架构

特立独行的猫a

一切皆插件：DeepSeek Harness 的架构哲学，以及与主流 Agent 的对比模型、工具、技能、会话、沙箱、存储、循环、调度、UI——在 DeepSeek Harness（dsh）里，这些全部是插件，没有一个是"核心"。这篇讲清楚这句话到底意味着什么、背后的理论是什么，以及它和当下主流 agent（Claude Code / Codex / AtomCode / openJiuwen 生态）实现的本质区别。

数智化管理手记

数据治理不规范？标准化数据治理如何搭建与落地？标准订了一摞，数据还是各说各话，问题出在哪？前阵子跟一位制造业的数据负责人聊天，他说了一句话让我特别有共鸣。公司花了大半年做数据治理项目——定了标准、建了平台、洗了数据。结果上个月做跨系统报表时，ERP和MES的物料编码还是对不上，库存数据依然在打架。

我的 UML 学习笔记：结合 Android 实例看懂 4 种常用图表UML (Unified Modeling Language) 是统一建模语言，它的核心就是图表。使用它可以帮助我们开发者设计和理解系统，也方便向他人阐述系统。

【架构实战】OpenTelemetry链路追踪实战：从零到生产的完整指南上篇文章我们聊了可观测性的三大支柱——Metrics、Logs、Traces。很多同学说"道理懂了，代码怎么写还是一头雾水"。今天就来手把手实战，用OpenTelemetry从零搭建一套生产级的链路追踪系统。

用 DDD 设计工作流引擎：聚合根与充血模型系列定位：jeeflow 系列第 5 篇（第二季「核心设计」第 2 篇）平台：掘金（代码密度高，原理讲透）素材版本：引擎 v1.8.15，源码取自 jeeflow-java 前置阅读：第 3 篇 · 状态机与 submitType

Claude Code 如何恢复一段会话一段 Claude Code 会话做到一半，关掉终端，之后再运行 claude --continue，通常还能接着做。终端里的旧消息会重新出现，能恢复的 agent 配置、Git worktree 等工作状态也会一并带回来。

分布式锁架构方案选型与实践在电商交易系统中，库存扣减是最典型的并发资源争抢场景。以秒杀活动为例，当数万用户同时抢购少量商品时，系统面临的核心挑战是超卖风险——多个并发请求同时查询库存并扣减，导致库存扣减数超过实际库存量。

段一凡-华北理工大学

AI推动工业智能化转型~系列文章20：工业 AI 平台架构：云-边-端协同的技术体系单个模型可以跑在笔记本上，但一个企业的几十上百个模型需要平台承载：数据要从传感器流进来，模型要持续训练部署，推理要在毫秒级响应，安全要分区隔离。本期讲解工业 AI 平台的云-边-端架构与数据流设计。

Harness Engineering：Pi Agent 架构深度解析在之前的文章中，我们系统性地讨论了 Harness Engineering 的七大设计准则——从 Loop、Tool Registry、可观测性到上下文管理与压缩。这些准则构成了企业级 AI Agent 的工程化底座。但好的理论需要有好的实践作为参照。

OpenBao开源密钥管理系统：技术架构、核心功能与行业应用研究本文对OpenBao开源密钥管理系统进行全面技术评估和选型参考研究。OpenBao作为HashiCorp Vault的开源分支，由IBM工程师发起，旨在提供管理、存储和分发敏感数据的企业级解决方案。研究表明，OpenBao采用分层架构设计，包含HTTP/S API层、Barrier层、路径路由层和存储后端层，通过四阶段安全模型实现密钥管理。其核心功能包括动态密钥生成、加密即服务、证书管理、访问控制和安全审计，在金融、政务、能源等行业应用中展现出显著技术价值。与同类产品相比，OpenBao在开源许可、功能特

从夯到拉：锐评国内向量模型选型大家好，我是大煊。最近在做一个客服项目，想把常见问题和产品资料接到 Agent 里。做到 RAG（给 Agent 接知识库）这一块时，我被 Embedding（向量模型）卡住过。它负责把用户的问题和知识库里的内容变成能互相匹配的东西，模型名却一口气冒出来一大串。

两万五千个小时

DeepSeek Harness 上下文拼接：让 AI 准确行动「深入理解 DeepSeek Harness」系列第 2 篇。全系列地图见第 0 篇《5 分钟看懂 DeepSeek Harness》。

这次不是演习，Vibe Coding复刻联机桌游！就在前不久，朋友组了一个桌游局，本人很荣幸地受到了邀约。说实话，这样一群人凑在一起，昏天黑地沉浸在游戏里的感觉，自从大学毕业以后已经很久没有体验过了。

深海鱼在掘金

深入浅出RAG——第8章：RAG 的局限性及应对策略📖 本章学习目标在《第7章：基础篇实战：文档问答机器人》中，我们构建了一个可运行的文档问答机器人。你很可能已经注意到，它并不是每次都能给到完美答案。有时检索到的文档不相关，有时模型忽略了检索结果，有时答案看起来合理但实际是错误的。

让 AI 读懂一份文档：从六块积木，到敢于做减法我们天天让 AI 吃文件，却很少停下来想：AI 读一份 Word、一份 Excel、一张 PPT，它到底读到了什么？这篇文章不聊"怎么调 API"，聊的是藏在解析库底层的一套架构思路，以及我做自己的工具时，最想分享的那个判断。

SparkSQL 数据源与底层架构深度剖析摘要：SparkSQL 作为 Apache Spark 生态中最核心的模块之一，不仅提供了统一的 SQL 查询入口，更承载了 DataFrame/Dataset API 的全部执行能力。本文从数据源接入机制入手，深入 Catalyst 优化器四阶段流水线、WholeStageCodegen 代码生成、Tungsten 执行引擎等核心组件，结合源码级追踪，全面剖析 SparkSQL 底层架构设计。无论你是日常写 SQL 的数据工程师，还是需要调优 Spark 作业的架构师，这篇文章都会让你对 SparkSQ

Lysander.Jovian

LNMP 架构部署 ECShop 电商平台实战ECShop 是商派旗下多场景在线商城系统，本实战基于 CentOS7 搭建 LNMP 环境，部署 ECShop V4.1.20 电商商城，单节点服务统一承载 Nginx+MariaDB+PHP，节点 IP：10.1.8.10/24，域名：shop.laogao.cloud

【架构实战】链路追踪与可观测性实践：从日志孤岛到全链路可见分布式系统出问题的时候，最让人崩溃的不是"服务挂了"，而是"不知道哪里挂了"。一个请求经过网关→认证→业务→数据库→缓存→消息队列，涉及七八个服务，任何一个环节出问题都可能导致最终响应慢或报错。但日志散落在各个服务里，查一个问题要在多个终端之间来回跳转，效率极低。

茫茫人海一粒沙

Browser Automation for Coding Agents：六种架构方案深度对比Playwright、Claude Code、Cursor、VS Code、OpenCode、OpenClaw，到底是如何让 AI 控制浏览器的？

为什么智能体 Agent 需要本体 Ontology在构建基于大语言模型（LLM）的智能体（Agent）系统时，一个核心矛盾始终存在：LLM 的概率生成特性带来了强大的创造力，同时也引入了不可预测的"幻觉"和行为。当智能体获得自主执行动作的能力后，这种不确定性将直接转化为生产环境中的风险——错误退款、状态不一致、资源无限消耗等。