存储AI–AI博客聚合
最新聚合的文章
-
Codex 源码导读：第二部分——一次 Turn 的完整生命周期
Codex 源码导读：第二部分——一次 Turn 的完整生命周期 本文承接《第一部分——工程分层》，沿着第一部分预告的主线往下走：一次用户输入如何驱动「模型 → 工具 → 模型」的循环，并在什么时候终
-
一行 SET NX PX 的分布式锁，四个坑一个比一个贵
SET NX PX、UUID 防误删、Lua 原子释放、看门狗续期、fencing token——Redis 分布式锁四个坑现场复现，附 Kleppmann 与 antirez 论战结论与选型分界。
-
Redis 核心数据结构（四）——Set 与 Sorted Set，去重与排名神器
本次导航 Set：无序、唯一 Sorted Set：带分数的 Set，按分数排序 核心命令：SADD、SINTER、ZADD、ZRANGE、ZRANK 内部编码：intset vs hashtable
-
翻了4万多次请求，我为什么更愿意开xhigh
老金我最近用Codex里的GPT-6 Astra做事，会直接开xhigh。 原因是这样，我拿我跑的4万多次做了回测。 数据显示6的Xhigh实测Token消耗对比起来要少，它会走几次弯路，事情更容易做
-
Codex 源码导读：第一部分——工程分层
Codex 源码导读：第一部分——工程分层 本文基于 OpenAI Codex 开源仓库当前检出的源码，而不是根据产品界面推测。这里的“层”是便于理解职责和运行路径的概念分层：Rust crate 之
-
Agent 查了很多资料，为什么还是交不出答案？
最近做投资研究 Agent，最让我挫败的，并不是模型完全不会调用工具。恰恰相反，搜索在进行，页面也读了，运行记录里有不少动作，但用户要的答案还是没有顺利交出来。
-
LLM 自动化测试系列（04）：Web UI 自动化——Midscene 的视觉驱动脚本化
字节跳动开源的 Midscene 走的是纯视觉定位路线：不写 selector，直接把截图交给视觉模型，用自然语言描述'点击提交按钮'。这篇拆解它的三种模型角色分工
-
一天一个开源项目（第228篇）：AX —— Google 开源的「Kubernetes for Agents」，用声明式 YAML 编排十亿级 Agent 任务
AX（google/ax）是 Google 开源的高吞吐声明式 Agent 编排运行时，目标是在单个集群里调度十亿级的自主 Agent 工作负载。
-
Firecracker 与 KVM
microVM 可以先理解为一台设备配置精简的虚拟电脑。VM 是 Virtual Machine（虚拟机）的缩写，micro 强调它的轻量设计。在里面，Python 程序可以下载依赖、写入文件、等待超
-
开放接口限流从 20 改到 200 还是每分钟 20 次：拆完防重放+幂等+限流，我找到 5 个静默失效的坑
起因：限流阈值改了，线上纹丝不动 我们有个开放网关给外部系统调能力接口，写操作限流配的是每分钟 20 次。 某天业务方说不够用，我把配置从 20 改成 200，重启，压测——还是每分钟 20 次被拦。
-
Python环境配置：conda+PyCharm+换源，附6个坑
Windows从零配Python开发机：Miniconda安装、conda与pip换清华/阿里源、虚拟环境、PyCharm解释器设置，附PATH、conda与pip冲突、SSL等6个坑的解决方法。
-
接口测试框架重构：YAML 用例驱动 + 分层设计
将接口测试按职责拆分为数据、驱动、执行、断言、API 封装等独立板块，让项目结构更清晰，每个文件只负责单一职责，避免逻辑杂糅。
-
DeerFlow Docker Desktop 部署教程
DeerFlow Docker Desktop 部署教程 核心思路：下载官方仓库 → 把两个示例配置改名成正式配置并填上模型 → 写 .env → 用 Docker Compose 启动。 1 准备
-
闪学it-Linux云计+AIOps大模型
一、Linux：云计算的母语 Linux 不是一门需要“学完”的课，而是一种需要养成的手感。 真正要刻进肌肉记忆的，只有四件事： 文件：一切皆文件，包括设备和网络套接字 进程：谁在跑，谁在等，谁在吃
-
用 AI 迁项目有多爽？我把 Webpack 迁 Vite 的全过程记下来了
用 AI 迁项目有多爽？我把 Webpack 迁 Vite 的全过程记下来了 40 秒是什么概念？ 按下保存，起身倒水，坐下，杯子还没放稳，编译条才刚跑完一半。改一行样式，浏览器来回切三次才刷出来；同
