【AdvisKV】#01: 关于我从零写一个 C++ 分布式 KV 存储系统原型
日期: 2026.7.6 写在开头的开头 AdvisKV 是我用 C++17 从零写的一个分布式 KV 存储系统原型，包含 Meta、SDM、Storage、SDK 四个主要模块，覆盖建库建表、路由查询、KV 读写、副本数扩缩容、坏副本替换、Raft、WAL/snapshot 恢复，跑了gtest ...
.NET CORE 认证模块-注册方案与请求认证探究
1.前言 上一篇我们实战了怎么用 JWT 认证和 Cookie 认证，不得不感叹这套东西设计得很巧妙——我们只要简单配几行，一整套完整的功能就能跑起来。那这一篇，我们就往下钻一层，看看框架到底是怎么实现的。我大概列了 3 个方向入手。在正式开始之前，我先说下按这几个问题去理解，会顺很多。 认证模块是 ...
自然语言处理（NLP）、计算机视觉（Computer Vision, CV）-AI 相关概念之（核心技术与架构）
〇、前言 在当前这个 AI 技术大爆发的时期，各行各业都在努力发展能够提升自身工作效率的技术，学习 AI 操作之前需先了解各个重要的概念，打牢基础，要对 AI全局有一个清晰的认识，才能事半功倍。因此才有了此系列文章。 本文将主要介绍自然语言处理、计算机视觉这两个概念，供参考。 AI 概念系列：点击查 ...
从Kaplan到Test-Time Compute：Scaling Law的真实演变与中文媒体的叙事偏差
这整个过程是一个持续的技术演进，而非由单一"bug"主导的灾难叙事。 Diogo的文章为这段历史提供了一个有价值的技术解读，但读者需要将其放在正确的时间语境中理解——它不是2026年的"新发现"，而是对2020-2022年一段已被纠正的技术偏差的迟来复盘。 ...
高光谱拼接算法（七）USAC
本篇代码仓位: USAC 上一篇我们介绍了标准 RANSAC。而在之后的四十多年里，围绕这一经典算法，又陆续出现了大量改进方法。 不同于 SIFT 在局部特征领域衍生出众多并行发展的分支，RANSAC 的演进路线更加清晰：研究者们针对算法内部的不同环节不断提出改进，最终由 USAC（Universa ...
【机器人 / 强化学习】LWD（Learning while Deploying）机器人持续进化的强化学习框架
【机器人 / 强化学习】LWD（Learning while Deploying）机器人持续进化的强化学习框架 目录【机器人 / 强化学习】LWD（Learning while Deploying）机器人持续进化的强化学习框架0x00 概要0x01 背景：为什么需要 LWD？1.1 真实世界不是一个 ...
上周热点回顾（6.29-7.5）
热点随笔： · 一套基于 .NET 10 + Vue 3 构建、高颜值、前后端分离的企业级多租户中后台管理系统 (追逐时光者) · Claude Code 是怎么悄悄认出中国用户的 (程序员徐公) · .NET 10 的正则性能现在什么水平？我拿它和 Go、Python、C++、PCRE2 测了一轮 ...
HarmonyOS SDK 26发布，持续提升鸿蒙应用开发体验与效率
华为开发者大会2026期间，HarmonyOS SDK分论坛展示了最新创新特性与行业实践。作为鸿蒙生态的关键技术底座，SDK在AI、媒体等六大领域持续开放，以更完备的能力集支撑开发者创新，并同步呈现了API优化演进的最新成果。 随着鸿蒙生态的稳步发展，鸿蒙终端设备数已突破6600万，HarmonyO ...
Agent Harness 实战指南：构建生产级 AI Agent 的"马具"框架
Solon AI 推出 solon-ai-harness，这是一个专为 AI Agent 设计的执行框架，将 Agent 定义为 Model + Harness，其中模型负责推理，Harness 提供工具调用、会话管理等落地能力。框架支持 Java 8-25，通过沙盒安全机制、多模型调度和动态权限控... ...
GPU Direct DMA P2P FPGA 通讯在Jetson 平台与X86测试表现 Jetson 与 H100
GPU Direct DMA 在Jetson NX 与 X86平台的测试 测试了jetson NX 16GB 与 H100的性能，后续会继续补充其它平台的测试 1. 技术原理 1.1 什么是 GPU Direct RDMA GPU Direct RDMA（Remote Direct Memory A ...
31. RAG 检索增强生成，让大模型拥有外部知识
大语言模型凭借强大的生成能力在诸多领域展现出价值，但始终面临两大核心局限：一是知识截止问题，模型训练数据存在时间边界，无法获取实时更新的信息；二是领域盲区问题，难以覆盖企业内部文档、私有数据等垂直领域的专属知识。为解决这两个痛点，RAG（Retrieval-Augmented Generation， ...
雄关漫道真如铁，如今迈步从头越——一个老程序员的AI重生宣言
我是一名再普通不过的程序员，在一线写代码整整十五年。十五年，足够一个襁褓婴儿长成追风少年，也足够让一名懵懂的初级开发，熬成团队里人口中的"X哥"或"老X"。 还记得2011年刚入行那会儿，公司用的还是SVN，提交代码前得先和同事在QQ上喊一嗓子"别动这个类"。我抱着本翻到卷边的《Java编程思想》啃 ...
OpenSpec+Superpowers焊死后，AI编码工作流终于自洽了
一、规划归规划，执行归执行 我用了两年 AI 编程工具，踩过的最深的坑不是代码写错了，而是代码写完了，规划文档还躺在仓库里吃灰。 这个场景你应该不陌生，花了半小时跟 Claude Code 聊需求，产出一份漂亮的 proposal.md 和 design.md。然后呢？然后你开始写代码，AI 开始帮 ...
.NET 程序保护实战系列01-流水线架构与保护引擎总览
.NET 程序编译为 IL（中间语言），附带完整的元数据——类名、方法签名、字段类型一览无余。使用 dnSpy、ILSpy 等工具可以几乎完整还原源代码。对于商业软件，这意味着核心算法暴露、授权验证逻辑可被绕过、通信协议和 API 密钥泄露。
我们的保护引擎提供了 全链条防护——从字符串加密到方法体... ...
Agent 工程化新底座：用 CLI 契约层打通 HTTP 接口与业务能力
把 HTTP/RPC 能力沉淀为可审计 CLI 契约层，让 Agent 接入更稳、更安全。 推荐阅读：AI 小老六 AI 工程化最容易踩的坑，是把基础设施建在变化最快的东西上。模型会换，Agent 框架会换，工具协议也会换；真正值得沉下去建设的，是那些能长期描述业务能力、权限边界和调用语义的契约。 ...
Vibe Coding 多人游戏（一）—— Pieter Levels：一个人的游戏帝国
一个荷兰独立开发者，用 AI 代码生成器在 3 天内做了一个浏览器多人飞行模拟器。第 17 天，ARR 突破 100 万美元。Elon Musk 转发，26,000 人同时在线，广告牌 5,000 美元 / 月售罄。没有团队，没有融资，100% AI 写代码。 系列索引 （零）目录 → 系列总 ...
零基础认识大语言模型（LLM）工作原理(6.从 SwiGLU 到 MoE —— FFN 才是大模型真正的算力核心)
第六章 从 SwiGLU 到 MoE —— FFN 才是大模型真正的算力核心 目录 零基础认识大语言模型（LLM）工作原理目录 - GuZhenYin - 博客园 本章导读 这篇我们还是继续讲FFN.因为,这个模块一直在更新和升级 本章建议与上一章联合食用,效果更佳. 上一章地址: 零基础认识大语言 ...
给 AI 程序员开「外挂」？这个仓库装了 63 个
你有没有遇到过这种情况： 让 AI 帮你写一段 GDAL 转坐标系代码，它给你编了个不存在的参数；让它帮你配 GeoServer 的 REST API，它凭空造了个接口；让它写个 FreeCAD 的 Python 宏，它把 Sketcher 和 Part 模块的 API 搅成了浆糊。 别笑，这事儿每 ...
SDD vs Vibe Coding：AI 编程时代的"自由派"与"规范派"，如何兼得？
当代码可以像聊天一样生成，我们还需要规格说明吗？答案是：不仅要，还要结合着用。 一、两种范式的碰撞 2025年，AI编程工具全面爆发。Cursor、Claude Code、GitHub Copilot、Windsurf……开发者们从未如此"高产"——一个曾经需要两周的登录模块，现在两小时就能跑起来。 ...
生成式模型底层原理通关笔记
生成式模型底层原理通关笔记 目录 DDPM：基于马尔可夫链的概率加降噪模型 DDIM：打破马尔可夫链的确定性跳步采样模型 分数匹配 (Score Matching)：高斯加噪下的高维引力场构建 流匹配 (Flow Matching)：追求两点之间直线最短的速度场理论 VAE (Variatio ...
