ZVpi5w7Lz的博客

原创 在树莓派Raspbian下安装支持Hard Float的.NET环境

一定选arm32架构的包，别用armel。

原创 EntityFramework与TransactionScope事务和并发控制

在并发控制方面，EF 的乐观并发（RowVersion）是最常用的方案，而结合 SQL 条件更新可以实现更细粒度的控制。#### 3.1 使用。—### 4. 事务与并发的最佳实践| 场景 | 推荐方案 | 说明 ||------|----------|------|| 单个 DbContext 的简单操作 || 注意分布式事务性能开销 || 高并发环境 | 乐观并发（RowVersion） | 减少锁冲突，提高吞吐量 || 金融类关键操作 | 悲观并发（锁行） | 确保绝对安全，但会阻塞其他事务 |

原创 Codex 接入 Notion：把 AI 结果写回知识库

此外，Notion 单次 API 请求的 body 大小有限制（约 4KB），因此需要将内容分块写入多个子页面或附加到同一页面的子块中。下面演示如何将内容按字符数拆分，并创建多个子块。

原创 .NET 与鸿蒙的“技术巧遇”

这种“巧遇”并非偶然——在 IoT、边缘计算与多设备协同的场景下，.NET 的高效开发能力与鸿蒙的分布式能力，正在通过 FFI（外部函数接口）、C#/ArkTS 混合编程等方式，找到彼此的交汇点。### 总结.NET 与鸿蒙的“技术巧遇”，本质上是现代软件工程中“异构集成”的缩影——没有哪个框架是万能孤岛，只有通过标准化边界（如 C ABI、NAPI）与清晰的互操作设计，才能让不同语言各司其职。对于开发者而言，这意味着：你可以保留 C# 的优雅与生产力，同时拥抱鸿蒙的分布式未来。时，保留指定的导出符号。

原创 别再瞎搞 AI 了！大厂AI业务落地的五个关键环节！（建议新手直接照搬）

在AI热潮中，无数团队盲目堆砌模型、疯狂调参，却始终无法落地。我参与过数个千万级AI项目，踩过无数坑，今天从实战角度拆解大厂AI业务落地的五个核心环节，附带可运行代码示例，让你少走三年弯路。很多团队用AI做“预测用户流失”，但连“流失”定义都没统一。别急着写代码，先确认业务问题是否可被AI解决，且数据足以支撑。：先问“这个业务问题是否适合AI”，用数据扫描工具验证。：上线不是终点，监控预测分布漂移，设置自动回滚。：从逻辑回归等简单模型开始，快速验证可行性。：设计A/B测试，让业务反馈持续优化模型。

原创 AI运动APP开发的常见问题集锦一

表示新数据占20%权重，有效抑制高频抖动- 针对不同身体部位（肩、髋）分别维护平滑器，避免全局平滑带来的延迟- 在实时视频流中每帧调用，保证30fps的流畅体验—## 三、问题二：如何设计动作计数算法（以深蹲为例）？同时注意：MediaPipe在移动端的性能优化（如使用GPU delegate）、动作阈值个性化校准（通过用户注册时的动作测试）等进阶话题，将在后续文章继续探讨。：滑动窗口统计与卡尔曼滤波组合，确保运动数据的鲁棒性实际开发中，建议将这些模块封装为独立的服务组件，根据设备性能调整参数（如。

原创 OpenClaw.NET 上线 MetaSkills ：软件工程第一性原理的工业级实践

原创 短短三天，英伟达和微软同时宣告：真正的AI电脑来了！

# 背景：AI电脑的三大核心特征传统电脑依赖CPU和GPU处理通用计算，而AI电脑则通过专用神经网络处理器（NPU）实现本地AI推理。，在本地硬件上实时运行大模型。下面，我们通过两个可运行的代码示例，演示如何在AI电脑上利用NPU进行本地推理。## 实战示例1：使用英伟达TensorRT-LLM在本地部署LLM英伟达的TensorRT-LLM库专门优化了GPU上的LLM推理。## 实战示例3：混合推理系统（本地+云端）在AI电脑上，我们可以实现“低延迟优先”的混合架构：先尝试本地推理，失败时回退到云端。

原创 【Agent Harness】 给 ComfyUI 装上一个 Rust 大脑：media_agent 架构深度揭秘

如果处理的是视频帧流，我们可以改为创建长生命周期的 agent，通过通道持续发送帧。如果你玩过 ComfyUI（一个基于节点的 AI 图像生成工具），你一定知道它的工作流可以被看作是一个有向无环图（DAG）：每个节点执行一个计算任务，数据沿着边流动。ComfyUI 本身是 Python 写的，但 Python 的 Global Interpreter Lock (GIL) 和动态类型带来的性能瓶颈，在高吞吐媒体处理（如实时视频帧、批量图像滤镜）时暴露无遗。Rust 的优势在于：-暴露给 Python。

原创 C# GeneratedRegex：面向对象语言的“底层性能突围

静态化声明。

原创 nw.js桌面软件开发系列 第0.1节 HTML5和桌面软件开发的碰撞

这个文件管理器虽然简单，但已经展现了nw.js的强大能力：完整的文件系统操作、路径处理、文件读写，而且所有界面都是用HTML5技术构建的。在桌面软件开发领域，nw.js不是唯一的选项。## 碰撞的火花：Web技术 + 系统能力上面的例子展示了nw.js最核心的能力：在HTML页面中直接调用Node.js的API。：通过npm安装各种Node.js模块## 更复杂的例子：一个简单的文件管理器让我们用nw.js做一个更实用的应用——一个简单的文件管理器：### file-manager.html。

原创 架构之路（六）：把框架拉出来

渐进式抽象。

原创 分布式事务 | 使用DTM 的Saga 模式

今天，我们来聊聊其中一种经典模式——Saga模式，并通过DTM（分布式事务管理器）这个工具，让你轻松上手。DTM简化了Saga的开发复杂度，你只需要定义正向和补偿操作，剩下的重试、持久化、状态管理都交给了DTM。在实际项目中，Saga模式非常适合长事务场景，比如电商下单、银行转账等，它通过补偿机制避免了传统两阶段提交（2PC）的锁定资源问题，牺牲了强一致性换取了更高的可用性。：补偿操作可能被多次调用（比如网络重试），所以你的补偿逻辑必须保证幂等（例如，扣款补偿中，：如上所述，这是Saga模式的基本要求。

原创 我已经受够了“系统异常”！

打开一个App，点击某个按钮，屏幕上突然弹出一个“系统异常，请稍后重试”的提示。今天，我们就来聊聊如何用优雅的方式处理异常，让用户不再受“系统异常”的折磨。从技术角度看，“系统异常”通常意味着代码中捕获了异常，但处理得过于粗糙——直接打印一个通用消息，或者干脆没捕获异常，让程序崩溃。一个好的异常处理机制，就像给程序穿上了防弹衣：它保护用户不看到崩溃的细节，同时给开发者留下足够的线索去修复问题。记住：异常是程序的一部分，不是开发的敌人，而是你的朋友——只要学会和它好好相处。：用日志记录异常堆栈，方便调试3.

原创 MacOS 安装Seismic Unix

本文将循序渐进地介绍如何在 MacOS 系统上安装 Seismic Unix，从基础概念到高级配置，包含完整的代码示例。- MacOS 基于 Unix，天然兼容 SU 的命令行环境 - 便于在本地进行地震数据处理实验 - 避免使用虚拟机或远程服务器的麻烦## 2. 准备工作：安装依赖工具在安装 SU 之前，需要确保 MacOS 上已安装以下工具：### 2.1 安装 Xcode Command Line Tools这是 MacOS 上编译 C 代码的基础环境。否则会弹出安装窗口，按指引完成即可。

原创 .NET 8 Web开发入门（七）：安全门禁——JWT 身份验证与授权实战

## 总结本文深入剖析了JWT身份验证与授权的核心原理，并通过完整的.NET 8代码示例展示了如何实现：- JWT令牌的生成与验证机制- 基于角色的访问控制（RBAC）- 自定义授权策略（基于声明）- 中间件配置与安全最佳实践JWT为现代Web API提供了一种高效、可扩展的安全解决方案。：通过Header中指定的算法，对Header和Payload进行签名，确保令牌未被篡改JWT的无状态特性意味着服务器无需存储会话信息，只需验证签名即可确认用户身份。### 基于角色的授权实战在上述代码中，我们通过。

原创 数据库关联表查询出重复数据的原因分析与解决

作为一名经常与数据库打交道的开发者，你一定遇到过这样的情况：明明数据表里只有几条记录，但通过关联查询（JOIN）后，结果集却莫名其妙地多出了重复行。## 为什么会重复？## 常见原因二：一对多关系被多次展开当一张表通过多级关联与另一张表连接时，如果中间表存在多条记录，就会导致最终结果重复。例如，关联一张配置表时，如果配置表里有重复的键值，就会产生重复。但有时候，重复数据会超出预期，比如关联了错误的字段，或者使用了不合适的关联条件。：先只查一张主表，确认主表数据无重复，然后逐步添加关联表，观察重复何时出现。

原创 Bun 使用 Claude Code 以 Rust 重写：工程可控性科学客观分析及必然面临的实际问题

原创 为什么没人做三层选项？

也就是说，第三层选项可能是个伪需求，用户并没有那么多选项放在第三层，还是以上面的鞋子为例，除了颜色，尺码外，非要再添一个层级，那只能是性别了，也就是男鞋和女鞋。现在我们的商品总数是11 * 11 * 11，也就是1331个商品，假如第三层是性别，现在为了知道限量版574白粉，40，男性这个商品可不可以卖，我需要遍历1331个商品，如果遍历121个商品需要20ms，还比较流畅，那遍历1331个商品就需要220ms，这明显可以感觉到卡顿了，在某些硬件较差的设备上，这种卡顿会更严重，变得不可接受了。

原创 Kubernetes：企业基础设施的标准抽象

事实上，对于越来越多的平台构建者来说，随着云原生技术的日趋落地，“PaaS”本身的“解释权”不再属于某一家提供商，而更多取决于平台构建者的业务场景和其终端用户的实际需求。不过，轻量级 App Service 本质上还是 Heroku 体验在 Kubernetes 底座上的复刻，它们在提供出色的开发者使用体验的同时，也继承了经典 PaaS 的“封闭”与“不可扩展”，这在很多大型企业基于云原生技术栈 “DIY” 属于自己的“PaaS”的诉求下，依然会显得力不从心。毕竟用户是不会花钱去购买安卓的。

原创 从“智能工厂“到“AI原生工厂“：一次架构层面的跃迁

人类工程师的角色从"设计者"变为"评审者"——他们不再问"这个设计行不行"，而是问"Agent的评估逻辑是否覆盖了所有风险维度"。人类管理者的"拍板会"，变成了对Agent决策逻辑的"置信度审计"。DFM Agent不再只是检查规则违反，它会基于企业历史上千个量产项目的工艺数据，预测"这个设计在SMT贴片工位出现虚焊的概率是12%，建议增加0.2mm的焊盘尺寸"。人类管理者看到的不是"上周的报表"，而是"下一小时的预测"。试产不再是"磨合期"，而是"数字员工的试用期"——通过试用，它们获得独立上岗的资质。

原创 为什么需要 Agent Teams？

本来要加个登录功能，写着写着顺便"优化"了数据库连接池优化完发现原来的认证逻辑被改坏了改回来，又改坏了另一个模块最后回头一看——登录功能还没做完这就是目标漂移和质量失控。Agent Teams 的思路很简单：把一个 AI 拆成多个角色，每个角色有明确的职责边界。Planner 产品经理 → Builder 开发 → Reviewer QAPlanner（产品经理）：分析需求，锁定目标，生成实施 spec。目标写入持久文件，后续所有阶段都读这个文件。

原创 分钟买不了吃亏系列： nginx动态域名解析

nginx.conf.template 三下五除二：server {listen 80;运行几个星期后，出现持续的504超时。image直连后端域名， 没有问题；请求日志中的后端服务器ip， 报超时错误。再次针对该域名做DNS解析： dig @114.114.114.114 asset.zlhub.cn;;;;;;;;;;;;;udp: 512;;;;;;;;;;;;;

原创 这篇文章能帮你解决

搞清楚 XHR、Ajax、jQuery 封装、Fetch、Axios 的本质关系，看懂它们是个啥，以及各自的适用场景，最后能在心里有一份可以直接在项目里参考的选型指南。根据以往的血泪经验，正确的做法还是要先检查 res.ok，不 ok 立刻手动抛出一个错误，不然等线上用户截图过来，你 debug 都找不到北。但很不爽的是，它那个“只拒网络错，不拒 HTTP 错”的臭脾气，让我实实在在地翻过几次车，怎么改都拿不到数据。但要是你一口气要办五件事，回调地狱能直接给你安排得“明明白白”（看清楚了，是加引号的）。

原创 基础语法结构

service:执行逻辑：两个 copy 任务只要任意一个文件发生修改（changed）；所有 tasks 跑完后，仅执行一次 restart nginx。回到顶部handler示例：多个task同时触发handler会发生什么？

原创 逐项过下来,踩的坑其实是同一类

我当时跟他们说了句话,他们记下来了:攻击的从来不是你的校验逻辑,是那个能被劫持的校验函数。另一个是没做包体大小检测,有种很阴的绕过是往破解包里嵌一份完整正版 APK,启动时 Hook 掉签名获取去读那份正版包,校验就过了,特征就是包体明显偏大,登录时上报一下就能标记出来。绕了一圈,我给他们的核心结论其实就一句:跟奖励沾边的判定,一律以服务端为准。但我也跟他们说清楚了边界:这套的前提是签名密钥不泄露,可密钥就躺在客户端里,secretKey 下沉 native 也只是拖时间,SO 被逆出来算法密钥就都有了。