架构设计

【RUST AI】把 TTS 搬进浏览器：kokoroi-rs 的 WASM 实践摘要：本文深入解析 kokoroi-rs 项目的 WASM 模块，展示如何将 Kokoro TTS 模型编译为 WebAssembly，在浏览器中实现纯前端、零服务器的高质量中文语音合成。文章涵盖整体架构（G2P 引擎 + ONNX 推理）、两种推理后端（ONNX Runtime Web 与纯 Rust oxionnx）的深度对比、JavaScript API 设计、构建与 Demo 演示，以及隐私安全、性能表现与未来方向。适合关注 Rust + WASM + AI 的前端开发者、隐私敏感应用及边缘计算场

Rain的Java大神实战圈

线上慢SQL的排查思路"先止损 - 再定位 - 后根治 - 防复发" 的四步黄金流程 🚀线上出问题，先保服务可用，再慢慢排查根因！

Rain的Java大神实战圈

MySQL单表有10亿数据如何做迁移整体思路是先全量后增量，双写兜底，灰度切换，可回滚。推荐方案：用 DataX 按主键范围切分 100-200 个并行任务做全量迁移，速度可达 10 万行 / 秒以上，10 亿数据约 2-3 小时完成。

HarmonyOS趣味相机实战第13篇：CameraPicker与CameraKit选型、系统拍照回退及架构边界HarmonyOS 应用需要“拍一张照片”时，并不一定要自己管理 CameraInput、PhotoSession、XComponent Surface 和 PhotoOutput。若产品只需要调用系统拍摄界面并拿回结果，CameraPicker 能显著减少相机生命周期代码；若产品需要在应用内实时预览、倒计时、闪光灯、水印叠层、人体识别、前后镜头切换或双摄扩展，则必须使用 CameraKit 自定义会话。

MateCloud微服务

从 prompt 直连反模式到企业 AI 中台：一次架构演进的完整拆解算力、模型、智能体、技能、MCP 五件套自持一句话总结：模型迟早会变成像数据库、像 CDN 一样可替换的基础设施。真正该被你攥在手里的，是模型上面那一层 —— 算力、模型路由、智能体、技能、MCP。这一层，我管它叫企业 AI 中台。

Rain的Java大神实战圈

如何统计亿级用户的在线状态这个问题本质上不是简单的计数问题，而是高并发写入 + 低延迟读取 + 海量数据的综合挑战：我会从最简单的方案开始，逐步演进到适合亿级用户的架构：

Rain的Java大神实战圈

扫码登录的实现原理扫码登录的核心本质是利用已登录的可信设备（手机），为未登录的不可信设备（PC）颁发身份凭证，本质是跨设备的身份授权流程。

Rain的Java大神实战圈

附近的人功能如何设计面试官您好，关于“附近的人”功能，我先明确几个核心点：这是实现附近的人最核心的技术，将二维经纬度编码为一维字符串：

Rain的Java大神实战圈

每日排行榜功能如何设计基于这些，我习惯从存储、缓存、计算、更新四个维度来设计。👇💡 核心理念：写的时候异步累加分数到 Redis，查的时候直接读 Sorted Set，客户端可以再缓存一小会儿。

400电话+语音机器人+云客服系统融合方案：企业通信中台的技术选型与架构实践摘要：当400电话、语音机器人和云客服系统各自孤立运行时，客户上下文丢失、转接流程断裂、质检数据分散成为企业服务效率的三大瓶颈。本文从技术架构角度出发，深入拆解三系统融合的统一会话管理、人机协同策略、录音数据湖设计等关键实现方案，结合多行业适用性评估框架与主流服务商技术对比，为企业技术选型提供可落地的参考指南。

Rain的Java大神实战圈

春节抢红包金额随机算法如何设计所有抢红包算法必须同时满足这 3 个硬约束，缺一不可：拿到题你第一反应应该是明确约束，而不是“随机数生成”。

【Agent Harness】Gliding Horse v0.1.4.preview 发布：时间感知、闭环审计与智能增强摘要：Gliding Horse v0.1.4.preview 正式发布，本次更新聚焦三大核心能力——时间感知、闭环审计与智能增强。Agent 首次具备统一时间线系统，支持时间衰减重排序与时间范围过滤；5W2H 审计从数据容器升级为维度级闭环诊断子系统，Failed 维度自动触发因果引擎根因分析；SA 模块按生命周期拆分为 8 个独立模块，知识图谱上下文注入、Hyperspace 语义搜索、技能图谱冷热分离等智能感知能力同步增强。本文详细解读 v0.1.4 的技术架构与设计思路。

Rain的Java大神实战圈

订单超时如何自动取消订单超时自动处理的本质是延迟触发状态变更 + 业务兜底，必须解决三个核心问题：我整理了四种工业界常用的方案，各有优劣：

Rain的Java大神实战圈

高并发下如何防止商品超卖少卖超卖 / 少卖的根源都是 "读 - 改 - 写" 非原子操作导致的竞态条件：适合初创项目或低流量场景，纯数据库实现，无额外依赖。

【Agent Harness】Gliding Horse 整体架构拼图：当 AI Agent 有了自己的操作系统摘要：本文深入解析 Gliding Horse（流马）——一个用 Rust 构建的 AI Agent 操作系统的七层架构。从 PDCA 调度状态机、JSON-LD 语义总线到四级分层记忆，全面拆解其如何将 LLM 从“聪明但散漫”转变为“可靠且可依赖”。适合对 AI Agent 架构、Rust 系统设计、Agent 编排感兴趣的开发者阅读。

数据库小学妹

数据库架构入门到进阶：单机、主从、分库分表到分布式的选型实战大家好，我是数据库小学妹 👋今天聊一个我以前特别容易混淆的话题——数据库架构。说来惭愧，我刚入行那会儿。领导让我说说公司的数据库架构。我憋了半天，来了一句："我们用的MySQL，主从复制，读写分离。"领导看了我一眼，说了句让我记到现在的话：“这不是架构，这是选了个产品。”

Gliding Horse 时间感知系统：让 AI Agent 真正“感知“时间流逝摘要：本文深入解析 Gliding Horse（流马）的全链路时间感知系统设计，涵盖数据模型时间戳增强、向量存储时间范围过滤、指数时间衰减相关性评分、Agent 提示词时间感知注入以及配置化超时控制五大维度。通过 Rust 实现的时间感知架构，让 AI Agent 在长周期自主运行中精准区分新旧信息，自动衰减陈旧数据权重，实现真正的时间感知能力。关键词：AI Agent · 时间感知系统 · 时间衰减 · 向量检索 · 时序数据 · Gliding Horse · 流马 · Rust · 智能体 · 相

【系统架构设计师】案例分析篇本系列文章为软考系统架构设计师笔记，参考 b 站相关视频及相关资料结合自身思考总结而成，参考资料在文末给出，感谢相关博主的分享。如有侵权，立即删除。

边缘计算在预测性维护中的应用：数据处理不下云去年Q3，我们在浙江一家做汽车零部件的工厂落了一个预测性维护项目。年产值大约3个亿，车间里有47台关键机床，每台上面都贴着温振一体传感器。甲方IT负责人一开始特别执着："所有数据上云，用我们的阿里云账号做分析。"我说行，先跑一周试试。结果你猜怎么着？每天采集的振动波形原始数据大概240GB，光是专线带宽升级就报价17万一个月。老板当场愣住，说了句我至今记得的话："你们这是预测性维护还是预测我破产？"