架构

桂花很香,旭很美

Anthropic Agent 工程实战笔记（二）工具设计本模块主要参考（官方）在模块一确定「要用工具」之后，工具设计直接决定 Agent 能多稳、多省 context、多好调试。Anthropic 把工具定义为「确定性系统（你的实现）与非确定性系统（Agent）之间的合约」——和传统 API 不同，工具要允许 Agent 用多种合理策略都能成功，而不是只支持一种固定用法。本模块的线索是：先理解这份「合约」的特殊性（§1）→ 再学会选对工具、写好返回与错误（§2–§4）→ 再用评测驱动迭代（§5）→ 最后用到高级用法与 Think（§6）。

桂花很香,旭很美

Anthropic Agent 工程实战笔记（六）安全与生产本模块主要参考（官方）概览与清单：index.md · 延伸阅读（全网最新）：further-reading.md

两万五千个小时

构建mini Claude Code：08 - Fire and Forget：用后台线程解锁 Multi-Agent 并行执行这是「从零构建 Claude Code」系列的第八篇。根据你的背景，选择合适的阅读路径：考虑这个场景：

桂花很香,旭很美

Anthropic Agent 工程实战笔记（一）架构与选型本模块主要参考（官方）架构与选型是整条学习路径的起点：不先搞清楚「要不要 Agent、要哪种形态」，后面工具、上下文、长任务都会失去前提。Anthropic 的观察 [1] 是：最成功的落地案例往往用的是简单、可组合的模式，而不是一上来就上复杂框架或多 Agent。本模块要建立三个习惯：（1）能用简单方案就不加复杂度；（2）能说清 Workflow（预定义步骤编排 LLM 与工具）与 Agent（模型自主决定步骤与工具）的差别，并会选 Building Block（可组合的编排模式，见 §3）；（3）把工

郝学胜-神的一滴

Effective Modern C++ 条款40：深入理解 Atomic 与 Volatile 的多线程语义在现代C++并发编程中，atomic和volatile是两个经常被误解和混淆的关键字。它们看似相似，实则有着截然不同的用途和语义。本文将深入探讨它们的特性、区别以及在实际开发中的正确应用场景。

正宗咸豆花

Gemini 3.1 Pro架构深度解析与AGI能力评测2026年2月19日，谷歌悄然推出Gemini 3.1 Pro预览版，这款仅以“.1”版本迭代的模型却在核心推理能力上实现历史性突破。在通往AGI的黄金基准ARC-AGI-2测试中，它以77.1%的验证分数将前代Gemini 3 Pro的31.1%甩在身后，性能提升超过147%，标志着大模型从“模式匹配”到“抽象推理”的质变。本文从技术背景、架构解析、性能评测、实战应用、产业影响五个维度，深度解析Gemini 3.1 Pro如何重新定义推理引擎的边界。

两万五千个小时

构建mini Claude Code：07 - 一切皆文件：持久化任务系统这是「从零构建 Claude Code」系列的第七篇。根据你的背景，选择合适的阅读路径：上一篇我们解决了 Agent 的「撑死」问题——三层压缩流水线让 Agent 能长时间运行。

悠闲蜗牛�

云原生架构下的可观测性体系建设：从日志、监控到全链路追踪的工程实践在微服务和云原生架构广泛应用的今天，系统复杂度呈指数级增长。一个简单的用户请求可能需要穿越数十个服务，跨越多个数据中心。当系统出现问题时，传统的监控手段已无法满足快速定位需求。可观测性（Observability）作为云原生时代的关键技术能力，已成为保障系统稳定运行的基石。本文将深入探讨如何在云原生架构下构建完整的可观测性体系，覆盖日志收集、指标监控、分布式追踪三大支柱，并分享生产环境的实战经验。

桂花很香,旭很美

Anthropic Agent 工程实战笔记（四）长任务与多 Agent本模块主要参考（官方）前三个模块解决了「选形态、做工具、管 context」；当任务从「单次对话」变成跨多 context window、多 session、甚至多 Agent 协作时，会出现「一次做太多、过早宣布完成、环境脏、进度不可见、没验证就标完成」等典型失败。本模块讲如何用 Harness（长任务运行框架：Initializer（首轮生成功能列表与环境配置）+ Coding Agent（每轮执行开发与验证的 Agent））和多 Agent 架构把这些失败模式系统化解掉。依赖 01（选型）、02（工

鸿蒙项目实战：手把手带你从零架构 WanAndroid 鸿蒙版在之前的文章中，我们已经讲解了关于鸿蒙的ArkTS与ArkUI的基础知识点。在本篇中，我将带你手把手编写企业级WanAndroid鸿蒙版本的APP，你可以根据本文的节奏一步一步创建属于你的APP！

yangyanping20108

消息队列之消费者如何获取消息消息队列消费数据拉取是指消费者从消息服务器（如Broker）主动获取待处理消息的过程。这一过程是消息队列系统实现异步通信和削峰填谷的核心机制之一。在主流的消息队列中间件中，如RocketMQ和Kafka，拉取模式是消费数据的主要方式。

拆解 OpenClaw - 04：Compaction、Pruning 与向量搜索前三篇覆盖了消息链路、Agent 生命周期、子 Agent 编排。这一篇聚焦一个更底层的问题：上下文窗口是有限的，对话越来越长怎么办？OpenClaw 用三套独立机制应对这个问题——Compaction 压缩历史，Pruning 裁剪工具输出，向量搜索找回旧记忆。

Kubernetes 完全指南：从集群架构到应用模型本文将全面介绍 Kubernetes 的两大支柱：集群架构组件（支撑系统的物理与逻辑部件）与应用模型（用于定义和管理应用的 API 对象）。通过理解它们如何协同工作，你将掌握 Kubernetes 的核心原理与实践方法。

桂花很香,旭很美

Anthropic Agent 工程实战笔记（三）上下文与记本模块主要参考（官方）模块二解决了「工具选什么、返回什么」；但工具的输出会不断塞进 context，长对话、长任务下必然遇到装不下、记不住。上下文与记忆要解决的是：在 context 有限、且存在注意力预算（模型对长 context 的有效关注有限）与 context rot（越长召回越差）的前提下，如何用最少的高信号 token 达成目标，以及如何跨轮、跨窗保持连贯。本模块先讲「为什么 context 是有限资源」（§1）→ 再讲检索与按需加载（§2）→ 再讲长时程的三种手段：compaction（摘要

架构师杂谈：角色、能力与日常https://www.bilibili.com/video/BV12dfBBvExe/?spm_id_from=333.1387.homepage.video_card.click&vd_source=a70e2c0cb9eb9efc930f60fc953984ca

实时流处理架构深度剖析：Apache Flink在实时数仓与风控系统的工程实践在传统的数据处理范式里，我们习惯于"收集-存储-处理"的批处理模式。然而，随着业务对实时性要求不断提高，这种模式逐渐暴露出明显的局限性：数据延迟以小时甚至天计、存储成本不断攀升、实时决策能力缺失。实时流处理技术应运而生，它让数据处理从"事后分析"变为"即时响应"，在金融风控、实时推荐、物联网监控等场景中展现出巨大价值。

笨蛋不要掉眼泪

从零构建微服务网关：Spring Cloud Gateway 核心原理与实战配置详解在微服务架构中，客户端通常需要调用多个后端服务。如果没有网关，客户端需要直接维护所有服务的地址，这不仅增加了客户端的复杂度，也使得服务治理变得困难。

悠闲蜗牛�

下一代API网关深度实践：基于Spring Cloud Gateway的云原生网关架构与治理平台在微服务架构大规模落地的今天，API网关作为服务边界的统一入口，已成为现代分布式系统不可或缺的核心组件。从传统的流量代理到如今的云原生网关，API网关的功能不断演进，承载着流量管理、安全防护、监控观测、协议转换等多项重任。本文将深入探讨基于Spring Cloud Gateway的下一代API网关架构设计，构建一个集网关控制、服务治理、安全防护于一体的综合性API管理平台。

笨蛋不要掉眼泪

Spring Cloud Gateway 核心实战：断言（Predicate）的长短写法与自定义工厂详解在 Spring Cloud Gateway 中，断言是路由规则的一部分。它是一个 Java 8 的 Predicate，接收一个 ServerWebExchange对象作为输入，返回一个布尔值。如果返回 true，则表示该请求匹配当前路由，网关会将请求转发到指定的 URI；否则，继续匹配下一个路由。

特立独行的猫a

基于HarmonyOS ArkTS的MVVM架构最佳实践在HarmonyOS应用开发中，随着业务复杂度的提升和用户交互需求的多样化，如何实现代码的高效维护、模块化协作以及动态数据响应成为开发者面临的核心挑战。MVVM（Model-View-ViewModel）架构模式通过清晰的职责划分和响应式数据绑定机制，结合**单一数据流（Unidirectional Data Flow, UDF）和状态托管（State Hoisting）**原则，为这些问题提供了系统化解决方案。