ci/cd

CI 算力饥渴症：Runner 弹性伸缩的架构权衡与落地每个 CI 平台的负责人迟早会被同一类工单轰炸：白天十点，流水线排队二十分钟，业务团队问「为什么这么慢」；晚上十点，几十台构建机器空转，财务问「这些机器是干嘛的」。

GitHub Actions 实战：给个人项目接上免费的自动部署流水线别再手动 scp 了，让每次 git push 自动把项目部署上去。我早期更新个人网站都是本地构建完，手动 scp 到服务器、再 ssh 进去重启，经常忘了哪一步就部署了个半成品。后来接上 GitHub Actions，现在只要推代码，构建、测试、部署全自动跑。这篇给初学者一份能直接抄的流水线模板。

桌面端发布的真实成本：签名、公证和那支不能共享的 USB Key桌面端应用的技术选型讨论，通常在「Electron 还是 Tauri」这里就结束了。包体、内存、启动速度，对比表列得很清楚。

极狐GitLab 关键补丁版本：19.3.2、19.2.6、19.1.82026 年 9 月 15 日，我们发布了适用于极狐GitLab 基础版和企业版的 19.3.2、19.2.6、19.1.8 版本。

从提示词到可复现音乐工作流：RNOISE 2.0 的 Prompt Engineering 架构版权声明：本文系 DREAMVFIA UNION 原创技术专题，RNOISE 2.0 项目技术解析系列之一。未经 DREAMVFIA UNION 书面授权，禁止转载、摘编、洗稿或用于模型训练语料。 RNOISE 为独立项目，与 Suno、Udio 等第三方平台无官方合作关系，文中提及仅为兼容性说明。

Python 项目 CI/CD 实战：用 GitHub Actions 搭建自动化测试、覆盖率与发布流水线CI/CD（持续集成 / 持续交付）是现代软件工程的标配能力，但许多 Python 项目仍在用"本地手动跑一遍 pytest、git tag 后手动上传 PyPI、SSH 到服务器 docker pull 重启"的原始流程。本文以 GitHub Actions 为载体，从 workflow 语法、依赖缓存、矩阵测试、pytest + coverage + ruff/mypy 自动化质量门禁，讲到语义化版本自动发包到 PyPI、构建多架构 Docker 镜像推送 DockerHub、以及依赖安全扫描与 De

报错之后，谁来证明它属于这次发布？前端错误治理的证据链设计很多团队的前端错误监控，停留在一个看似合理、实际却难以行动的状态：平台每天收到成千上万条 TypeError、资源加载失败和接口异常；研发知道“线上有问题”，却很难回答几个真正决定处置效率的问题：

CI/CD 自动化部署实践：让代码提交后自动上线这次 CI/CD 实验没有直接从复杂项目开始，而是先做了一个很小的静态网页，用它把 Git、GitHub、GitHub Actions、SSH、Docker、Docker Compose 和 Linux VPS 串起来。

嘴贱欠吻！

如何成为 CJMP 贡献者：AtomGit贡献流程与要求欢迎加入CJMP社区：https://Atomgit.com/CJMPAI工具码道推荐：Developer Events_Developer Alliance-Huawei Cloud

一个 Git 分支名，如何穿透到 CI Runner 的 Shell？分支名通常被视为标签，而不是代码。它出现在 Pull Request 页面、构建日志和发布记录中，看起来只负责回答“这次变更来自哪里”。但在 CI 系统中，分支名会被复制进环境变量、缓存键、文件路径和 Git 命令。如果其中某一步把它拼接进 Shell 字符串，标签就会突然获得程序语义。

智能体面试准备（八十九）：智能体生产环境持续交付与版本治理工程——Agent CI/CD、版本化与 Eval-Gated 发布本文是智能体系列第 87 篇。前面 B72 讲了上线交付与运维护航（发布门禁、灰度、SLO、On-call、回滚），那是"怎么把东西稳稳推上线并扛住"。但 Agent 这种系统有个本质难题：它不是一段确定性代码，而是"提示词 + 工具 + 模型 + 记忆 + 编排策略"的组合，任何一项改一点，行为就漂移。传统的软件 CI/CD 直接套用会翻车——你没法靠"编译通过 + 单测绿"就放心发布一个 Agent。

重跑率 31% → 6%，变更失败率 12% → 4%：CI/CD 流水线治理实战的 5 个配置我们流水线压到 7 分钟之后，我统计了最近 300 次构建：31% 的绿色是重跑出来的。红灯点了重跑，绿了就合并，检查等于没做。

Forgejo宿主机：CentOS 7.6（Docker 环境已就绪）· 数据库：SQLite一句话：Forgejo 是一个用 Go 写的单二进制自托管代码协作平台，可以理解为「轻量版 GitLab」——代码托管 + 议题 + 看板 + CI/CD + 包管理，一个进程全搞定。

空调内机做语音控制选哪颗?CI-03T 的红外码库优势、“5V 供电≠3.3V 串口“的电平误区与声学结构规范一位空调内机升级项目的硬件负责人(年量 1-3 万套)的完整选型对话,从"推荐个模块"到引脚/电平/供电细节,把空调场景的选型闭环走了一遍。厂商的两句关键答复值得单独拎出来:CI-03T"带了空调红外码库,比较方便";供电 5V 但"串口电平 3.3"。本篇以这次选型为主线,整理空调语音方案的决策要点与电平匹配的易错点。

干掉流水线里的长期密钥：用 OIDC 让 CI/CD 与云以临时凭证对接每个流水线里都躺着一对 AWS AK/SK，或者一个万年不换的 kubeconfig——这不是段子，是绝大多数团队的现状。本文聊聊如何用 OIDC 把这些长期凭证从流水线里彻底清出去。

CI 流水线提速实战：缓存设计与依赖代理的工程实践一条企业级流水线的执行时间去哪了？把日志拉出来做时间分布分析，结论往往惊人地一致：代码编译本身可能只占 30%，剩下的 70% 花在了「每次都从零下载」上——依赖包（npm、Maven、Gem）、基础镜像、系统包，每个作业都重复一遍完整下载。更麻烦的是，团队规模一大，Docker Hub 的匿名拉取限额（以 6 小时为窗口限制清单 GET 请求数）就会成为隐形的天花板：白天高峰期作业排队失败，排查半天发现是 toomanyrequests。

11路没有终点

CI/CD 集成：GitHub Actions专栏：Python 自动化测试从入门到实战适读人群：测试工程师 / Python 开发者 / DevOps 入门预计阅读：12 分钟

DevOps 实战：从概念到 CI/CD 持续交付全流程摘要：本文从 DevOps 的核心概念出发，系统梳理了软件开发生命周期（SDLC）、瀑布模型与敏捷开发的演进脉络，并深入讲解了持续集成（CI）与持续交付/部署（CD）的原理与组成要素。随后以一套完整的实战环境为例，逐步演示了 Windows 开发环境（JDK、Maven、IDEA）的搭建、Spring Boot 项目的创建与本地验证，以及 GitLab 代码仓库、Jenkins 持续集成服务器和 Docker 容器化部署的完整落地过程，最终实现从源码提交到自动构建、镜像打包、远程部署的 CI/CD 全流程

AI Infra实战11：模型部署Pipeline——CI/CD自动化设计完整的模型发布Pipeline：从模型训练完成到线上服务更新的全自动化流程。学完本篇你将掌握：代码CI/CD与模型CI/CD在触发、产物、发布速度上的对比