后端

葫芦和十三

图解 MongoDB 28｜块与迁移：balancer 怎么均衡数据前面讲片键决定了数据怎么分布，但没讲数据分布后怎么保持均衡。新数据持续写入、加新 shard、不同片键范围数据量不均——这些都会让各 shard 的数据量失衡。负责保持均衡的是 balancer（均衡器），它操作的基本单位是 chunk（块）。

葫芦和十三

图解 MongoDB 27｜分片策略：范围分片 vs 哈希分片上一篇讲了片键设计的三个目标，这一篇讲片键选好后，怎么分——范围分片还是哈希分片。这是同一个片键的两种分散策略，它们直接决定了：范围查询能不能定向、写入会不会热点。选错了，要么查询全广播，要么写入堆在一个 shard。

paopaokaka_luck

英语单词学习系统的设计与实现（基于艾宾浩斯遗忘曲线的智能复习机制、语音朗读、多题型测试与错题自动收录、Echarts图形化分析）🎈系统亮点：基于艾宾浩斯遗忘曲线的智能复习机制、语音朗读、多题型测试与错题自动收录、Echarts图形化分析；

我叫黑大帅

MySQL 并发插入竞态问题：原子写入实践指南在涉及唯一约束的业务场景中，比如用户注册、唯一编号数据写入，“先查询是否存在，不存在再插入”是很容易想到的直觉写法。

AI大模型核心八：从 Agent Skill、长文档 RAG 到知识库更新与训练策略大模型应用真正落地时，问题往往不只是“模型能不能回答”，而是整套系统能不能稳定、准确、低成本地运行。例如：

我叫黑大帅

别再手动写 updated_at了，这坑我踩过做后端写业务表，updated_at 几乎是标配。谁都知道它用来记数据最后修改时间，排查问题、对账、做增量同步都靠它。

AI大模型核心七：从 Workflow、RAG、记忆治理到幂等性很多人刚接触 Agent 时，会觉得：既然大模型可以推理、规划、调用工具，那是不是把所有事情交给 Agent 就行了？

AI in Harness（二）书接上文 juejin.cn/post/765961…让 agent loop 在面对 LLM 三类常见故障(输出截断 / context 太长 / 后端过载)时自我恢复,而不是把异常一路抛回出去。

Python装饰器竟然偷偷改了函数名？这个坑我爬了三天在Python开发中，装饰器（Decorator）是一种强大且灵活的工具，它允许开发者在不修改原始函数代码的情况下，动态地扩展函数的行为。然而，装饰器并非没有“坑”，其中一个容易被忽略的问题就是函数名的隐式修改。这个问题看似微不足道，但在某些场景下（如调试、文档生成、序列化等）可能导致难以排查的Bug。本文将深入探讨这一现象背后的原理、实际影响以及解决方案。

GPT-Image-2 文生图：如何稳定生成完整的人物全身照？技术关键词：文生图、提示词工程、GPT-Image-2、多模型对比、A/B测试在文生图的实际开发与调试中，full body（全身照）的生成一直是个高频痛点。即便你写了“全身”，模型仍然可能只给出一张半身特写，或是把脚“裁切”在画布之外。这并非单一模型的能力缺陷，而是提示词对画幅约束、语义权重、视觉锚点的编码不够精准。本文从工程化调试的角度出发，拆解如何让 GPT-Image-2 稳定输出完整的人物全身照，并提供一套可复用的提示词模板与多模型验证方案。

支付后端研发的 AI 工作流实践：巡检、排查、开发全流程落地我做国际支付业务的后端研发。过去大半年，我把 AI Agent（Claude Code）真正嵌进了日常工作流——不是"让 AI 写个函数"这种玩具用法，而是覆盖线上巡检、问题排查、需求开发三个核心场景的完整工作流。这篇文章总结我目前的用法、沉淀下来的方法论，以及踩过的坑。

我最近在写 BeeWeave，想把 Agent 用过的上下文留住事情是这样的。最近我一直在折腾一个小仓库，叫 BeeWeave。地址在这里，github.com/ptonlix/bee…

Spring 容器 Map 注入机制详解在 Spring 框架中，依赖注入（DI）是核心基础能力。日常开发中我们常通过 @Autowired、构造器注入单个 Bean，而 Spring 还提供一个非常实用的批量注入能力：自动将同一个接口的所有实现类全部收集到 Map/List/ 数组中注入。

MyBatis-PlusMyBatis-Plus（简称 MP）是一个 MyBatis 的增强工具包。它在你熟悉的 MyBatis 之上做了增强，但不改变任何原有的东西——你之前怎么写 MyBatis，现在依然可以那么写，只是多了一个更省事的选项。

微服务资源优化新思路：Sablier + Podman 实现按需启动与自动休眠摘要：本文介绍如何通过 Sablier + Podman 实现微服务的按需启动与自动休眠，解决资源有限环境下 Java 微服务空闲时仍占用大量内存的痛点。方案基于 Scale-to-Zero 理念，容器空闲时彻底停止释放资源，请求到来时自动唤醒，对业务代码零侵入，内存占用可降低 50%-80%。

接着奏乐接着舞。

【2026年7月最新】69道RAG面试题RAG本身的概念还是很容易理解的，既：索引→检索→生成→评估四个环节串联，但是在实际的开发项目中还是经常遇到一些问题，而最好的方式就是通过面试题的形式进行记忆和查找，以点带线，以线促面，以下面试题基于实际开发项目以及我们要想掌握RAG必须会的。ps:建议学习一下milvus的使用

Spring Cloud Gateway 全链路 traceId 传递方案在 Spring Cloud Gateway (WebFlux) 微服务架构中，实现 traceId 从网关到下游服务的全链路传递，确保每一处日志都能关联到原始请求。核心挑战在于三个场景的 MDC 丢失问题：

神奇小汤圆

我们如何在 Elasticsearch 上构建一个持久 agent 记忆层，实现 0.89 召回率和零租户泄漏发现基于 Elasticsearch 构建的持久化、多租户 agent 记忆层架构：三个索引、结合 RRF 和重排序器的混合检索、supersession、衰减机制以及按用户的 DLS（Document-Level Security）隔离。在 168 个问题上 R@10 达到 0.89。包含完整开源实现。

裁员了，公司很爽快，赔偿一分没少 | 沸点周刊 7.8公积金结息了，晒晒你的“年中奖”如果精神离职有段位程序员脱单到底有多难内容评审们会在过去的一周内对社区沸点进行挖掘和筛选，优质的技术、生活内容有机会出现在下方榜单中，排名不分先后。