技术栈

几十万亿资产对账：某国有大行托管核心换成 TiDB导语一套运行十余年的 Oracle 核心系统，管理着几十万亿规模的托管资产。它不能停、不能错，也不能因为数据越积越多而变慢。某国有大行用了三年多时间，将这套系统迁移到平凯数据库（ TiDB企业版）。项目的看点并非换上了一个国产品牌，而是银行在不中断关键业务的前提下，完成了一次底层架构换代。

不用再为文本搜索单独维护一套系统！全文检索深度解析为了给商品、客服工单或者企业知识库增加一个搜索框，企业往往需要在业务数据库之外，再部署一套Elasticsearch。

零信任架构实战：基于天远运营商三要素详版V即时版构建自动化消费电子大促电商平台高价值权益秒杀与优惠券防羊毛高并发实名核验网关每年年中与年末的“618”、“双十一”等电商狂欢节期间，各大头部电商与消费电子品牌旗舰店都会在零点整准时开启年度重磅促销。包括最新款旗舰 5G 智能手机、超轻薄 OLED 游戏笔记本电脑、高端全画幅微单相机以及单张面额高达 1000 元至 2000 元的“大额消费电子专项补贴券”在内的稀缺高价值权益，往往在短短数秒内吸引数以百万计的线上消费者集中拼抢。依据《中华人民共和国电子商务法》《中华人民共和国网络安全法》及相关市场监督管理规程，大型电商平台在发放巨额财政补贴与平台专属大额优惠券时，承担着健全用户真实

本周六，TiDB 成都站见！10 月 31 日，TiDB 社区线下活动来到成都啦！本次活动将围绕“Agent 企业级落地”和“数据库国产化最新实践”两条主线，邀请十余位技术专家与行业实践者现场硬核分享。

篇四：tasks.md —— 把蓝图拆成 AI 可执行的施工单本文是「智能日报系统」SDD 从零到一系列的第 4 篇。proposal.md 定了“做什么”，design.md 定了“怎么做”，tasks.md 回答最后两个问题：按什么顺序做？每步的验收标准是什么？它是 SDD 工作流的最后一环，也是直接驱动 AI 写代码的一环。

Spring AI 结构化输出：结构 100% 通过，严格准确率只有 57%540 次调用，结构通过率 100%。同一批样本，最简 prompt 的严格准确率只有 56.7%——模型不是不会判断，是不肯用你约定的词。

朱涛的自习室

212 个需求、22 万行代码：Agent 接管开源项目的 19 天Munk AI 是一个面向多 Agent 协作的 Harness Runtime（The harness runtime for multi-agent collaboration）

美林数据Tempodata

高职大数据技术专业升级的六个落地样本：从产业链需求库到实训室数据链路高职大数据技术专业（510205）的培养重心正在移动：从“用数据做报表”移到“为模型造数据”。对工程与数据类岗位来说，报表分析只是末端动作，前端的数据采集、存储治理、管道开发才是工作量主体。培养方案要按这个重心重排，课程、实训室、师资随之调整——这套逻辑此前已经说清，剩下的问题是：做出来究竟是什么样？

aZhe的全栈知识分享

AI 还原 Figma 效果总达不到预期？先别急着让它写代码我发现不少人用 AI 还原 Figma，还是先截个图，或者把设计稿导出成图片，再丢给 AI 写页面。还有人直接发个 Figma 链接，说一句“照着还原”，就等结果了。

24、系统架构师论文写作专题核心考点与学习笔记摘要：本文为软考高级系统架构设计师（第22章：系统架构师论文写作专题）的学习笔记。论文写作是软考高级最具挑战性的一环，也是决定能否上岸的“临门一脚”。内容涵盖论文概述、评分标准（避坑指南）、万能框架模板（摘要、正文、结尾）、核心提纲指导（建模方法、微服务、可靠性、湖仓一体等）、以及历年优秀范文深度解析。针对抽象的论文结构和复杂的架构模型，本文利用 Mermaid 语法绘制了逻辑图，并提供了大量可直接背诵的实战话术模板，助你快速搭建论文骨架，顺利通过软考！

Codex Hooks 入门实战：生命周期事件、matcher 与5分钟跑通一个钩子Hooks 是钩子，挂在生命周期事件（event）上，事件一旦触发，脚本必跑可以放在全局针对所有项目，也可以放在特定项目中，不同之处在于：

WorkBuddy 一直更新卡死？两个毛病，一套处理办法WorkBuddy 最近出了两类更新事故。一类是弹窗停不下来：装完重启，过一会儿又弹，重装也白搭。另一类是装国内版，更新一次变成了国际版。

开源了一个 MCP 工具：让 Cherry Studio 里的 AI 助理调度多家模型交叉复核你在用 AI 助理（Cherry Studio、Claude Desktop、Cursor）写一段重要内容，想让「另一个模型的 AI 帮忙检查一下」——但只能手动复制粘贴，在 ChatGPT、Claude、DeepSeek 之间来回切换。

阿里云部署DSH与RAM完成运维这台阿里云 ECS 上现在跑着两个独立站点、两个域名、一张自动续期的证书、一套每日备份。其中只有两件事是我亲手做的：把 DeepSeek Harness 装起来，以及在阿里云上给它开一个 RAM 身份。剩下的——建库、部署项目、开二级域名、配证书、排查故障——我都是"说了一句话"。

Vue生态下AI生成UI：千万级向量场景落地实践千万级向量规模、内存预算吃紧的场景下，用AI生成Vue UI，曾被认为是“性能不可控、成本不可控”的技术路线——这是旧方案的核心痛点。

一次持续 3 年的 OpenResty 死循环排查：最终定位到 LuaJIT ARM64 的一条汇编指令一次持续了3年的线上排障记录。从 CPU 100%、循环无法结束，到最后发现 LuaJIT 在 ARM64 上生成机器码时，把本该执行的一条指令“弄丢了”。

OpenAI Codex 源码深度剖析（三）：执行引擎与内核沙箱深度剖析关联基线：/Users/bytedance/workspace/codex/ (commit: d58d0e5841) 上篇回顾：《02-核心回路与交互协议深度剖析》下篇导读：《04-并发协作与高阶编排深度剖析》索引目录：《README》

Dify 接入高德地图 MCP：Agent 策略、新旧节点与配置全流程避坑指南本文基于一次真实的 Dify 接入高德地图 MCP 的踩坑过程整理，重点讲清容易混淆的概念和配置细节，帮你少走弯路。

在 Rokid AIUI 上做「拍照识花」：图像链路与踩坑记录要解决的问题很单纯：走在路上、植物园里或自家阳台看到一株不认识的植物，想知道它叫什么，但为此掏手机、解锁、打开 App、对焦、等结果，这一串动作和「抬眼看一眼」的成本完全不成比例。眼镜的第一视角天然适合这件事——所见即所问，答案应该出现在眼前，而不是掌心的另一块屏幕上。

RK3588 上模型「能跑但很慢」：逐算子查 CPU 回退的完整方法与实测模型在 RK3588 上推理出了正确结果，不代表它在 NPU 上跑。算子不被 NPU 支持时，RKNN runtime 会静默回退到 CPU 执行：程序不报错、结果是对的、只有速度慢得莫名其妙。更麻烦的是，官方模型仓库（model zoo）里的模型一般都很干净，真正会回退的恰恰是大家自己改过结构、加过算子的模型——网上现成的经验帖帮不上忙，只能自己查。

京ICP备2021030436号-2© 2023-2026 技术栈 jishuzhan.net