存储AI–AI博客聚合
最新聚合的文章
-
Vibe Coding 下前后端怎么对接接口?后端不给力的兜底方案
Vibe Coding 开发模式下,规范后端能用 IDEA Apifox 插件自动同步接口文档。但碰到不写注解、代码混乱的后端怎么办?Apifox 官方 Skill 耗 Token,手动整理费时…
-
JVM 内存结构入门:程序计数器、虚拟机栈、本地方法栈与堆的溢出诊断
JVM 内存结构里最基础的四块区域,报错却完全不同。从程序计数器、虚拟机栈、本地方法栈到堆,用示例代码复现栈溢出和堆溢出,附排查步骤。
-
读者问”你用的什么 Agent”:3 个 AI 员工的分工表和工具链
读者问"你用的什么 Agent":3 个 AI 员工的分工表和工具链 上一篇《3 个 AI Agent 交付一个企业项目》发出去之后,底下只有一条评论。 一位读者问:「请问一下用的什么agent?」
-
使用 Jev 作为 search reranker:基准测试与实现方法
作者:来自 Elastic Dustin Coates 我们让 Jev 为 Elasticsearch hybrid search 结果进行评分,并让一个简短的 Python policy 执行 re
-
JVM 垃圾回收全流程拆解:可达性分析、四种算法与五种收集器选型
JVM 垃圾回收到底管哪块内存?本文从可达性分析与四种引用讲起,拆解四大收集算法,对比五种收集器,并讲清 CMS 工作流程与内存泄漏排查思路。
-
Caffeine 源码详解:为什么它是最快的 Java 本地缓存——一次压测引发的源码考古
一次压测引发的 Caffeine 源码考古:读路径为什么无锁、时间轮如何做 O(1) 过期、W-TinyLFU 凭什么比 LRU 强,以及自定义 Expiry 的每读回调怎样把热键尾延迟放大百倍——附
-
Go encoding/json 的八个默认行为,以及 Go 1.25 的 json/v2 改了哪几个(附实测输出)
Go 的 encoding/json 用了十几年,大部分人对它的印象是「能用,偶尔有点怪」。怪的那部分,其实是几条写死在包里的默认行为:大小写不敏感匹配、重复 key 取最后一个、非法 UTF-8 静
-
深入解析 AI 应用可观测性:OpenTelemetry GenAI 规范下的调用链追踪与 Token 成本治理
传统 APM 无法解释 LLM 应用的非确定性与 Token 成本模型。本文基于 OpenTelemetry GenAI 语义规范,剖析 LLM 调用链追踪的 Span 层级设计、隐私脱敏、成本归因与两级质量评估,附生产级落地方案。
-
17. 把 DDD 开源脚手架化为自己的:第四次联调(三)——一坨 MalformedInputException,最后查出来是 yml 里的中文注释
17. 把 DDD 开源脚手架化为自己的:第四次联调(三)——一坨 MalformedInputException,最后查出来是 yml 里的中文注释 一、报错来了:一整坨 YAMLException
-
PowerFS 是用 Rust 写的、面向 AI/GPU 训练的下一代分布式文件系统
Rust 存储内核:安全、性能与工程实践 PowerFS 的存储内核从 master、filer、volume 到 FUSE client 全部用 Rust 实现。这不是单纯的"语言偏好",而是被存储
-
EasyAdminBlazor 审批并发控制:两个人同时审批为什么只能成功一个?
审批里最容易被低估的问题不是"流程怎么配",而是两个人同时点"同意"会发生什么。 如果处理得不好,结果可能是:单据被推进两级、同一个节点被完成两次、历史里出现两条互相矛盾的审批记录、或者"已通过"之后
-
我把微软开源的 tgrep 做成了本地版 GitHub Code Search:45,629 个文件里搜一次 10ms
dowse:基于微软 tgrep 的跨仓库本地代码搜索,MIT 协议。45,629 个文件搜一次只读 73 个文件、10 ms,支持 GitHub Code Search 语法。
-
第20章:JVM G1 GC原理、日志与调优实战
1. 项目背景 业务场景:某支付平台的"交易记录查询"微服务,部署在 K8s 集群中,每个 Pod 分配 4GB 堆内存,JVM 默认使用 Parallel GC。白天高峰期 QPS 约 5000,
-
一条请求的接力赛:用运行时责任重画 RSC 边界
React Server Components 的边界不应由“这个组件看起来像页面还是控件”决定,而应沿着一次请求从服务端读取、RSC Payload 传输、客户端接管,到数据突变与缓存刷新的完整链路
-
告别 Toy Demo!基于 MCP 协议打造生产级 AI 自动化中台:架构演进、权限沙箱与实战踩坑
很多开发者的 MCP 仍停留在本地玩具 demo,一到多 Agent 协作、动态鉴权与权限隔离就抓瞎。本文深度复盘如何将 MCP 落地为高可用、强隔离的企业级 AI 工具中台。