<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gopythonc的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gopythonc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gopythonc]]></copyright><item><title><![CDATA[四个文件入门 Harness Engineering]]></title><link>https://blog.youkuaiyun.com/gopythonc/article/details/161284081</link><guid>https://blog.youkuaiyun.com/gopythonc/article/details/161284081</guid><author>gopythonc</author><pubDate>Thu, 21 May 2026 13:58:40 +0800</pubDate><description><![CDATA[本文介绍了AI编程工具发展的三个阶段：Prompt Engineering（指令优化）、Context Engineering（上下文管理）和Harness Engineering（系统设计），以及如何用四个md文件入门Harness Engineering。]]></description><category></category></item><item><title><![CDATA[封装 Redis + Lua 实现多维度分布式限流]]></title><link>https://blog.youkuaiyun.com/gopythonc/article/details/160449603</link><guid>https://blog.youkuaiyun.com/gopythonc/article/details/160449603</guid><author>gopythonc</author><pubDate>Thu, 23 Apr 2026 20:41:28 +0800</pubDate><description><![CDATA[本文围绕高并发场景下的分布式限流展开，介绍了基于 Redisson、自定义 Lua 脚本、AOP 及自定义注解的限流解决方案。该方案通过 @RateLimiter 注解实现声明式使用，AOP 切面拦截目标方法，核心依赖 Lua 脚本原子性执行滑动窗口算法，完成过期令牌回收、配额检查与扣减，确保限流精准。方案支持多维度限流、兼容 Redis Cluster，可灵活配置时间窗口和请求限额，对比 Redisson RRateLimiter 更具定制性。整体实现业务与限流逻辑解耦，性能高效、部署便捷，能有效保障分布]]></description><category></category></item><item><title><![CDATA[RocketMQ实战：异步处理长耗时API调用]]></title><link>https://blog.youkuaiyun.com/gopythonc/article/details/160381798</link><guid>https://blog.youkuaiyun.com/gopythonc/article/details/160381798</guid><author>gopythonc</author><pubDate>Tue, 21 Apr 2026 21:23:14 +0800</pubDate><description><![CDATA[本文围绕 AI 音视频处理项目，对比同步处理与 RocketMQ 异步架构差异，分析长耗时 AI 任务（FFmpeg 音频提取、ASR 转写、AI 总结、知识库向量化）直接同步执行存在 HTTP 超时、资源耗尽、级联失败等问题。介绍基于 RocketMQ 实现上传即返回、后台异步处理的生产级方案，包含分布式锁、顺序消费、失败重试、消息积压监控、状态流转等核心设计，阐述异步解耦、削峰填谷、可靠重试、独立扩展四大价值，并对比多种异步方案优劣。说明 RocketMQ 是 AI 音视频项目从 Demo 升级为生产可]]></description><category></category></item><item><title><![CDATA[Apache Tika去噪音实战：解析适配AI大模型的文档文本]]></title><link>https://blog.youkuaiyun.com/gopythonc/article/details/159531135</link><guid>https://blog.youkuaiyun.com/gopythonc/article/details/159531135</guid><author>gopythonc</author><pubDate>Fri, 27 Mar 2026 11:33:00 +0800</pubDate><description><![CDATA[在 LLM 应用开发中，数据质量是决定 AI 能力上限与系统稳定性的核心因素。如果要用Ai进行文档分析，第一步就是从各类格式文档中提取纯净、有效的内容。Apache Tika 作为 Apache 基金会旗下的成熟开源项目，凭借其统一接口、跨格式支持、强大生态三大优势，成为多格式文档解析的首选方案。本文将从技术选型对比、核心架构设计、生产级优化实践三个维度，拆解一套可直接落地的多格式文档提取方案。：采用显式 Parser + Context 模式，禁用嵌入资源提取。]]></description><category></category></item><item><title><![CDATA[【Windows系统】Docker Desktop配置镜像加速]]></title><link>https://blog.youkuaiyun.com/gopythonc/article/details/159246844</link><guid>https://blog.youkuaiyun.com/gopythonc/article/details/159246844</guid><author>gopythonc</author><pubDate>Thu, 19 Mar 2026 16:14:45 +0800</pubDate><description><![CDATA[作为Windows系统下的开发者/运维人员，相信很多人都遇到过Docker Desktop拉取镜像缓慢、卡顿甚至直接失败的问题——默认连接Docker Hub官方源，受网络环境影响极大，严重拖慢开发部署效率。本文整理出最简洁、最实用的镜像加速配置方案，全程无需特殊网络工具（无需科技），新手也能1分钟上手，配置完成后镜像拉取速度直接拉满，彻底告别网络报错！本教程的核心价值的是“简单、高效、无需科技”，针对Windows用户Docker镜像拉取慢的痛点，提供了一步到位的解决方案。]]></description><category></category></item></channel></rss>