架构

告警指纹：一次故障为什么只产生一条 FIRING 记录Alioth 技术笔记 · 第 06 篇 · 告警模型仓库：github.com/aide-family… ｜在线演示：web.alioth.asia/

你把重试加到 2 次那天，200 条里成功还是 181 条，你回看过吗？一份交接文档里躺着这么一段配置：三跳链路，每跳超时 3 秒，重试 2 次，总预算 30 秒。文档里对重试只有一行注释，写着稳一点。

Tauri 2 实战：为什么一个可靠的桌面应用，应该由 Rust Host 管理生命周期？Tauri 让我们可以用 Web 技术构建桌面应用：Vue 负责界面，Rust 负责调用系统能力。对于一个小工具，这种分工通常已经够用。

神鹰手哥_起飞版

我是怎么管理 Coding Agent 的：把任务交出去，也把结果验回来当 Coding Agent 能自己读代码、改文件、跑测试之后，我发现自己的工作里多了一部分“管理”：选择任务、交代背景、跟进偏差、检查结果，最后决定哪些改动可以交付。

【工程化】从“单兵作战”到“多引擎架构”：基于门面模式的重构实战经过前六篇的鏖战，我的 Hive SQL 解析器终于完美跑通了。但当我在真实场景中准备大展拳脚时，业务方问了一个致命的问题： ‘我们的系统要把 Hive 迁移到 Spark，你的引擎能解析 Spark 的 SQL 吗？

大厂把大模型做为一层“网关”，比换个框架更值得琢磨近一年看各家技术公开分享，有个规律越来越清楚：业务系统里调用大模型的那段代码，正在从业务里剥出来，沉到一层独立的网关里。无论是官方框架的 AI 接入模块，还是内部自建的 LLM Gateway、Model Router，名字不同，干的是一件事——把“调用模型”从一次性脚本变成有 SLA 的基础设施。

吴建旭智宅焕

智能家居全国交付中报价工具与交付基础设施的架构分离设计：接口化路径与交付确定性系统实现一、背景/痛点分析智能家居报价工具对交付环节的处理存在四种形态。第一，纯工具，不含交付，交付由B端客户自行解决。第二，引入外部交付方，工具提供交付入口，由专业交付基础设施承接。第三，引入通用安装平台，安装与调试分段外包。第四，工具提供交付管理功能，但不介入执行，不对结果负责。

你看我名字

产品参数昨天还对，今天已过期：数眼智能与大模型应用如何做资料版本校验摘要：产品问答最难处理的不是“答不出来”，而是从旧资料里答出一个看似合理的数字。本文讨论产品规格、价格和交付说明频繁变化时，如何把资料抓取、差异检测、人工确认和答案引用连成一条可追溯链路。

Docker 架构与部署：一条 docker run 到底走了三层命令敲下去，容器就起来了——中间的活儿是谁干的？这篇先把 Docker 的三件套（客户端、宿主机、镜像仓库）拆开，看一条 docker run 怎么在这三层之间走完三步；再给出单机部署的六步顺序，以及把客户端单独挪到另一台机器的 C/S 分离做法。

SQL Server 数据库全栈运维实战系列 — 合集索引（24 篇）系列定位：《SQL Server 数据库全栈运维实战系列》合集索引篇，7 大模块 · 22 篇正文 + 2 篇番外，与《MySQL 数据库全栈运维实战系列》同构对标，方便跨数据库对比学习。适用版本：SQL Server 2019/2022（2017 及以下差异随文标注），管理客户端 SSMS 19 及以上，命令行客户端 sqlcmd（新版 Go 版与老式 ODBC 版差异随文标注）。官方文档：Microsoft Learn SQL Server 文档中心、SQL Server 2022 新增功能、SQL

Token计费系统设计与优化：算力API的后端架构实践大模型API的爆发让Token计费从“辅助功能”升级为商业核心，但高昂并发下的精确计量、防攻击、成本控制等难题正成为工程深水区。本文结合真实踩坑记录，拆解一套支持每秒百万级请求、误差率被严格控制在极低水平的计费系统架构设计，涵盖流式计算、分布式限流、防蒸馏攻击等关键技术细节。

12_MySQL InnoDB 内存与锁调优 —— Buffer Pool、redo log、隔离级别与锁等待系列定位：《MySQL 数据库全栈运维实战系列》第 12 篇，与《Oracle 数据库全栈运维实战系列（VMware 版）》同构对标。适用版本：MySQL 8.0（5.7 差异随文标注）。官方文档：MySQL 8.0 Reference Manual、InnoDB Buffer Pool / Redo Log / Locking / InnoDB Multi-Versioning 章节。

一只爱撸猫的程序猿

我看着一个 AI 引擎在 14 天里,从"记忆"走进了"搜索"(这是"AI 可见性测量"系列第五篇。前情:我开源了一套测量品牌在 AI 引擎里可见性的工具(Python + Java 两版),并在第三篇里记录了六次"如果全自动就翻车、被人审拦下来"的瞬间。这一篇,是第七、八、九次拦截——以及一个更罕见的发现:我亲眼看着一个引擎换了一代模型,行为就从"凭记忆回答"变成了"真联网检索"。全过程 14 天。)

从空间 Scaling 到时间 Scaling摘要：LLM 在预训练规模上遇到瓶颈后，行业叙事正在从"拼算力、拼数据量"转向"拼模型自我改进的迭代速度"。这个直觉方向是对的，且已被产业界实际押注。但"让模型自己改自己、然后疯狂迭代"作为机制主张是脆弱的：迭代速度只是放大器，不是资产；真正决定上限的是外生新颖性与反馈可信度。本文记录一个想法被三次修正的完整过程，并给出一个可证伪的重述版本。

【AI大模型】MCP 模型上下文协议：客户端-服务器架构、JSON-RPC 消息与能力协商、工具发现与调用链路、与函数调用的分工我们把大模型怎么调、函数调用怎么写说得差不多了，接下来更躲不开的是模型外面那一堆数据和服务。这一篇就以MCP为例，把 AI 应用连接外部世界的原理从头捋一遍。

14_MySQL 高可用与容灾架构 —— MGR / InnoDB Cluster / Keepalived+VIP / 双主 / 读写分离 / 两地三中心系列定位：《MySQL 数据库全栈运维实战系列》第 14 篇，与《Oracle 数据库全栈运维实战系列（VMware 版）》同构对标（Oracle 14 高可用容灾：RAC + DG）。适用版本：MySQL 8.0（5.7 差异随文标注）。官方文档：MySQL 8.0 Reference Manual、Group Replication / InnoDB Cluster / MySQL Router 章节。

Surrogate Model：让进化算法学会“预测”，为什么它正在成为智能优化的重要技术？在优化算法研究中，我们经常会遇到一个看似简单、实际却十分棘手的问题：为了找到更好的解决方案，算法需要不断评价新的候选解，但如果每一次评价都非常昂贵，该怎么办？

企业级智能体平台怎么选：腾讯云ADP与其他主流技术路线的架构对比企业选智能体平台，最容易踩的坑是"只看Demo不看架构"。Demo里聊天机器人很炫，真要部署到生产环境、要对接内部系统、要做权限管控、要承担业务责任，才发现平台根本撑不住。本文基于腾讯云智能体开发平台（ADP）和 JOTO 的落地经验，从技术架构角度拆解企业级智能体平台的几条主流路线，帮选型团队把判断框架立起来。

AI时代，中层还要替公司传多少次话？原文：mp.weixin.qq.com/s/0RuFhbPpv…设想一个项目出了问题。一线把情况写进周报，组长整理，总监汇总，再送进高层会议。等决定沿原路传回来，客户已经换了要求。

【LLM推理与Serving⑧】多机多卡Serving：TP/PP/负载均衡与弹性扩缩容全攻略系列文章索引：本系列从基础概念到工程实践，系统梳理LLM推理与Serving的核心知识。本文为第8篇，深入讲解多机多卡场景下的并行策略、负载均衡与弹性架构。