后端

Netty 4.2.x 源码深度解析 (二十三)：ByteBuf 核心设计 —— 索引、类型与零拷贝如果把 ChannelPipeline 比作 Netty 的"骨架"，那么 ByteBuf 就是流淌其中的"血液"：每一次 channelRead 入站、每一次 write 出站，I/O 数据都以 ByteBuf 为载体在网络与业务代码之间流转。Netty 之所以没有沿用 JDK 自带的 java.nio.ByteBuffer，而是自研了一套 ByteBuf 体系，根源在于 ByteBuffer 在真实网络编程场景下暴露了三个短板：单索引 position 混用读写、flip() 切换状态繁琐易错、创建后

IM踩坑：聊天消息ID怎么设计？一个UUID搞不定，我用双ID解决本文作者蝎子莱莱爱打怪，有修订和排版优化。某信的消息 ID 是什么结构？某信技术团队公开分享过：消息 ID（Message ID）做全局唯一标识 + 序列号（Sequence）做严格递增同步游标，两者职责分离。TG 的消息 ID 按聊天维度递增。Twitter（Snowflake 本家）的消息 ID 就是用雪花算法生成的。

iOS 上架 App 流程第一次 iOS App 上架的时候，最容易卡住可能是，不知道该先弄证书还是先建 App，结果传 ipa 传到一半提示描述文件类型不对；好不容易传上去了，回到提交页一看，构建版本列表又是空的。按时间顺序把 iOS 上架 App 流程拆成 8 步，每步讲清楚做什么、容易卡在哪、怎么确认这步过了，全程在 Windows 上用 Appuploader 走完，不用 Mac、不用 Xcode。前置只有一个硬条件：一个付费的 Apple Developer Program 会员账号——免费账号能真机调试，但不能提交审核

不只命令行：我把跨 Agent 会话同步做成了桌面应用应用名：Agent Session Sync（桌面版）当前版本：1.3.2 下载：GitHub Releases v1.3.2 同源 CLI / MCP 包：cross-agent-sync（命令 ass）

用户835629078051

使用 Python 控制 Excel 工作表的分页位置把一张宽表导出成 PDF 或送去打印时，Excel 会按纸张尺寸自动分页。默认的换行位置由列宽、字号和纸张决定，一旦某个单元格的高度挤在边界上，一行数据就可能被切成上下两半，标题行也不会在第二页重复。

用户835629078051

Python 如何在 Word 中添加和管理文档变量批量生成合同、报告或说明书时，文档里总有几十处需要同步的信息：版本号、生成日期、客户名称、审批人。用字符串替换逐个改写正文，不仅容易漏改，改动也没有统一入口——模板一旦被人工编辑过，替换逻辑就很容易失配。

量化分析码农

股票历史数据的复权参数对照：多级别返回的字段与数值差异历史分时接口的路径里有一段「除权方式」。很多人默认它只是同一个序列的展示选项，于是把不同参数下返回的 c 直接拼进同一张表做比较。实际请求下来会发现：n 下日线收盘价是 11.71，b 下同一天的收盘价是 1197.96，相差两个数量级，而 v 与 a 却完全不变。

讲真，智能路由这事儿，还得看基元律动用 AI 这么久了，我突然意识到一个问题。那就是 AI 厂商太多了，不管是大厂小厂都在发新模型，而且大多数模型发布都很集中，往往 DeepSeek 发完了，GLM 发，GLM 发了还没测，Qwen、Kimi 又杀出来了，几乎每个月都有新版本发布，每家都说自己代码能力又上了一个台阶。

Schema 全绿，Agent 却把参数编造了改了 Prompt，你敢直接发到生产吗？如果答案是"不敢，先人工看几十条 case"，那这篇讲的这类故障，人工看 case 大概率也看不出来——因为它每一步在技术上都是成功的。

Java与AI落地

Spring AI 上手：给现有 Java 服务加一个能用的 AI 接口写在前面：不用新起 Python 服务。一个 BOM、一段配置、一个 ChatClient、一个 Controller，在现有 Spring Boot 里跑出能上生产的 AI 接口，外带流式返回、结构化输出、会话记忆，和四个必踩的坑。

SvelteKit 数据流研究：`+page.js` 和 `+page.server.js` 到底谁在跑，数据又去了哪儿先说个我自己之前踩过的坑。同一个路由下我同时放了 +page.server.js 和 +page.js。服务端那边明明 return 了 user 和 serverTime，页面上死活拿不到，data 里只剩 +page.js 自己新加的那几个字段。第一反应是服务端 load 没执行，打了半天日志，发现它跑得好好的。

历史告警归档：为什么"删掉主库行"是最后一步Alioth 技术笔记 · 第 10 篇 · 存储 / 告警历史仓库：github.com/aide-family… ｜在线演示：web.alioth.asia/

【从零理解 Spring AI · 16】Agent 与工作流：什么该写死，什么该让模型决定第四辑结束时，你手里已经攒齐了所有"零件"：稳定对话、结构化输出、流式、记忆、工具调用、检索增强。现在到了拼整机的时候——用户问一个复杂问题，你的应用该按什么流程调用这些能力？

Agent 调工具报 504 之后：测试如何设计网络抖动下的幂等与补偿验证？给 Agent 配上外部工具（Tool Calling / Function Calling）之后，质量团队常把精力放在「模型能不能选对工具、参数填得对不对」上。但在生产环境下，真正导致业务故障的，往往是网络抖动引发的副效应失控。

Python的内存分析把我坑惨了，原来tracemalloc和memory_profiler的区别这么大小唐那天接到一个告警：一个后台服务的内存曲线在缓慢爬升，从启动时的两百兆，两天涨到了八百兆。重启服务，内存回落，但过两天又涨回去。典型的慢速内存泄漏。小唐打开代码，开始凭感觉加检测。他在几个可疑的函数入口和出口分别记录了 psutil.Process().memory_info().rss，对比进出前后的差值。跑了一轮，每个函数的进出差值都在几兆以内，看起来谁都不像罪魁祸首。但服务整体就是在涨。

转译：《软件工程师现在该怎么办》转译：《软件工程师现在该怎么办》我听过有人说，软件工程师（SWE）要想保持竞争力，就得不断学习写代码和各种技术栈。我并不认同。

用户40752206503

Vibing Coding 之次享通小程序副题：不写一行代码，我是怎么让 AI 把 UI 设计、原型、前后端、云函数全干完的过去一周，我用 AI 完成了一个可上线营业的多租户次卡会员小程序——用户端 + 商户端 + 管理端，45 个页面、13 个云函数、24 个数据库集合，全程几乎没有手写过一行代码。

不传 day 参数，座位图显示全空：用 Python 标准库手写 Web 框架，请求到业务代码前的 5 个细节dev-learning-projects 里有三个练手项目：图书管理、座位预约、电影推荐。它们共用一个 common/web.py，只靠标准库 http.server，路由、JSON 读写、静态文件、token 登录一共一百来行。之前写过这几个项目的并发预约和异常断连，这次专门看这一百来行本身：请求在到达业务函数之前，经过了哪些处理。

本地 266MB 模型，追平大模型 API，还快 0.66 秒RAG 的召回环节给什么，模型就吃什么。召回顺序错了，后面全错。重排（rerank）是修正顺序的那一步。我把三种重排方案在同一个知识库上跑了一遍，结论和预期不同：本地跑一个 266MB 的量化模型，精度追平了调大模型 API，而且快 0.66 秒。

SvelteKit 踩坑记：+page.js 里忘了 ...data，服务端数据全没了前两天写一个页面，同一个路由下我同时放了 +page.server.js 和 +page.js。服务端那边明明 return 了 user 和 serverTime，结果页面上死活拿不到，data 里只剩 +page.js 自己新加的那几个字段。