10. Harness裁剪+Checkpointer续跑，Agent运行底座这样配
配套动画视频在：《10. Harness裁剪+Checkpointer续跑，Agent运行底座这样配》，源代码在《评论区置顶》。 大模型自己只会「想」和「说」，真正干活还得有人给它安排工具、约束行为、必要时再派帮手——这套围绕 Agent 转起来的运行环境，就叫 Harness，你可以把它想成 Ag ...
轻量级服务器监控新选择：Beszel——比Grafana更简单的监控方案
给服务器装监控，比被监控本身还复杂？ Prometheus + Grafana + Node Exporter + cAdvisor + Alertmanager——少说五六个组件，每个都要配、都要学。半小时能跑起来算你厉害，还要学 PromQL、画仪表盘。折腾完一看，内存先被监控吃了 500MB。 ...
Repository 模式在 FastAPI 中的应用
前言 在使用 FastAPI 或 Flask 这样框架灵活的 Web 项目中，从 API 到数据库，有很多种写法，小项目有小项目的极简写法，大项目有大项目的排兵布阵。如果就两三个接口，业务逻辑也很简单，大可以在视图函数中直接调用数据库连接执行操作。大点的项目为了代码更清晰，有的会分成三层：定义接口的 ...
一线互联网大厂的数据库规范
前言 从建表到SQL优化，让你少走三年弯路 前几天发表了一篇文章《一线大厂的Git规范》，在全网挺受欢迎的。 今天趁着打铁，跟大家一起聊聊一线互联网大厂的数据库规范，希望的对你会有所帮助。 有些大厂，几百上千人的研发团队，数据库却能保持井井有条。 表结构清晰、命名规范统一、索引设计合理、SQL性能可 ...
洛谷 AI 检测内容鉴赏
同步于 洛谷专栏。 注意：此类内容多为陷阱，用于检测选手是否使用 AI 工具完成比赛，若没有使用即使看见了（正常题面渲染一般看不见）也不要照做，切记。 声明：仅列举部分比赛，随手记录，肯定不全，看个乐子就行。 Kruskal Cup / USTC 26级新生程序设计竞赛（同步赛） \(\texttt ...
用递归消除法优化“特征子集”
机器学习的模型训练中，特征不是越多越好，而是要找到那个 "刚刚好"的子集。 今天介绍的方法 "简单粗暴"，通过递归的方式，不断淘汰一个个特征，直到找到那个最优的 "特征子集"。 核心思想 核心思想用一句话来说，就是用"淘汰赛"选出最强特征组合。 递归消除的思路特别像公司搞末位淘汰： 1. 把所有"员 ...
"RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems" 论文笔记
快手的 MLE Agent 优化工作，目前挂在 Arxiv 26.07 上，提出了一种将 Bandit 算法与 LLM 智能体相结合的推荐模型自动化优化框架 RecHarness 背景 推荐系统优化天然适合 MLE Agent，但直接应用通用 MLE Agent 存在一个关键的系统挑战：每个候选修改 ...
装闭 RenoPit 源码解析（02）：AI装修闭坑系统数据库与模型设计
六张数据表如何保存装修项目、图纸、合同、AI 分析结果和 PDF 报告？深入 RenoPit 的 SQLAlchemy 模型、外键关系、状态字段与 JSON 数据结构，读懂 AI 装修闭坑系统的数据基础。 ...
Agent的诞生（三）：Skill —— 让模型掌握处理复杂流程的能力
目录三、Skill —— 让模型掌握处理复杂流程的能力1. Agent 有了 Tool，为什么还需要 Skill？2. 如何写好一个完整的技能"验证"是 Skill 中最容易被忽略的关键环节一个股票分析技能案例3. 模型从获取技能到使用的过程Agent 如何加载 Skill 清单并发给模型模型获取完 ...
SERP 客户端 SDK 版本管理:接口改了怎么不炸
SERP API 的返回字段、端点参数会演进。客户端 SDK 不做版本管理,一次接口变动就能让整条管线崩掉。这篇文章讲怎么给 SERP 客户端做版本管理。 1. 为什么需要 SerpBase 的响应信封会带 status、request_id、search_type 等。但具体模块(organic、 ...
yolo26训练自己的数据集
1.yolo26介绍 YOLO26 是一个统一的实时视觉模型,它引入了原生端到端推理、更轻量化的检测头、更新的训练方案，以及用于检测、分割、姿态估计、分类和有向检测的任务专用头。 在五个检测尺度上，YOLO26 在 COCO 上达到了 40.9-57.5 mAP，且 T4 TensorRT 延迟仅为 ...
AI 写代码总跑偏？用 spec-superflow 把规划引擎和执行纪律焊成一条流水线
你肯定遇到过这种场面。你对 AI 说一句「帮我给项目加个权限控制」，它二话不说唰唰改了四十多个文件。改到一半你才发现，它默认做的是 ABAC，而你要的根本是 RBAC。更酸爽的是，proposal 写了、design 画了，合并之后你才意识到行为根本不对，因为实现阶段没人盯着测试，也没人卡 revi ...
RankMixer 中 Semantic Split 与 Auto Split 的 Token 构造方式分析
RankMixer 中 Semantic Split 与 Auto Split 的 Token 构造方式分析 在 RankMixer 中，原始推荐特征需要先被组织成若干 Token，再进入后续的 Token Mixing 和 Per-token FFN。不同 Token 构造方式，本质上决定了模型在 ...
15天学会AI应用开发（二十）使用LangChain实现RAG检索功能
之前的文章《15天学会AI应用开发（十三）上下文与RAG的阶段性总结》概述了检索RAG知识库的主要步骤，现在采用LangChain将其改造为更智能的本地RAG系统。 接下来基于LangChain框架与Chroma向量数据库，结合离线的文本嵌入模型和大语言模型，从零开始搭建本地的RAG检索系统。 一 ...
9. AGENTS.md+memory，把规矩写进Agent脑子
配套动画视频在《9. AGENTS.md+memory，把规矩写进Agent脑子》，源代码在《评论区置顶》。 工具越挂越多，流程细则如果全写进代码里，改一次就要动源码。更稳的做法是分工：system_prompt 负责指定角色，AGENTS.md 负责写清细则；创建 Agent 时用 memory= ...
AI真的是泡沫吗？——一个程序员视角的冷思考与热信心AI泡沫大模型跑分过拟合算力短缺DeepSeekSoraAGI行业观察
察观业,行能智工,DeepSeek,GPT-5,Sora,AGI,人缺短力,算合拟过分,跑型模,大沫AI泡AI是泡沫吗？从中美大模型性能差距仅2.7%，到跑分过拟合、算力短缺、95%企业AI项目无法盈利——本文用数据撕开行业遮羞布，又在废墟中找到希望的种子。有信心，但不盲目。 ...
dbt+SQLServer构建数据仓库(6)：Jinja与DAG实战
本文是第 6 篇,深入 dbt 的模板引擎和依赖图机制:Jinja 怎么把 {{ ref() }} 渲染成真实表名、DAG 怎么自动构建和排序、--select 选择器怎么精准控制要跑哪些模型。 ...
同事烧光了所有 AI 顶配额度，就为了验证一句话
我有个同事，所有 AI 工具都开顶配套餐。就这样，额度还是不够烧——他的用量曲线，比我们业务的增长曲线都陡。 他在干嘛呢？ 日夜不停地让 AI 优化我们的系统。 白天让它批判架构，晚上让它批判自己白天改过的架构。人歇了，任务不歇，第二天早上收一批"优化建议"，继续投喂。 我问他图什么。他说了一句听起 ...
windows安装codex desktop和cc-switch，接deepseek v4 flash
背景 最近在公司用codex有一阵了，不过怎么把这个东西玩得6，还在探索中。家里也有台windows，就准备也把codex装上，结果发现还有些之前没遇到的幺蛾子，就在这里完整记录一遍。 本文主要就是安装codex windows desktop版本，接deekseek v4 flash（最近这个de ...
面向 .NET 开发者的 RocketMQ 入门指南（二）：RocketMQ 如何让业务消息更可靠
目录前言至少一次投递与业务幂等一条消息经过三次责任交接Producer 将消息交给 BrokerBroker 接管消息并负责存储Consumer 处理完成后再确认RocketMQ 内建的重试与死信状态消息进入 DLQ 后如何兜底gRPC/POP PushConsumer 如何完成一次重试服务端内部： ...
