可涵不会debug-优快云博客

原创 PHP2Shell 爆发一周后：CVE-2026-109618/109619 自查、修复与防护实录

A. 影响全球 70% 网站的 PHP RCE：PHP2Shell 从成因到修复一次讲清（含实测） B. PHP 远程代码执行漏洞（CVE-2026-109618/109619）修复指南：附一键自查脚本10 月 21 日，PHP 官方发布 10 月安全更新，一次性修复了两个 CVSS v4.0 评分高达和。研究者们给这组漏洞起了个响亮的名字——（名字来自 Wiz Research 把两个漏洞组合成的同名利用脚本）。。哪怕你的站点只有一个。

2026-11-03 09:11:56 10489 18

原创小米摄像头接入飞牛NAS教程：Go2RTC+EasyNVR本地录像与远程回放

Go2RTC是一款功能强大的通用摄像头流媒体服务器，专为解决安防监控领域的视频协议兼容性与低延迟传输难题而设计。它能够作为一个高效的中转网关，将各类传统的监控视频流汇聚并转换为现代化的 Web 友好协议。多协议互通：原生支持 RTSP、RTMP、HTTP-FLV、WebRTC、MSE、HLS、MJPEG 等几乎所有主流流媒体协议，实现了不同设备与平台间的无缝对接。极致低延迟：通过 WebRTC 和 MSE 技术，它能将视频传输延迟降低至毫秒级，提供真正实时的监控体验。轻量级架构。

2026-11-02 12:18:56 10247 15

原创超级马里奥常驻极空间以后怎么打开？Docker运行游戏页面，手机电脑都能从浏览器进入

这篇完成的是一套很直接的网页游戏部署流程：先在极空间上通过Docker运行马里奥容器，再从浏览器打开对应页面，确认游戏可以正常进入。和在某一台电脑上安装模拟器不同，这种方式把游戏入口留在了长期在线的NAS里。以后换电脑、换设备时，不需要重新准备同一套程序，浏览器本身就是进入游戏的入口。后半段加入cpolar以后，变化的是访问范围。原本只能在局域网里打开的游戏页面，可以继续从手机、平板或其他网络环境访问；固定二级子域名则更适合长期保存这个入口。

2026-10-26 13:16:21 13074 24

原创启元 Q1 与具身大模型：机器人软件栈为何重新重视分层架构

具身大模型正在扩大机器人能理解的任务范围，却没有改变物理世界的基本约束：动作有惯性，控制有截止时间，碰撞不能撤回，安全机制必须在模型失效时仍然有效。GR00T N1 和 π0.5 已经在模型内部体现快慢系统或高低层推理；ROS 2 负责可配置通信与实时工程；新的腿式机器人测试标准则推动整机能力走向统一测量。未来的竞争不会是“大模型还是传统软件”二选一，而是谁能把二者接得更清楚：模型负责开放语义，Skill 负责过程，控制器负责确定执行，安全链负责最终边界。

2026-10-23 10:38:37 25033 3

原创从启元 Q1/T1 看机器人行业：下一道门槛不是更大模型，而是更短的数据闭环

具身智能正在经历一次视角转换：过去的中心是模型能否第一次完成任务，接下来的中心是系统能否从每一次失败中稳定获得有效数据。Open X-Embodiment 解决格式与跨本体，DROID扩大真实场景，π0.5验证异构数据协作，合成管线降低危险与长尾数据成本，LeRobot则把记录、训练、评测和纠正逐步接成工具链。在这条产业链上，启元不必把自己定义成另一个单纯的模型提供者。Q1、T1、PrimeConsole、开放接口和开发者社区更适合承担“真实本体—调试工具—Skill—反馈数据”之间的连接角色。

2026-10-22 23:24:01 24101 3

原创机器人开发生态进入“能力复用”阶段：启元如何连接本体、工具与 Skills

把机器人能力做成 Skill，容易让人联想到手机应用商店。但机器人应用还要面对空间、硬件差异、实时控制和人身安全，分发只是最后一步，前面必须有模型、仿真、调试、测试和版本治理。启元当前的生态定位，正处在个人机器人本体与专业开发工具之间：Q1/T1 提供可触达的硬件，ROS 2 SDK 和 URDF 提供工程接口，PrimeConsole 降低调试门槛，PrimeHub、AtomGit 与社区承担能力流通。

2026-10-22 22:56:07 17802 5

原创个人机器人先从哪些场景落地：从 Q1、T1 看启元的产品与生态路径

个人机器人的普及很难复制纯软件产品的爆发路径。它更可能依次跨过价格、场景、可靠性、服务和生态五道门槛。某个模型能力的突破可以加快进程，却不能替代制造、交付和安全。从 Q1、T1 的产品组合看，启元选择先把机器人变得更小、更容易接触，并把开发能力放进探索版和 Pro，再用工具与社区扩展内容。这一路线是否成功，不应只看发布会上的动作，而要看一年后还有多少用户持续使用、多少开发者维护 Skill、多少能力经得住真实场景重复验证。需要查看 Q1/T1 SDK、URDF、工具链、社区项目和后续更新，可访问。

2026-10-22 22:49:12 27038 2

原创 2026远程控制软件横测：iOS安卓鸿蒙到MacWindows全平台兼容性终极对决

优势维度具体表现平台覆盖国内最全跨平台能力iPhone控Windows✅各端体验每个平台都有原生适配和专门优化免费政策无时限、不限速、零广告持续迭代鸿蒙端2026大版本更新树立行业标杆上手难度一键安装，零门槛，新手小白也能快速上手。

2026-10-22 20:56:22 302

原创时序数据库怎么选？基于 Apache IoTDB 的六维评估框架与实战 PoC 指南

时序数据库处在采集、存储、计算和应用之间，替换成本通常不低。好的选型结论应回答四个问题：数据是否能稳定写入，核心查询是否在目标时间内返回，三年成本是否可接受，团队是否能独立运维。Apache IoTDB 的价值在于，它围绕设备、测点和时间构建数据能力，同时能够与常见大数据及可视化工具衔接。对于工业物联网、能源电力、车联网、设备监测和边云协同等项目，它值得进入候选名单并接受真实数据验证。

2026-10-22 20:53:34 285

原创从“会动”到“会干”：2026年启元机器人开发者生态观察

机器人从“会动”走向“会干”，并不取决于某一次动作演示或某一项参数刷新，而取决于开发者能否持续把想法转化为可靠任务。SDK是否清晰、仿真是否可用、错误能否定位、技能是否可以复用，这些看起来不如本体表演醒目，却决定了生态能否长期生长。PrimeBot正在尝试连接SDK、仿真、代码托管和技能分发；灵犀X2则通过AimDK、教育版本和灵创平台覆盖工程开发与内容创作。两条路线仍在演进，也分别面临无真机验证、权限边界、版本一致性和技能评价等问题。

2026-10-20 22:54:27 22014 4

原创 node_exporter远程监控实战：9100端口、Prometheus抓取与固定公网地址

固定地址生效后，最终页面也能正常打开。这里需要把页面性质说准确：node_exporter的9100接口。不是Prometheus自己的Web页面。Prometheus是否完成远程监控，还需要看前面target配置和抓取状态。9100Prometheus → 随机公网地址 → 9100Prometheus → 固定二级子域名 → 9100node_exporter下载；解压；；systemd服务；专用用户；开机自启；9100本地访问；Prometheus本地target；

2026-10-19 12:31:57 11045 25

原创 LangGraph 五大标准工作流模式详解｜从线性流水线到动态并行 Agent 实战

在使用 LangGraph 构建 AI 智能体、RAG 问答、自动内容生成系统时，绝大多数业务场景都能归纳为 5 套标准化工作流模板。很多初学者只会写简单线性链式流程，但真实生产需求往往包含：多分支智能分流、多任务并行提速、运行时动态拆分子任务、循环迭代优化内容等复杂逻辑。提示链 Prompt Chaining、并行化 Parallelization、智能路由 Routing、协调者 - 工作者 Orchestrator-Workers、评估器 - 优化器 Evaluator-Optimizer。

2026-10-18 16:58:45 193 2

原创力扣146 LRU缓存：原题与带过期时间的进阶版详解

面试算法题里，LRU 缓存几乎是“题单必备”。它听起来不难——把最近最少用到的踢出去，剩下的留着——可真到白板手写，很多人会卡在一个点上：get 和 put 都要求 O(1)。于是常见的画面是：背过答案的人能默写“哈希表 + 双向链表”；没背过的人，只能从“用数组？用 map？”现场试错，越试越乱。这篇文章想把真正的考点讲清楚：不是记住这个数据结构，而是理解为什么非得是这两个结构拼在一起。

2026-10-17 09:10:48 114

原创 PandaWiki AI知识库：飞牛NAS部署、Markdown问答与双入口远程访问

整套流程可以拆成四层：飞牛 NAS 承载 PandaWiki，模型 Provider 提供 AI 能力，Markdown 导入与版本发布构成知识内容层，公网隧道负责把管理后台和 Wiki 首页分别带到外部网络。本地阶段已经验证了管理员配置、DeepSeek 接入、文档导入、发布、AI 检索问答和引用来源；公网阶段则继续完成了与两个独立入口。两个入口分别配置固定地址以后，Wiki 首页又增加 HttpAuth，这比只给整套服务一个公开地址更容易区分后台管理和普通访问。

2026-10-12 12:12:08 11238 30

原创实测ToDesk新终端：跨端会话恢复+多终端并行，远程Vibe Coding的完整体验报告

顺便下了个 Clawd on Desk，不仅很 Q，还有不少能提升体验的功能，就不多介绍了。从免密连接到分屏显示，从实体键盘适配到多终端并行，从快捷指令到跨端会话恢复——能看出来是在认真做产品的，不是随便糊弄一个功能出来就完事。当然，如果要使用远控，快捷键是少不了的。试想一下：多个终端 AI 同时执行不同任务，随时切换查看进度，需要调整时切过去发个新指令，再切回来继续等——这个工作流比单终端串行跑任务高效太多了。正好，ToDesk的远控以高画质、低延迟、高性价比著称，而且最重要的是，它的终端功能是免费的。

2026-10-10 16:40:19 16955 2

原创 LangGraph Graph API 完整实战教程：以快递配送系统为例

搭建图应用的第一步是定义全局 State，State 作为整张图所有节点、边共享的数据载体。TypedDict、Pydantic 模型；工程中优先选用TypedDict，轻量化、运行性能更优。# 1. 定义包裹全局状态模板# 包裹基础固定信息package_id: str # 包裹唯一编号origin: str # 包裹始发站点destination: str # 包裹目标城市# 配送流转状态信息status: str # 配送总状态：待揽收/已揽收/运输中/派送中/已签收。

2026-10-02 22:32:28 218 2

原创 C++ std::bind 实战教程：线程池、回调场景全覆盖

用法写法固定参数调整顺序绑定成员函数绑定成员变量按引用嵌套核心要点std::bind把可调用对象和部分参数绑定,返回新函数对象。决定实参映射位置,可调整参数顺序。绑定成员函数必须提供对象(this或具体实例)。默认按值拷贝,要传引用用std::refstd::cref。现代 C++ 中,lambda 通常是更清晰的选择std::bind适合调整参数顺序和兼容旧代码。它是线程池、回调、事件处理等场景的常用工具,比如把成员函数绑定成线程入口。std::bind。

2026-09-29 22:10:32 203 2

原创程序员远程调试工作流：从连客户电脑到访问内网服务

有一次客户项目跑不起来，我上去看了一眼，发现是本地端口被占了，两分钟改完。它的远程文件功能，可以直接像翻文件夹一样从对方电脑取文件，也能把本地的配置文件直接放过去。这篇聊聊我现在的远程工作流——从连客户电脑排环境，到连自己内网的 Docker 和数据库，整个链路是怎么串起来的。有些问题不在客户的个人电脑上，而在他公司内网的服务器上——比如一个只在内网暴露的 API、一个内网 Docker 容器、一个内网数据库。反过来，有时候你本地开发了一个 Webhook 回调，需要让外部服务能访问到你本地的端口。

2026-09-28 16:05:37 13020 3

原创第一次学 LangGraph：用一个快递案例搞懂 State、Node、Edge 和 compile

LangGraph 中的State整个工作流所有节点共享的一份数据。后续不管包裹经过揽收站、分拣中心还是派送站，大家看到的都是同一个 State 中的数据。State 中不同字段的更新方式并不完全一样。默认采用覆盖更新。"待揽收""已揽收""已揽收"则代表使用作为 reducer。["北京揽收"]["进入上海分拣中心"]"北京揽收","进入上海分拣中心"不同字段，可以定义不同的状态合并规则。LangGraph 中的 Node，本质上就是一个 Python 函数。return {

2026-09-26 20:23:12 205 4

原创群晖部署 Trilium Notes：自建中文知识库、持久化笔记，再配置固定公网访问

笔记真正变多以后，我最怕的不是“没地方写”，而是内容开始失去结构：临时想法在一个软件，读书记录在另一个软件，代码片段、流程图、日记和资料附件又散在不同文件夹里，时间一长，搜索得到却很难形成自己的知识脉络。Trilium Notes 吸引我的地方，正是它把树状层级、富文本、代码、高级笔记类型、全文搜索和自托管放在一起，更适合长期搭一套属于自己的知识库，而不只是临时记几句话。对我来说，真正重要的不是一开始塞进多少内容，而是以后还能不能找到、理解、继续补充，并且在换设备或重建容器时把这些积累稳稳留下来。

2026-09-24 20:36:55 13131 30

原创从写接口到负责交付Java工程师怎样证明自己的全栈能力

介绍一个 Java 项目时，我可以列出接口、页面和技术栈。但如果接着问一句：“数据库出了问题，备份能不能恢复？换个人来操作，他该怎么确认结果？”光靠页面截图就回答不了了。这次我拿“回航”这个本地恢复演练台做了一次检查。它的功能不多：登录、登记计划、记录结果，再配上一套离线 H2 备份恢复流程。我想借这个小项目看看，自己讲的“全栈能力”，究竟落实到了哪些可以检查的地方。

2026-09-23 12:21:32 7876 1

原创 LangChain 进阶之路：LangGraph 图工作流、有状态智能体完整入门教程

很多同学学完 LangChain 后，已经可以快速搭建简单的 AI 问答、RAG 检索应用。上下文记忆有限、只能单次问答、无法执行复杂多步骤任务、不支持人工干预。就比如之前我们搭建的基于langchain最简单的RAG，只能定制性的回答问题（只能根据我们上传的私有文件去回答问题）如果想要搭建长记忆、可迭代、可干预、长时间运行的生产级 AI 智能体（Agent Server），单纯依靠 LangChain 线性链路已经不够用了。

2026-09-21 21:32:43 204 4

原创时序数据库怎么选：从大数据架构到 Apache IoTDB 实战，一套不只看跑分的方法

本文面向正在搭建工业互联网、物联网或设备数据平台的架构师与开发者。所有产品判断都应以自己的业务数据完成 PoC；文中不使用无法复现的“百万级”“十倍提升”等营销数字。很多团队做时序数据库选型，第一步就是收集厂商参数：每秒写入多少点、压缩比多少、单次查询几毫秒。表格很快就能填满，结论却未必可靠。原因并不复杂：设备数量、测点密度、采样周期、乱序比例、查询跨度、副本数以及硬件配置只要变一个，结果就可能完全不同。

2026-09-18 21:39:26 12840 2

原创公司外怎么连接管家婆？从 SQL Server 安装到 cpolar 固定 TCP 远程登录

SQL Server 2022 → 混合模式 →127.0.0.1启用 →14330→ 管家婆辉煌Ⅱ TOP+15.0 → 新增账套 → cpolar →→ 随机 TCP→ 修改→ 远程登录 → 固定 TCP。SQL Server 当前设置的14330，和 cpolar 后面映射的是两处不同配置；随机公网地址测试成功以后，远程分机的SOCKETPORT使用14606；换成固定 TCP 地址以后，SOCKETPORT再改为12256；前面创建的隧道名是wdd，固定 TCP 小节却出现VsCode。

2026-09-17 12:22:09 13140 28

原创 LangChain向量检索指南：Retriever 使用、自定义与 RAG 项目落地

属于 LangChainRunnable可运行对象；输入为字符串 query，输出为文档列表。@chain装饰器可将普通函数自动转为 Runnable，快速实现自定义检索逻辑，灵活性更高（可自由增加元数据过滤、多库混合检索等逻辑）。# 自定义检索器，底层复用向量库similarity_search@chain# 可自由增加过滤、多数据源拼接逻辑# 统一invoke调用，和内置retriever用法完全一致docs = retriever.invoke("数据库表怎么设计的？")

2026-09-16 22:42:28 227 1

原创嵌入模型与向量技术详解｜从原理、相似度计算到 LangChain 实战

计算机只能处理数字，无法直接理解文字、图片语义；嵌入（Embedding）就是把人类语言 / 符号（句子、图片、用户、商品）翻译成计算机能读懂的数字向量，且转换后保留原始语义、词语间逻辑关系。通俗类比：把自然语言翻译成计算机专用的数学语言。嵌入输出结果就是向量。

2026-09-15 18:47:11 87

原创 LangChain 文本分割器详解：字符分割、Token 分割、硬约束递归分割实战

在 RAG 检索增强生成完整流程中，文档加载器负责读取 PDF、Markdown、TXT 等各类文件，并统一转换为 LangChain 的Document文档对象。大模型存在固定上下文窗口上限，超长文本会直接超出限制；整块大文本检索粒度粗糙，用户查询很难精准匹配到关键信息；完整长文本嵌入向量时算力消耗更高，检索准确率偏低。因此，文本分割（Text Splitters）是 RAG 不可或缺的核心环节，作用就是将长篇文档拆分为短小、语义连贯、便于检索与模型读取的文本块。

2026-09-13 21:16:26 165

原创 LangChain RAG 核心入门：原理、完整流程与文档加载实战

本文我们从零梳理了 RAG 的核心思想与完整工作流程，并通过 LangChain 实战演示了 PDF、Markdown 文档的加载与解析。总结一下关键要点：RAG = 大模型 + 私有知识库，解决模型“有智商无知识”的痛点知识库构建分为两步：文档加载 → 文本分割 → 向量存储LangChain 的 Document 是所有 RAG 操作的最小数据单元按页加载 PDF，支持按元素结构化拆分 MD当然，这只是 RAG 的入门第一步。后续我们还将深入：文本分割策略（如何切分才能不丢失语义？

2026-09-05 21:21:09 263 1

原创用 Qwen3.8-Max 搭了个「截图转日报」工具：运营日报从 2 小时压到 3 分钟

优点：原生多模态是真的能打——后台截图不用任何预处理，数字、表格、涨跌箭头都能准确读懂；超长上下文让多平台汇总毫无压力；归因和建议的质量超出预期，不是套话而是可落地的动作。缺点/注意：多模态单次调用比纯文本慢，批量截图要留点时间（4 张约 3 分钟）；模型偶尔会重复单位这类小瑕疵，需要在拼接层做兜底。整体上，它把运营同学从最枯燥的"数据搬运"里解放了出来。

2026-08-31 16:04:55 13586 43

原创 LangChain 输出解析器指南：从 StrOutputParser 到 PydanticOutputParser

二者核心区别不在「能不能写链」，而在解析器是否独立可拆分三段式：解析器是独立 Runnable，灵活可替换；with_structured_output：解析逻辑内置在模型内部，无法单独提取使用。输出解析器是为了模板准备的，输出解析器调用get_format_instructions方法能够获得Joke这个pydantic类返回一段自然语言格式约束提示词。这样把模板传递给大模型，大模型就知道如何返回了。partial_variables就是存放固定不变的内容，正好就存储这个内容，而。

2026-08-26 22:39:29 314 35

原创 LangChain 示例选择器（Example selectors）完整基础概念解读

少样本提示的矛盾点给模型提供越多示例，任务规则、输出格式越清晰，模型效果越好；但示例全部塞进提示词会带来三大问题：Token 变多，调用成本上升、响应延迟更高；超出模型上下文窗口，直接报错截断；过量无关示例会干扰模型判断，反而降低准确率。业务场景痛点当你的示例库规模很大（几十、上百条），不可能一次性全部放入提示词。此时不能固定写死少量，需要一套动态筛选机制：针对用户当下输入，自动挑最合适的一小批示例送入提示词。示例选择器的定位。

2026-08-20 21:42:31 458 41

原创告别数据沉睡！时序大模型 TimechoAI，解锁海量时序数据的智能分析新能力

在工业物联网、电力能源、轨道交通、金融期货、气象监测等行业，每时每刻都有海量时序数据源源不断产生。传感器采集的设备振动、温度压力，电网的负荷波动，车辆的运行车况，期货市场的 Tick 行情，气象站点的观测指标，这些带时间戳的时序数据，记录着设备运行状态、业务变化规律，蕴藏着巨大的业务价值。很多企业已经完成时序数据底座建设，借助 TimechoDB 工业时序数据库，实现亿万级测点数据的采集、存储、查询。。

2026-08-20 15:45:38 12083 11

原创飞算JavaAI能处理医疗样本全流程吗？

很多AI编程工具在生成实体类、Controller和增删改查接口时表现不错，但一旦遇到状态流转、数据权限、动态规则和异常补偿，生成结果就容易变成“代码看起来很多，业务实际上没串起来”。飞算JavaAI升级到3.9.8后，我决定换一种测试方法：不考察它能写多少代码，而是看它能否读懂真实业务。这次选择的是医疗检验样本管理系统。一个样本从采集到报告发布，要经历待采集、已采集、运输中、已签收、检测中、已出报告和已作废七种状态。同时还涉及跨科室数据权限、交接双方核验、重复扫码、并发操作、设备结果回调和失败补偿。

2026-08-18 09:35:55 5499 4

原创为 anywhere-labs/deepseek-harness-desktop 开发插件：从 Cordis Service 到安全安装链路

作为一个经常为可扩展系统设计插件接口的开发者，我认为判断插件生态是否成熟，不能只看“能不能加载第三方包”，更要看宿主是否给出了稳定的能力边界、清晰的生命周期和可验证的失败语义。本文专门研究社区仓库的插件开发方式，而不是泛泛介绍 Electron 插件，也不是介绍官方的全部 API。

2026-08-17 10:13:29 10943 4

原创给AI“喂”例子就像教小朋友看图说话？LangChain这波操作我服了

在大模型开发过程中，很多开发者只会写零样本提示：直接下发任务指令，让模型依靠原生知识作答。但零样本存在明显短板：输出格式混乱、推理逻辑不统一、自定义规则难以对齐、模型容易自由发挥产生幻觉。我们上一篇刚学了样本提示词模板，这就派上用场了！学的提示词模板是作为“加工每个样例的工具”传入少样本模板的。它不直接构成最终答案，但少样本模板最终拼出来的那堵“提示词大墙”，每一块砖（每个样例）都是由你那个小模板烧制出来的。少样本提示（Few-shotting）

2026-08-14 10:47:10 401 44

原创企业异地办公组网体验：星空组网如何让总部、门店和服务器像在同一个办公室

随着企业设备数量增加以及办公地点分散，网络连接正在成为企业数字化过程中的基础能力。传统 VPN 方案虽然成熟，但对于很多中小企业来说，部署和维护成本较高。星空组网通过虚拟局域网方式，将异地设备连接、权限管理以及文件共享结合起来，让企业可以更加简单地构建自己的网络环境。无论是总部与门店互联、远程办公访问内部资源，还是研发团队连接服务器，星空组网都提供了一种更加轻量化的解决方案。对于企业来说，未来的网络不一定依赖固定办公地点，而是需要让设备和资源能够安全、稳定、灵活地连接。

2026-08-11 12:21:27 207 10

原创手撕Prompt？Out了！LangChain模板引擎，让你像‘拼乐高’一样开发AI应用

在大模型应用开发中，提示词（Prompt）是连接开发者与LLM的核心桥梁。很多新手开发时，习惯手动硬编码拼接提示词，不仅代码冗余、复用性极差，还会出现格式不统一、维护成本高、迭代困难等问题。LangChain 提供了PromptTemplate（提示词模板）核心抽象组件，完美解决以上痛点。它支持动态参数填充、结构化消息配置、多场景复用，是所有LangChain应用、AI对话机器人、工具Agent开发的基础核心能力。本文将从零拆解提示词模板核心概念、两类主流模板用法、消息占位符高阶技巧，最后实战演示。

2026-08-09 15:03:01 863 36

原创多分支机构困局：中小企业异地设备组网的新思路

随着企业设备数量增加以及办公地点分散，网络连接正在成为企业数字化过程中的基础能力。传统虚拟专用网络方案虽然成熟，但对于很多中小企业来说，部署和维护成本较高。星空组网通过虚拟局域网方式，将异地设备连接、权限管理以及文件共享结合起来，让企业可以更加简单地构建自己的网络环境。无论是总部与门店互联、远程办公访问内部资源，还是研发团队连接服务器，星空组网都提供了一种更加轻量化的解决方案。对于企业来说，未来的网络不一定依赖固定办公地点，而是需要让设备和资源能够安全、稳定、灵活地连接。

2026-08-07 10:54:44 11612 12

原创彻底吃透 LangChain 流式体系！从底层原理到自定义分句流式（附完整源码）

在 LLM 聊天、问答、对话类应用中，流式处理是决定用户交互体验的核心能力。传统invoke阻塞调用需要等待模型生成全部文本后一次性返回，长文本场景下用户会长时间空白等待，极易造成页面卡顿、体验割裂；而流式传输支持模型边推理、边输出 token，逐字实时展示回复，主流 AI 客户端（DeepSeek、ChatGPT 等）均默认开启流式返回。本文将完整拆解 LangChain 流式体系：从同步阻塞 vs 流式的差异、Python 异步协程底层原理、astream()异步流式实战，再结合 LCEL 链路、

2026-08-04 16:40:04 405 34

原创 Oracle 迁金仓实战：从 KDTS 全量搬迁到 KFS 增量兜底的踩坑复盘

接这活之前，我刚把手头一个小项目收尾，正琢磨年假怎么请。信创这阵风我们这行都懂，替换 Oracle 的单子从去年下半年就多了起来，几家国产库来回选，我之前也碰过几回，但都是小库小表，权当练手。这次不一样，甲方是省里实打实跑着审批业务的，库大、停不得、还卡着督查节点，一听就知道是块硬骨头。机房在城西一个老园区里，冬天暖气烧得足，空调又对着吹，人待久了又闷又燥。我后来那两个多月大半时间泡在那儿，桌上常年摆着凉透的茶和半包烟。这些跟技术没关系，但得先交代一下，不然后面那些"凌晨两点趴机房"的话听着像编的。

2026-08-04 16:39:16 11704 23

空空如也

空空如也