<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[web_geek的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/web_geek</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; web_geek]]></copyright><item><title><![CDATA[OpenAI Agents SDK 多智能体实战：用 Python 搭建方案协作与任务分流]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/170357303</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/170357303</guid><author>web_geek</author><pubDate>Mon, 09 Nov 2026 17:46:31 +0800</pubDate><description><![CDATA[通过一个技术方案协调器和一个运维问题分流器，分别演示 Agent as a Tool 与 Handoff 的控制权差异。内容涵盖环境准备、as_tool 注册、handoffs 分流、max_turns、并行与层级扩展、常见报错，以及生产化所需的鉴权、脱敏、监控和发布保障。]]></description><category></category></item><item><title><![CDATA[Playwright 端到端测试实战：用 Coding Agent 降低编写与维护成本]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/170144393</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/170144393</guid><author>web_geek</author><pubDate>Thu, 05 Nov 2026 16:56:28 +0800</pubDate><description><![CDATA[端到端测试应从真实浏览器验证关键用户流程。本文介绍如何围绕可观察结果设计 Playwright 用例，以普通成员和管理员权限为例编写确定性回归脚本，并让 Coding Agent 辅助扩展与维护，最后接入 CI 和部署后巡检，兼顾测试稳定性、数据安全与问题定位。]]></description><category></category></item><item><title><![CDATA[决策模型 + LLM：用 Python 拆解浏览器自动化工作流]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168873741</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168873741</guid><author>web_geek</author><pubDate>Fri, 23 Oct 2026 14:12:33 +0800</pubDate><description><![CDATA[以本地采购测试页面为例，说明如何组织动作、接入决策接口，以及判断这套混合工作流是否真的值得使用。内容适合熟悉 Python、正在设计浏览器 Agent 的开发者；代码展示核心接口，页面解析与回执读取需要按实际站点实现。]]></description><category></category></item><item><title><![CDATA[我用 Claude 分析 Redis 哨兵日志，实现跨机房数据不一致自动对齐]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168768546</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168768546</guid><author>web_geek</author><pubDate>Thu, 22 Oct 2026 16:16:18 +0800</pubDate><description><![CDATA[本文针对跨机房Redis脑裂导致的数据覆盖惨剧，提出“AOF差集解析+幂等补偿+内核熔断”闭环解决方案。通过Claude辅助生成AOF命令流差异分析脚本，精准提取脑裂期间未同步的脏数据，并以幂等方式回写至新主节点；同时配置min-replicas-to-write与min-replicas-max-lag参数，实现10秒内自动拒绝写入，从源头杜绝脑裂。实测中成功恢复5万+会话数据，实现分钟级自愈，保障系统高可用与数据零丢失。]]></description><category></category></item><item><title><![CDATA[Python 3.15 JIT 实测解读：纯 Python 循环快了多少]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168652826</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168652826</guid><author>web_geek</author><pubDate>Wed, 21 Oct 2026 14:31:18 +0800</pubDate><description><![CDATA[Python 3.15 的实验性 JIT 对紧密、重复的纯 Python 循环提升明显：参考实验中 Mandelbrot 加速 53.5%，Levenshtein 加速 10.4%，Dijkstra 却略慢。本文拆分版本基线与 JIT 收益，给出 Windows 复现方法、代码和启用前检查清单。]]></description><category></category></item><item><title><![CDATA[Jev 决策模型 vs 生成式 LLM：路由该让谁来做]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168553636</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168553636</guid><author>web_geek</author><pubDate>Tue, 20 Oct 2026 15:35:06 +0800</pubDate><description><![CDATA[Agent 的路由和工具选择只需要一个决定，却常用 LLM 生成 JSON 再解析。实测显示 Jev 决策模型直接给候选打分：Kev 准确率 98%、零生成 token、延迟更低；生成式基线 83%。动态候选下差距更大，但免训练读出并未跑赢生成。]]></description><category></category></item><item><title><![CDATA[AI Agent 工具调用安全与 Jev 决策层设计]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168446524</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168446524</guid><author>web_geek</author><pubDate>Mon, 19 Oct 2026 15:45:21 +0800</pubDate><description><![CDATA[Agent 的工具参数合法，不代表操作符合用户委托。本文以运维排障为例，说明权限、业务规则与语义检查的分工，以及 Jev 的接入方式、概率含义和上线评估要点。]]></description><category></category></item><item><title><![CDATA[锁定真正的磁盘卡顿：我用 OpenCode 配合 eBPF 诊断 NVMe 队列深度延迟与 I/O 写放大]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168139416</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168139416</guid><author>web_geek</author><pubDate>Fri, 16 Oct 2026 16:26:53 +0800</pubDate><description><![CDATA[在高并发场景下，NVMe固态硬盘虽宣称具备百万IOPS与数GB/s吞吐量，却因垃圾回收（GC）引发写放大与队列阻塞，导致数据库延迟飙升而系统iowait仍低，形成“假性高性能”陷阱。传统监控工具无法穿透内核块设备队列，难以定位长尾延迟。本文提出基于eBPF的微秒级延迟追踪方案：通过block_rq_issue/complete探针精准捕获每个bio请求的真实耗时，并结合OpenCode智能体实时分析进程来源，动态调用cgroupsv2限流后台任务，优先保障WAL写入。实测表明，该闭环系统可将数据库P99延迟]]></description><category></category></item><item><title><![CDATA[告别慢速对话大模型：如何通过替换语言头，把开源 Qwen 改造成毫秒级文本分类器]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/168022714</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/168022714</guid><author>web_geek</author><pubDate>Thu, 15 Oct 2026 15:06:26 +0800</pubDate><description><![CDATA[本文介绍如何将开源小模型 Qwen 改造为毫秒级文本分类引擎。通过卸载缓慢的自回归生成头并替换为轻量级分类头，配合骨干网络冻结与动态量化技术，开发者能够以极低成本构建高吞吐、零幻觉的本地智能决策系统，大幅优化应用性能与响应延迟。]]></description><category></category></item><item><title><![CDATA[告别流式截断：我用客户端中间件解决长文本 API 跨国 SSE 断连与数据自愈]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/167912914</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/167912914</guid><author>web_geek</author><pubDate>Wed, 14 Oct 2026 14:37:01 +0800</pubDate><description><![CDATA[针对长文本生成中SSE流易因网络抖动断连导致状态丢失、资源浪费的问题，本文提出一套基于字符偏移量追踪与滑动窗口去重的自愈中间件。该方案通过实时记录传输状态、断连后增量续传及自动去重拼接，实现毫秒级无感续传，显著提升跨国长流稳定性，使生成成功率达99.9%，零额外Token消耗，彻底解决“长文本中途截断”痛点，为AI流水线提供可靠底层支撑。]]></description><category></category></item><item><title><![CDATA[Python Ollama 本地 Agent 入门与订单查询实践]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/167805314</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/167805314</guid><author>web_geek</author><pubDate>Tue, 13 Oct 2026 14:36:03 +0800</pubDate><description><![CDATA[这个教程面向会写基础 Python 的开发者。我们用 Ollama、SQLite 和一个查询函数，搭起一次工具调用的完整流程：模型识别需求，Python 校验并执行，模型根据返回值回答。示例采用虚构书店订单，不连接真实业务系统，也不需要云端模型账号。]]></description><category></category></item><item><title><![CDATA[Jev 决策模型实战：一套低延迟、低成本、输出可预期的模型路由实现]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/167700716</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/167700716</guid><author>web_geek</author><pubDate>Mon, 12 Oct 2026 18:47:35 +0800</pubDate><description><![CDATA[模型路由能降低大模型应用的成本与延迟，但过去路由层又慢又贵且输出格式不可靠，一直难以落地。本文用 type-safe 决策模型 Jev 的实战例子，讲清稳定低成本的模型路由实现、降级策略与部署要点。]]></description><category></category></item><item><title><![CDATA[scikit learn 默认参数审查指南 让 AI 生成的模型代码更可靠]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/167389727</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/167389727</guid><author>web_geek</author><pubDate>Fri, 09 Oct 2026 16:02:17 +0800</pubDate><description><![CDATA[AI 编程助手可以很快写出一段能运行的 scikit-learn 代码，但“能运行”只说明 API 调用没有报错，不代表模型选择、验证方式和预处理行为适合你的数据。很多风险正藏在没有写出来的参数里：特征是否随机抽样、正则化有多强、交叉验证是否遵守时间顺序、聚类是否尝试了多个初始点，以及预处理后究竟还剩多少特征。]]></description><category></category></item><item><title><![CDATA[抹平首包开销：我用 Claude 调优 Nginx 的 Brotli 与 Gzip 动态压缩，平衡 CPU 与网络吞吐]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/166794632</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/166794632</guid><author>web_geek</author><pubDate>Mon, 28 Sep 2026 21:16:51 +0800</pubDate><description><![CDATA[在高并发Web场景下，动态压缩常陷入CPU耗尽与带宽浪费的两难。本文提出“静态预压缩+动态梯级压缩”自适应策略：通过CI/CD提前生成.br/.gz文件，实现静态资源零算力传输；对动态内容启用Brotli（comp_level4）与Gzip（comp_level5）双算法，并设置min_length1024防小文件逆向膨胀。经生产验证，带宽降低28%，CPU占用稳定在15%以下，TTFB显著缩短，兼顾性能与资源效率。]]></description><category></category></item><item><title><![CDATA[排查隐形丢包：我用 Copilot (Codex) 编写 Python 探针，彻底解决 Linux DNS 解析延迟与 UDP 超时]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/166594955</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/166594955</guid><author>web_geek</author><pubDate>Thu, 24 Sep 2026 15:45:35 +0800</pubDate><description><![CDATA[本文揭示了分布式系统中因DNS解析导致的偶发卡顿问题，根源在于UDP丢包与glibc默认超时机制。通过Copilot辅助编写诊断探针，定位到本地缓存缺失与并发查询缺陷，最终重构为本地CoreDNS缓存+single-request-reopen、timeout:1等优化策略，使P99延迟从5秒降至1.2ms，彻底消除长尾卡顿，凸显底层基础设施优化对系统稳定性的重要性。]]></description><category></category></item><item><title><![CDATA[抵御隐蔽的慢速连接攻击：我用 Claude 编写 nftables 规则，精准压制 HTTP Slo]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/166132678</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/166132678</guid><author>web_geek</author><pubDate>Sun, 20 Sep 2026 14:59:21 +0800</pubDate><description><![CDATA[本文揭示了不耗带宽却能瘫痪Web服务的慢速攻击（Slowloris）威胁，提出基于Claude辅助设计的nftables动态防护方案。通过内核层连接速率监控与动态IP封禁，实现毫秒级拦截恶意慢速连接，有效防止Worker进程池耗尽。结合sysctl参数优化，实现零CPU开销、秒级响应，显著提升系统抗压能力与用户体验，为高并发Web环境提供高效、低成本的防御范式。]]></description><category></category></item><item><title><![CDATA[让 Coding Agent 用 HTML 报告汇报 把终端里的信息损耗降下来]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/165749207</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/165749207</guid><author>web_geek</author><pubDate>Thu, 17 Sep 2026 16:01:13 +0800</pubDate><description><![CDATA[终端输出的信息组织方式，是 Coding Agent 协作效率的隐性瓶颈。本文给出一套可执行的约定：用规则文件固定结论位置与报告触发条件，用包含原始需求、验证步骤、风险回滚和待确认项的 HTML 模板承载验收信息，用 Archify 这类「JSON IR + 渲染器」管线生成结构图，并把重复形态沉淀成 Skill；同时说明了报告不可作为真相来源、生成的 HTML 需按不可信内容处理、共享前必须加访问控制等边界。]]></description><category></category></item><item><title><![CDATA[用设计系统约束 Coding Agent 让 AI 生成的界面保持一致]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/165619017</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/165619017</guid><author>web_geek</author><pubDate>Wed, 16 Sep 2026 16:26:16 +0800</pubDate><description><![CDATA[Coding Agent 生成 UI 不一致，根因通常是代码库缺少共享设计系统和可执行规则。]]></description><category></category></item><item><title><![CDATA[Agent 图工作流实战 从单体循环到可验证的 AI 自动化]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/165476927</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/165476927</guid><author>web_geek</author><pubDate>Tue, 15 Sep 2026 15:15:09 +0800</pubDate><description><![CDATA[本文用一个产品调研案例解释 Agent 图工作流的核心设计：节点负责单一任务，边控制转移，状态传递结构化结果；通过顺序链、路由、并行、动态工作者和评估回路，可以把单体 Agent 拆成可验证流程。真正接入框架前，应先手工运行并补足检查点、幂等性、预算和人工审批。]]></description><category></category></item><item><title><![CDATA[dbt 入门实战 用 DuckDB 把 SQL 脚本变成可测试的数据项目]]></title><link>https://blog.youkuaiyun.com/web_geek/article/details/165335389</link><guid>https://blog.youkuaiyun.com/web_geek/article/details/165335389</guid><author>web_geek</author><pubDate>Mon, 14 Sep 2026 17:13:50 +0800</pubDate><description><![CDATA[通过 DuckDB 的最小案例，本文演示了 dbt 如何将原始表、转换模型、数据质量测试与自动文档组织在同一项目中。重点是用 source()、ref() 和 YAML 测试建立可追踪的数据转换闭环，并说明从本地练习走向生产仍需补足权限、调度、日志和成本控制。]]></description><category></category></item></channel></rss>