在Mac上完美配置VSCode的C/C++开发环境（GCC/G++详细教程）
在Mac上完美配置VSCode的C/C++开发环境（GCC/G++详细教程） 作为一个码农，一个顺手的开发环境至关重要。VSCode作为轻量级但功能强大的代码编辑器，配合GCC/G++编译器，能够在Mac上提供优秀的C/C++开发体验。本文将详细介绍从零开始的完整配置过程。 一、环境准备：安装编 ...
MySQL 架构大变革（全景版）：从 5.7 到 9.7 的十年进化图谱
——版本细化全景解读 摘要：从 2015 年 MySQL 5.7 GA 到 2026 年 MySQL 9.7 LTS，十年间 InnoDB 存储引擎完成了从“集中式耦合”到“模块化、硬件自适应”的深刻变革。本文以 80 余个细粒度版本为线索，逐版本梳理数据字典独立、Undo 表空间拆分、Double ...
CQRS的两种设计方式
我们在查阅 Domain-Driven Design（DDD）相关资料时，经常会看到 CQRS（Command Query Responsibility Segregation）。继续深挖后又会牵出 Event Sourcing、Outbox、最终一致性等概念，越看越容易混乱。本文做一次简明整理：C... ...
为什么 Superpowers 的 brainstorming skill 坚决不写代码？我翻了它的源文件
你有没有用 Claude Code 的时候遇到这种情况—— 让它帮你加一个功能，三百行代码噼里啪啦就下来了，跑起来一看，逻辑对了七八成，但剩下那两成全是它自己发明的需求。你说这是测试的 bug，它说好，又改了一通，结果把能跑的地方也顺手改坏了。 这不是 Claude Code 不够聪明。是它太"勤快 ...
氛围编程实战系列：先规划清楚学习路径
氛围编程实战系列：先规划清楚学习路径 上篇文章《入门：我的第一个Vibe Coding实践程序》笔者已经带大家初步体验了氛围编程的能力和效果，体验过后，下一步我们具体要做什么，要有一个大致的规划，也就是这篇文章要介绍的内容。 01 | 为什么先规划学习路径 很多技术初学者开始做 AI 编程时，容易先 ...
我是如何实现阅读器「零幻觉」问答的
本文分享AI阅读器 零幻觉问答 的工程实现：回答严格基于当前书籍原文，关键论述可 一键溯源 到具体段落。如果你也在做 AI 阅读、文档 QA 或 RAG 类应用，希望三次迭代的经验与最终架构能有所参考。 一、实践历程：三个阶段的演进 零幻觉问答并非一开始就设计完备，而是在 成本、延迟和准确率 的拉扯 ...
Cloud Agent 开发笔记(2)：Agent 引擎与 Tool 体系
这不是另一篇 Claude Code 的源码解读——网上不缺这类文章。它是一个实际工程项目的决策记录：代码是 Vibe Coding 写的，但取舍是人做的，踩的坑是人踩的。写下来是为了以后回头看时，能想起当时为什么选了这条路而不是那条。 ...
在做一个 Prompt Optimizer 时，我意外触发了图片生成
初稿由GPT-5.5编写，经过人工润色。 最近在开发一个很简单的功能： 用户输入 Prompt ↓ 模型优化 Prompt ↓ 返回优化后的 Prompt 目标很明确：这是一个 Prompt Rewrite 服务，而不是图片生成服务。 但测试过程中发生了一件很有意思的事情。 我输入了一段典型的图像生 ...
PDF 表格转 CSV：Python 实现方法与代码解析
PDF 格式因其版式固定性而广泛用于文档交换，但也导致结构化数据（如表格）难以直接抽取。尽管存在多种解析方案（如基于文本坐标启发式或 OCR），但对于具有明确边框和单元格边界的表格，专用表格提取器能提供更高的准确度。本文将介绍如何使用免费库 Free Spire.PDF for Python 解析 ...
上周热点回顾（5.25-5.31）
热点随笔： · DeepSeek V4 + Claude Code thinking mode 400 错误修复方案 (xyh0703) · [翻译] 为什么我要用 C# 构建数据库引擎 (六六的博客) · 前端视角下的 C# (老王以为) · 《HelloGitHub》第 122 期 (削微寒) ...
[MAF的Agent管道详解-07]利用AIAgent中间件构建Agent管道
与采用`DelegatingChatClient`中间件装饰`IChatClient`对象并构成`IChatClient`管道的方式类似，我们可以使用`DelegatingAIAgent`代表的`AIAgent`中间件来装饰一个`AIAgent`对象，并构成一个`AIAgent`管道。通过在不同的阶... ...
Codex Context Compaction 真相：Agent 为什么压缩后还能接着干活？
从 Codex Remote Compact 看长程 Agent 如何保存现场、重建规则并继续执行。 原文链接：AI小老六 如果你长时间用过代码 Agent，大概率遇到过这种场景：前面半小时还在很认真地查仓库、跑测试、解冲突，下一轮突然像换了个人，只记得“正在处理一个项目”，但忘了分支名、PR 编号 ...
PHP 应用 security.txt 漏洞披露实践
PHP 应用 security.txt 漏洞披露实践 大多数安全事件的起点不是天才攻击者，而是一个发现了问题、却不知道该如何报告的人。如果上报缺陷比发条推文还麻烦，客观上你就已经替他们选了公开披露。 与此同时，AI 让自动化安全测试达到了前所未有的规模。每一天，都有漏洞在某个角落被发现、被上报。 s ...
[深度学习] 大模型学习8下-高性能推理引擎vLLM学习笔记
大语言模型（Large Language Model，LLM）的推理部署是其从技术验证走向工程化落地的核心环节，直接决定服务稳定性、资源利用率与业务承载能力。本文的上篇推理部署框架llama.cpp与Ollama使用指北已介绍轻量级本地推理框架的基本用法，包括模型量化、本地部署和基础对话体验。这类工 ...
《给阿嬷的情书》中的“嬷”，与AI概念中的Token、Prompt、上下文窗口
同样是让AI写邮件，别人能得到一封正式稿件，而你只能得到一个通用模板——问题可能出在你还没搞懂Prompt、Token和上下文窗口这三个基础概念。 ...
[Full Clock 技术复盘] 一、浏览器前端如何实现百毫秒级时间校准？时间 API 推荐、模拟 NTP 算法原理及局限
电脑本地时钟往往存在偏差，而在浏览器端由于协议限制无法使用标准 NTP，且寻找可靠 API 时间源也有些困难。本文分享 Full Clock 项目中采用的模拟校准策略：基于“往返延迟对等”假设，结合多家稳定 API 配合权重算法，实现百毫秒级的视觉同步。 ...
一文讲透企业级 Harness Coding 架构落地实战！
大家好，我是贾克斯。 这篇文章会稍微硬核一点。 但我会尽量写得让非研发同学也能看懂。 如果最近你关注 AI Coding，应该会经常听到一个词。 Harness Agent。 或者更完整一点，叫 Harness Engineering。 这个词听起来很工程，很抽象。 但你可以先把它理解成一句话。 大 ...
Claude Code 有了 Dynamic Workflows，那其他大模型怎么办？有开源版的替代-OpenWorkflows
最近一直在看 Claude Code 新推出的 dynamic workflows，相比于MCP、Skill、Hooks等很少有人讨论这个新功能。(后面我们统一叫workflows) 复杂的任务，很多人之前喜欢先做调研html，然后再转成技术方案的html，最后再交给AI来开发，但是很多时候发现结果 ...
【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 --- (5)--- 异步处理
【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 (5) 异步处理 目录【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 (5) 异步处理0x00 概要0x01 异步架构0x02 训推分离2.1 为什么训练和推理通常分离？2 ...
深度学习进阶（二十六）现代 LLM 的核心架构设计其一：RMSNorm
上一篇我们介绍了旋转位置编码 RoPE ，它通过在 QK 点积中注入旋转矩阵，让注意力自然而然地感知到相对位置。如今 RoPE 已经成为几乎所有主流开源大模型的位置编码标准。 但位置编码只是现代大模型改造的一个环节。 如果把标准 Transformer 和今天的大模型放在一起对比，就会发现归一化方式 ...
