了兴奋——不是那种"终于修好了"的释然,是"我找到根因了"的快感。

QcloudCommunity的博客 584

赛博斗蛐蛐:9大模型决战三国志,天命在谁?

我猜是这样的,当Gemini面临决策的时候,一系列关键词比如 守城,劣势,粮草,三国等等,在语义层面的关联性中LLM发现了竖壁清野这个关键词概率非常高,所以以此为策略,然后再根据这个策略完美执行操作。MiMo 的外交是三方中最精明的。Kimi作为国产模型,也同样颠覆了我对他的看法,最后的比赛他甚至一度是优势者,存在很多夺冠的可能性,要知道他的对手可是claude和gemini,而他经常出兵慢,回过头来想想或许正是他的策略,毕竟中后期他的优势都来自于稳健的发展和较少的战斗频率(和claude比).

QcloudCommunity的博客 873

Claude Code是怎么知道你在骂他的?这 12 条发现值得关注

确实存在——5,500+ 行,集成了消息队列、工具装配、MCP 编排、会话状态、权限、分析、文件持久化和优雅关闭,基本上一个文件干了所有事。对抗虚假声明——"不要在输出显示失败时声称所有测试通过,不要压缩或简化失败的检查来制造绿色结果"。完整的 KAIROS 是一个持续驻留的守护进程,能感知你在不在电脑前、主动寻找有用的工作做,更像是住在终端里的全职同事。源码里藏着一个叫 "Buddy" 的电子宠物系统,完整度令人惊讶——这不是一个 TODO,而是一个从数值系统到 ASCII 动画都实现了的完整功能。

QcloudCommunity的博客 701

逆向深扒Claude Code源码,我发现了什么!?

Anthropic 内部用户获得更严格的质量控制 prompt、更好的验证机制(独立 Verification Agent)、以及针对 model 弱点的专门对策(如 Capybara v8 的 29-30% 错误声明率对策)。这不是代码混乱的标志——它是整个 Agent Loop 的心脏,所有的流式处理、工具调度、上下文压缩、子代理管理都在这个文件中协调。这种"胖核心"设计是刻意的:保持核心循环的原子性,避免分散到多个模块导致的协调复杂度。核心价值:Fork 代理的工具输出不会回到主代理的上下文窗口。

QcloudCommunity的博客 889

一文讲透如何构建Harness——六大组件全解析

本文将从"裸模型的四个硬伤"出发,逐一拆解 Harness 的六大组件——文件系统、Bash + 沙箱、记忆(AGENTS.md)、Web Search + MCP、上下文工程、编排 + Hooks——带你看清 AI Agent 真正的竞争壁垒,不在模型层,而在 Harness 层。如果你用过 Agent 做复杂任务,你一定有过这样的体验:一开始 Agent 的表现很好,但随着对话变长,它开始"变笨"——遗忘之前的约定,重复之前犯过的错误,甚至对同一个问题给出前后矛盾的回答。对于简单的问答场景,这无所谓。

QcloudCommunity的博客 760

Harness Engineering 来了,SDD 还有意义吗?

他们的解法是把「品味」编码进规则,然后用一个定期运行的「doc-gardening」Agent 自动扫描漂移、发起修复 PR——「技术债务就像一笔高息贷款,不断地以小额贷款的方式偿还,总比让债务不断累积要好」。代码仓库本地的、已版本化的工件,才是 Agent 所能看到的全部。在 Vibe Coding 模式下(即不做规划、随意向 AI 提需求的开发方式),大量设计决策、跨服务约定、「为什么不选另一个方案」的讨论,全部停留在一次性的 AI 对话里——下一个人,或者下一次 AI 会话,完全无从获取。

QcloudCommunity的博客 418

零废话!一文讲透从0构建AI Agent

每个工具都要写一套"定义→解析→执行"的胶水代码。上下文管理就是在"记住足够多"和"别超标"之间找平衡,常见策略包括滑动窗口、摘要压缩、RAG 检索增强。上下文窗口是 Agent 的"工作记忆",但它有硬性限制。LLM 负责"动脑"决策,代码负责"动手"执行。这是从"聊天机器人"进化到"Agent"的关键一步。每次调 API 都把完整对话历史发过去,LLM 本身是无状态的,"记忆"完全靠客户端的数组模拟。这样 Agent 一开始就知道自己"在哪里"、"手头有什么",不需要先花一轮工具调用去探索环境。

QcloudCommunity的博客 711

距离AI把小编我裁掉还有72小时

这是一个基于 OpenClaw 开源生态打造的本地化 AI Agent 助手,已于上周开启全量公测,无需复杂配置,三步即可上手,自带安全防护,支持微信直连绑定,内置多款优质国产大模型,现阶段也是完全免费使用,基本上前面提到过的痛点都可以靠它解决。对了,这里特别强调一点,上面的截图让产品同事汗流浃背,再三找我确认 QClaw 思考过程中优美的“草”字说法,不会是默认出现的吧?AI 好,AI 得学,但更重要的是,在你的工作和生活里,哪些东西是能结构化地被 AI 所接入的,不要死守着那些脏活累活不放。

QcloudCommunity的博客 673
上一篇: 打造更安全的视频加密,云点播版权保护实践
下一篇: 看完这篇,轻松get限流!
腾讯云开发者
腾讯云开发者 企业官方账号 企业官方账号
博客等级 码龄10年 6291粉丝 1962原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值