- 相关博文
- 最新资讯
-
回到开头的四个问题:生态适配看的是"需求已提出 / 适配进行中 / 已发布"三态,而不是版本号的有无;报错清单看的是"现象、触发条件、排查路径",而不是照抄参数;升级时机看的是自身改造时间与 3.x 剩余支持窗口的比较;实施过程看的是灰度与可回退,而不是一次性切换。列依赖版本:把 Spark、ORC、Iceberg/Paimon、Comet/cudf-spark 及迁移工具的当前版本与目标版本写成一张表,标出每一项的适配状态;跑报错速查表中的验证动作。
-
本文记录了某设备数据平台在测点数突破七位数后,为应对存储与查询瓶颈,开展时序数据库POC的全过程。团队基于路线确定性、建模贴合工业现场、高压缩比、无缝对接现有大数据体系等核心考量,选定Apache基金会孵化的IoTDB。实测显示其树形元数据模型直观匹配设备层级,支持边写边查与断网续传,压缩比达原始数据一个数量级,且通过JDBC与Spark连接器实现生态平滑接入。但对深度信号分析与无专职运维团队场景需谨慎评估。最终提出四道选型必答题,涵盖路线、链路、成本与生态,为工业级时序数据库选型提供可复用框架。
-
Co-founder OS 不是让几个 Agent 在群聊里轮流发言,而是把一次 AI 工程交付拆成可核对的状态:需求、真实补丁、测试、独立上下文复核、版本绑定反馈、本人批准和最终导出。本文记录我如何用 DGX Spark 上的本地 Qwen、唯一 Workflow Controller、独立 `spark-decide` Skill,以及 Web 与飞书两类入口,把“AI 说做完了”收敛成一条可以追溯、会在错误时停下来的交付链。也会诚实写下没有跑通、没有上线和不能宣传的部分。
-
模型搬进内网,智能体的权限与行为风险却不会自动消失。本文延续“从专业、可信,到安全”的实践路径,从 DGX Spark 私域智能业务系统的真实安全需求出发,介绍开源项目 SIQ Agent Security 的系统设计与工程实现。项目结合智能体安全前沿研究与 NVIDIA 技术栈,通过独立本地运行时、宿主适配器和企业控制面,串联资产发现、Skill 准入、权限管理、运行时检查与审计追溯,让模型提出动作,让系统独立核验授权。
-
「知更鸟」(relsent-bert-zh-large)是一款中文三任务联合情感分析模型,可同时识别关系类型、情感极性与关系动态。基于chinese-roberta-wwm-ext-large,采用LLM合成+人工核验构建约8,000条数据,支持ONNX部署,适用于多语言调用。模型在关系动态上表现较弱,但整体F1达0.823,已开源于魔搭社区,可用于知识图谱构建、语义匹配等场景。
-
本文提供基于 Apache 官方镜像 apache/kafka:4.3.1 的 KRaft 模式 Docker Compose 部署方案,涵盖单节点、三节点 combined 及角色分离三种拓扑,支持无 ZooKeeper 的生产级部署。通过环境变量与配置文件注入实现灵活配置,重点解决监听器设置、数据持久化权限及集群初始化等关键问题。附带 .env 变量模板与三套编排文件,可直接用于开发、测试与生产环境,确保启动成功并具备高可用性。
-
一次 Elasticsearch 9 列存引擎的性能实测与原理解读
-
回到开头那个问题:为什么看了很多架构文章仍不敢立项?因为架构可以复制,收益口径不能复制。携程的"分钟级"[1]、网易云信的"降本 70% 与提速 11 倍"[2]、腾讯的"100TB 性能提升 10 倍"[3],分别是时效性、成本、性能上限三类收益的样本,它们证明了改善是可能的,但没有告诉你在你的数据量、你的查询模式、你的组织条件下能拿到多少。采集自家现状基线:延迟分位数、单位数据成本、查询 P95,先把改造前的自己写清楚;用"口径三问"审一份内部收益报告。
-
深分页问题源于 LIMIT offset, size 在大偏移时需扫描并跳过大量记录,导致性能下降。优化关键在于:1)建立覆盖索引(如 status, created_at, id),减少回表;2)使用延迟关联,先定位主键再查详情,降低无效读取;3)业务允许时采用游标分页,避免偏移量累积。同时,避免 SELECT *,合理估算总数(如查 21 条判断是否有下一页)。最终需通过 EXPLAIN 和实际耗时验证效果。
-
分布式锁是一种跨进程、跨机器的互斥机制,用于在分布式环境下协调多个节点对共享资源的访问,保证同一时刻只有一个节点能够执行关键操作。与单机锁(如 Java 的)不同,分布式锁需要依赖一个所有节点都能访问的第三方组件(如 Redis、ZooKeeper、数据库)来协调锁的获取与释放。分布式锁是分布式系统保证数据一致性的重要工具。本文介绍了数据库、Redis、ZooKeeper 三种主流实现方案,并深入剖析了 Redis 方案的加锁、释放、续期等关键细节。追求高性能、实现简单。
-
项目仓库:https://github.com/chengang/skill-private-douyin视频演示:https://www.bilibili.com/video/BV1WMa46eE9u/
-
Spark 上跑主 Agent 调度,内网执行机跑子 Agent 动手,中间只留一条标准 OpenAI 协议——不写插件、不改主 Agent 代码的跨机多智能体协同实录。
-
评测 Agent 最难的不是打分,是分清什么不该打分:环境的错不算 Agent 的,三票一致的不用仲裁,聚类出来的不是根因。把边界写在卡片上,比多做一个功能更值钱。十天里最有用的一个习惯是让文档里的每个数字都能被机器核对。README 写 319 个测试,证书就真跑一遍数出来;路由表多写一条少写一条都红。人在截止日前不会去数、去翻,但 CI 会。
-
本文记录基于DGXSpark统一内存架构的六天黑客松实战,面对显存查询N/A、API兼容性、环境变量缺失、内存互斥及模型输出非结构化等挑战,最终构建“模型负责理解,工具负责事实”的10步流水线与10个AgentSkill合规审计系统。全程实测可复现,核心结论:结构化输出需依赖API强制而非prompt约束,约束催生高效架构,可复现性优于智能幻觉。
-
KineSketch 是一个基于 FreeCAD 的机械设计智能体,通过自然语言指令生成双导轨曲柄滑块机构的完整装配与运动演示。项目聚焦“完成”的可验证性,强调模型输出必须对应真实 CAD 操作与结果。开发中通过明确几何规则、分阶段验证零件与装配,并结合原生求解器生成可追溯的运动数据与视频。借助 DGX Spark 实现远程推理与本地求解分离,提升迭代效率。最终目标是让机械设计从想法到可复现成果的全过程透明、可信。
-
本文详解电商场景下订单超时自动取消的延迟任务解决方案。针对定时轮询数据库的低效与不可靠,提出采用RabbitMQ延迟消息插件(x-delayed-message)实现高可靠、低延迟的延迟任务。通过自定义延迟交换机,支持任意时间粒度的延迟投递,避免了多队列管理的复杂性。结合消息持久化、生产者确认、手动ACK及死信队列机制,确保消息不丢失、处理可追溯。代码层面配置简洁,具备良好的扩展性与容错能力,是订单系统超时处理的理想选择。
-
本文详细教程指导用户在Windows 11终端中安装并配置ClaudeCodeCLI,通过Node.js与Git环境检查、全局安装CLI、创建LinoRoute API令牌、配置settings.json文件,完成终端启动与模型测试。随后接入VSCode插件,实现多端协同开发。全程无需桌面客户端,适用于追求终端工作流的开发者,确保安全信任项目后即可高效使用ClaudeCode进行代码生成与项目管理。
-
Flink CDC 3.5.0 以 MySQL Binlog 为源,实现准实时数据同步,核心优势在于无锁增量快照、端到端 Exactly-Once 保障及流批一体计算能力。相比 Canal、Debezium 等方案,其链路更短,支持直接对接 Doris、Paimon、Kafka 等 Sink,适用于实时数仓、数据湖等场景。版本演进中,2.0 实现无锁全量,3.0 推出 Pipeline 架构,3.5.0 完善生产级稳定性与多源映射,是构建高效实时数据管道的理想选择。
-
我们的初创方案初稿是用大模型按"七天极限方案"生成的,队友自己看完吐槽:"这东西不咋像人话呢""我搞不明白这是干啥的"。第三天上午,一份相当完整的 PRD 出来了:三个 Skill——通知回执跟踪、学期运营排期、毕业风险预警,还设计了一层"通用文档适配层",目标是任何高校的文件都先转成统一 Schema,换个学校不改核心代码。AI 一天能给你三个产品的宏伟蓝图,但比赛真正奖励的是——十天后你能当着评委的面,把一个具体场景从头跑到尾,而且每一步都有依据、能解释。当天傍晚,最终演示用的那个网页工作台就出来了。
-
数据存储选型体系梳理,覆盖四大存储品类的能力边界与选型逻辑,结合商品中台实战案例,沉淀混合存储架构的落地方法与决策思路。
加载中...



















