cz2T48M87的博客

原创 ASP.NET页面优化，性能提升８倍的方法

CSS/JS/图片的加载延迟一个典型的 ASP.NET 页面请求流程包括：路由匹配 → 控制器实例化 → 模型绑定 → 执行 Action → 视图渲染 → 响应输出。### 1. 基础篇：理解性能瓶颈首先，我们要明白 ASP.NET 页面性能瓶颈通常出现在三个层面：-### 4. 高级优化：输出缓存与响应缓存ASP.NET Core 7+ 提供了更强大的输出缓存中间件。：实时性能计数器### 9. 总结通过以上优化，通常可以将 ASP.NET 页面性能提升 5-8 倍。：频繁的数据库往返和低效查询-

原创 WCF Web API 说再见，继承者ASP.NET Web API

在 .NET 生态的演进史中，WCF（Windows Communication Foundation）曾是分布式通信的"老大哥"，而 WCF Web API（即 WCF 中的 HTTP/REST 支持）则试图让 WCF 拥抱 Web 风格。，作为 WCF Web API 的"继任者"，它轻量、灵活，完全拥抱 HTTP 的 REST 理念。举个例子，用 WCF Web API 写一个返回 JSON 的接口，你需要：- 定义服务接口和实现类- 在。配置（如绑定、行为）全部删除，Web API 只需在。

原创 Async和Await异步编程的原理

async状态机。

原创 关于bug分析与异常处理的一些思考

是具体的业务异常，调用方可以根据不同的异常类型做出不同的响应。优秀的异常处理是代码质量的试金石，它反映了你对业务逻辑的理解深度、对系统健壮性的追求、对代码可维护性的重视。从今天开始，试着改变你对异常的看法：不要把它们当作"麻烦"，而是把它们当作系统给你的反馈信号。记住，最好的异常处理是"看似没有处理，实则处处都在处理"——因为好的设计让异常几乎不会发生，而一旦发生，系统也能优雅地降级或恢复。### 从"崩溃"开始：异常的本质当程序运行出现异常时，本质上是在告诉你：“我遇到了无法继续执行的情况”。

原创 让 FastAPI Agent 思考不阻塞：手把手教你实现异步任务与后台处理方案

## 五、性能对比与选型建议| 方案 | 适用场景 | 并发能力 | 复杂度 ||------|----------|----------|--------|| 纯异步 + to_thread | 毫秒级同步阻塞，低并发 | 中（受线程池限制） | 低 || BackgroundTasks + 内存队列 | 秒级任务，单机部署 | 高（异步 I/O） | 中 || Celery 分布式 | 分钟级任务，需要可靠性与扩展性 | 极高（可水平扩展） | 高 |阻塞，请求只能串行执行，总耗时约 30 秒。

原创 transformer进阶之路：#4 attention从如何「工作」到「为何」如此高效

## 一、Attention的“工作”日常：一场三幕剧想象一下，你面前有一堆词（“猫”、“坐”、“垫子”），你想让模型理解“猫”和“垫子”的关系。Attention权重本身就是一张“关系表”，你能直观看到模型在关注什么（比如翻译时，源语言的“猫”和目标语言的“cat”权重很高）。比如“我昨天在公园看到的那只黑猫，它今天又来了”，模型里的“它”可以一步直接关联到“黑猫”，中间隔了十几个词也无所谓。结果就是，模型把“猫”的信息（黑色）和“垫子”的信息（软的）按比例混在一起，得到了一个融合了上下文的向量。

原创 完整学习LLM(四):Token是什么

作为连接人类语言和机器理解的桥梁，Token是LLM处理文本的最小单位，理解它对于掌握LLM的工作原理至关重要。比如，句子"Hello World"可能被拆分成[“Hello”, “World”]两个Token，或者[“Hel”, “lo”, “World”]三个Token，具体取决于分词算法。Token化的过程就是将原始文本转换成Token序列，这是LLM处理输入文本的第一步。：LLM有固定的上下文窗口（如GPT-3.5的4096个Token），Token化直接影响你能输入的文本长度。

原创 【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 --- (1)---基础

ClawSimEnv环境接口。

原创 从零构建车载语音对话系统：NLU → DST → Policy → NLG → TTS 全链路工程实践

pyttsx3NLU（自然语言理解）

原创 kestrel 的 ssl 行为分析

TLS 配置UseHttps。

原创 高光谱拼接算法（五）SIFT 的变体与发展

光谱角距离梯度域 SIFT。

原创 AI 研发共生架构：别再问 AI 会不会替代程序员啦！

这种模式下，程序员不再是“代码打字员”，而是“架构设计师”和“质量把关人”。—## 共生架构中的角色分工| 角色 | AI 负责 | 程序员负责 ||------|----------|------------||所以，别再问“AI 会不会替代我”，而是问：“我该如何与 AI 共生，让自己变得更强大？学会给 AI 写“好 prompt”（清晰、结构化、有上下文），就像带一个实习生——你教得越清楚，它干得越好。| 生成模板代码、工具函数、测试用例 | 定义需求、审查代码质量 ||： - AI 自动生成了。

原创 你为什么不分享

在编程的世界里，有一个常见却令人困惑的现象：很多开发者积累了宝贵的知识和经验，却选择不与他人分享。但今天，我想从技术的角度，用代码和逻辑来探讨这个问题，并展示分享的价值——从一个简单的例子开始，逐步深入到更复杂的场景。假设你写了一个简单的函数，用来计算两个数的和。## 总结：分享是一种投资回到标题“你为什么不分享”，通过以上代码示例，我们可以看到：分享不是展示完美，而是。所以，下次当你写了一段有趣的代码时，不妨打开博客、GitHub 或技术社区，勇敢地说：“这是我写的东西，它可能不完美，但希望能帮到你。

原创 .NET基础拾遗（5）多线程开发基础

Thread。

原创 十年技术进阶路，让我明白了三件要事（8000字长文）

深入原理pay深入理解原理。

原创 重新理解微服务之终究绕不过这4个坎？(观点探讨)

日志聚合：将分散在各节点的日志集中存储- 指标监控：实时监控CPU、内存、QPS等- 链路追踪：记录请求经过的每个服务及耗时## 总结微服务架构的四个核心挑战——网络不可靠、数据一致性、服务治理、可观测性——并非技术缺陷，而是分布式系统固有的复杂性。但在实际中，我们需要处理：- 部分失败：服务A更新成功，服务B更新失败- 补偿操作：失败后需要回滚已成功的操作- 数据冲突：并发操作导致数据不一致### 代码示例：Saga模式实现以下是一个基于Python的Saga模式示例，模拟订单创建时扣减库存和支付。

原创 里程碑式更新！Dash 4.2新版本新增websocket型回调

原创 告别 oh-my-openagent 版本地狱：一套纯 OpenCode 配置实现 Agent 软路由

动态加载器。

原创 折腾了两周ETL工具，说点实在的

踩的坑不少，收获也颇多。但实际项目中，数据源的多样性（SQL、NoSQL、API、文件）、数据量的波动、增量更新的复杂性，让工具选择变得困难。商业工具如Fivetran、Stitch虽然好用但贵，开源工具如NiFi、Airbyte配置复杂，而手写脚本又容易变成“面条代码”。## 实战二：用Airbyte做批量数据同步Airbyte是一个开源的数据集成平台，专为ELT（提取-加载-转换）设计。我最终选择Airbyte + 自定义脚本的组合，因为Airbyte提供UI和连接器，自定义脚本处理边缘情况。

原创 消息中间件进阶：RocketMQ 消息的消费（三）

你好，我是你们的技术博主。在前两篇文章中，我们聊了 RocketMQ 的消息生产和消息存储，今天终于轮到「消费」环节了。消息消费是消息中间件中最贴近业务的部分，也是最容易踩坑的地方。## 5. 总结今天我们覆盖了 RocketMQ 消息消费的核心知识点：- 集群消费和广播消费的区别：集群消费适合负载均衡，广播消费适合全局通知。自动提交意味着消息消费成功后会立即提交偏移量，但如果不提交，RocketMQ 会在下次拉取时重新消费。你可以在控制台查看死信消息，或者写一个专门的消费者来消费死信消息，进行人工处理。

原创 不要把异常当做业务逻辑，这性能可能你无法承受

用Try系列方法没毛病，但这写法让人吐槽，还要单独定义result变量，没撤，官方还得靠我们这些开发者给他们发扬光大😄😄😄，终于在C# 7.0 中新增了一个 out variables 语法糖。这种 out 变量 模式就🐮👃了，一个方法获取两个值，还没有抛异常的风险。二：为什么要用tryxxx方法有了tryxxx方法之后，你就应该明白微软已经在提醒我们开发人员不要滥用异常，尤其在可预知可预见的场景下，毕竟他们知道异常的开销真的是太大了，不知者不怪哈。肉眼看得见的低性能。

原创 解Bug之路-Nginx 502 Bad Gateway

同时将tcp_max_tw_bucket调小，tcp_max_tw_bucket是kernel中最多存在的TIME_WAIT数量，只要port范围 - tcp_max_tw_bucket大于一定的值，那么就始终有port端口可用，这样就可以避免再次到调大临界值得时候继续击穿临界点。在accesslog里面发现了大量的502报错，确实是Nginx的。那么，就先看看Gateway2的负载情况把，查了下监控，发现Gateway2在4核8G的机器上只用了一个核，完全看不出来有瓶颈的样子，难道是IO有问题？

原创 Vibe Coding 氛围编程新解

正因如此，业内开始推行一种新的 AI 开发模式，规范驱动开发（Spec Driven Development），该模式强制要求必须“先规划、再动手”，在编写任何代码之前，由人和 AI 共同生成一份结构化、可测试、可被 AI 理解和执行的规范文档，让它成为双方共同的“单一事实来源”，再据此驱动 AI 生成代码。卡帕西本人也说，它“不太算是真正意义上的编程”，而是看、说、跑、粘贴四个动作的循环（see / say / run / copy-paste），“大体上能跑就行”。（2）自然语言/语音为主的交互。

原创 最近我一直在改 kes-cli，目标不是再做一个传统命令行工具，而是把它做成一个终端聊天助手。原因也很简单，数据库排查这件事本来就不是一条命令能解决的。

如果按一条完整链路来看，这个终端工具本身就是 AI 客户端和数据库开发入口：先把模型和 KES MCP Server 配好，再确认数据库能连、工具能加载，然后用自然语言完成结构查询、只读查询、SQL 分析、运维诊断，最后把排查证据导出来。比如我输入“看下我都有哪些表”“查一下 orders 前 5 条”“这个 SQL 为什么慢”“帮我看看数据库健康吗”，它能自己判断我要做什么，再通过 KES MCP Server 去拿真实结果，最后把结果整理出来。数据库工具最怕的是看起来很智能，实际上很危险。

原创 SIFT 特征点检测

因此，在 Harris 诞生后的十几年里，计算机视觉领域一直在寻找一种更好的局部特征，于是，而 1999 年 Lowe 提出了 SIFT（Scale-Invariant Feature Transform）。当我们把图像放大，原来 7×7 窗口里的细节就变了：一个角点在原图里看是角点，放大后可能变成了平滑的边缘，或者变成了更复杂的纹理。实际上，这种思路确实存在，例如后来的 Harris-Laplace ，就是在多尺度下运行 Harris 检测器，但其更像是一种“遍历”，并没有较根本地解决尺度不变性问题。

原创 请求提供动态参数后，将会直接覆盖应用配置中的状态值。

当有工具调用时，在消息中的[“extra”][“step”]字段中，会显示“tool_calling_xx”，显示正在调用的工具是什么。“step_change”: “tool_call_start”, “step”: “tool_calling_search”,“step_info”: “开始调用联网检索工具”“step_change”: “tool_calling”, “step”: “tool_calling_search”,“step_info”: “正在调用联网检索工具”

原创 NET CORE 动态扩展Options-配置运行时热更新

原生 Options 没给我们这个开关，因为IOptions.Value 第一次访问就定死了，我们需要的不是重启程序，而是在一次请求里，根据当前租户从数据库拿到它对应的配置值，把已经缓存好的 Options 对象覆盖掉，然后让请求里所有的服务使用到的配置全部更新。其实他是依靠实例注入容器的生命周期来实现的，如果注入为单例，那么这个对象上的字段也会一直存在，如果是作用域那么没一次请求就会重新更新，如果你明白了，那恭喜你你对实例缓存和静态缓存有了更进一步的认识。注意是原对象修改，不是new一个新的对象。

原创 语义层要从业务概念出发

企业业务会变，组织会变，指标会变，口径也会变。企业 AI 要服务业务，就不能只懂表名、字段名，还要懂“销售额”“有效客户”“区域归属”“统计周期”这些业务语义。笔者理解，语义层的价值不只是“翻译自然语言”，更重要的是把企业长期积累但分散存在的业务知识编码下来。这一层面向 AI 使用，把可调用、可约束、可检查的语义能力整理出来，让 AI 在企业规则内工作。这一层把业务概念、指标口径、维度规则沉淀下来，让数据不只是字段，而是能被业务理解的对象。这一层对应真实的数据表、字段、库表关系，是企业数据的物理基础。