系统设计

【Agent Harness】Gliding Horse 工具结果压缩体系：如何用“指针”驯服上下文膨胀摘要：本文深入解析 Gliding Horse（流马）Agent 操作系统的工具结果压缩体系。针对 AI Agent 执行长周期任务时上下文窗口易被工具调用结果撑爆的痛点，流马设计了一套“指针+摘要”的纵深防御式压缩方案。文章详细拆解了 ResultRouter 智能路由、ToolResultCompressor 安全网、ContextWindowManager 全局控制三层架构，以及智能回收、流式/非流式路径统一等核心机制。通过将大块结果替换为轻量 IRI 引用并注册微工具，该方案在降低 90%+ To

【Agent Harness】Gliding Horse 上下文动态感知与智能压缩：让 Agent 真正“听得进”每一句话摘要：本文深入解析 Gliding Horse（流马）AI Agent 操作系统的上下文动态感知与智能压缩增强方案。针对 Agent 在多轮对话中“失聪”——忽略用户补充输入、上下文窗口 Token 浪费、注意力稀释等核心痛点，提出基于 RelevanceTracker 的任务关联度评分、SupplementaryInputStore 补充输入修复、L1Session 增强淘汰算法及 topic_coherence_agent 话题检测等关键技术。实测表明，该方案实现补充输入零丢失，上下文 Token 消

【Agent Harness】Gliding Horse 记忆系统深度剖析：像 CPU 一样思考的 AI 记忆架构摘要：本文深入剖析 Gliding Horse（流马）AI Agent 操作系统的四层记忆架构（L0-L3），借鉴 CPU 多级缓存与 MESI 一致性协议，实现近乎无限的“虚拟记忆”与极致的 Token 经济性。涵盖持久化存储、会话摘要链、多 Agent 共享黑板、投影引擎及 Hyperspace 向量引擎等核心组件，揭示其如何让 Agent 像操作系统管理内存一样管理记忆。

【Agent Harness】Gliding Horse 给 Agent OS 装上双曲空间引擎与默克尔树边云同步摘要：本文深入探讨如何将双曲面空间向量检索（HyperspaceEngine）与默克尔树边‑云差分同步协议集成到 Gliding Horse（流马）Agent OS 中。通过双曲几何（Poincaré/Lorentz）实现技能图谱的层次化低维嵌入，将向量维度从 768 降至 64，内存占用减少 90%+；利用 256 桶默克尔树实现边端与云端的高效增量同步，仅传输变更部分；结合锁无关架构与 L0 热缓存，将热点检索延迟降至亚微秒级。方案为多 Agent、多阶段、联邦化工程平台提供了统一的空间记忆引擎，显著

【Agent Harness】Gliding Horse 本体论系统设计：给 AI Agent 装上“语义大脑”摘要：本文深入解析 Gliding Horse（流马）AI Agent 操作系统的本体论系统设计。通过 SHACL 形状约束、OWL 推理引擎、本体对齐与漂移检测，为 Agent 产出的每一条 JSON-LD 数据赋予语义一致性和可追溯性。基于 Rust 和 Oxigraph 图存储实现零拷贝推理，让 AI Agent 从"会执行指令"升级为"能理解并演化知识"的认知操作系统。

【Agent Harness】为什么我把 JSON‑LD “编译成 DAG” 后，整个 Agent 平台立刻聪明了我写的 Gliding Horse（流马）是一个用 Rust 从零构建的 AI Agent 操作系统。如果你问我：整个系统里最“魔法”的一个设计是什么？我会毫不犹豫地回答：把 JSON‑LD 直接编译成 DAG。

【LLM应用可靠性】2-RAG 生产失败模式：如何避免检索生成系统的性能退化许多 RAG（检索增强生成）系统在上线初期检索准确且响应迅速，但在运行一段时间后，可能会面临检索偏离、引用失效以及运行成本增加等问题。本文将系统梳理 RAG 在生产环境中的 12 大痛点与 9 种典型失败模式，并提供对应的工程治理方案。

【LLM应用可靠性】1-Agent 评估体系：从单一指标到 SLO 驱动的体系化评估在 Agent 系统的生产实践中，单纯依赖“任务完成率”这一结果指标，往往难以真实反映系统的稳定性和执行效率。本文将探讨如何通过多维度 SLO（Service Level Objectives）和轨迹评估，构建健壮的 Agent 质量保障体系。

极光代码工作室

基于机器学习的金融风险预测系统随着全球金融市场的复杂化与数字化进程加速，信贷违约、市场波动、操作失误等风险事件频发，传统基于规则和专家经验的风险评估方法已难以应对高维、非线性、动态演化的金融数据特征。本研究聚焦于构建一个端到端的机器学习驱动型金融风险预测系统，旨在提升中小金融机构对个人信贷客户违约风险、企业债券信用风险及交易行为异常风险的量化识别能力。系统采用Python技术栈，集成Scikit-learn、XGBoost、LightGBM与TensorFlow框架，融合多源结构化数据（征信报告、财务报表、交易流水）与半结构化文本数据

Spring Boot 多角色权限隔离实战：接口层+路由层+UI层三层防御，杜绝生产数据泄露做过企业系统的开发者几乎都踩过这个坑：本地测试一切正常，上线后发现 A 角色的用户能看到本不该看到的 B 角色数据。

极光代码工作室

基于深度学习的智能图像识别平台随着人工智能技术的迅猛发展，图像识别作为计算机视觉的核心任务，在安防监控、医疗诊断、工业质检、智慧零售等领域展现出巨大的应用潜力。传统机器学习方法依赖人工特征工程，泛化能力弱、鲁棒性差；而以卷积神经网络（CNN）为代表的深度学习模型凭借其端到端自动学习层次化特征的能力，显著提升了识别精度与系统适应性。本文设计并实现了一个面向多场景应用的基于深度学习的智能图像识别平台，集成图像预处理、模型训练、在线推理、可视化分析与用户管理等核心功能。平台采用模块化架构，后端基于Flask+PyTorch构建，前端采用Vu

通用异步导出服务设计：从业务功能到平台基础能力的抽象在后台管理系统中，“导出 Excel”几乎是一个绕不开的功能。看似只是点击一个按钮、下载一个文件，背后却经常隐藏着性能、稳定性、安全性和用户体验问题。

极光代码工作室

基于NLP的论文智能分析系统随着学术出版规模持续扩大，全球每年新增学术论文超400万篇（据Web of Science 2023年报），科研人员面临严重的“信息过载”困境。传统人工阅读、关键词检索与简单摘要提取已难以支撑高效科研决策。本文设计并实现了一套基于自然语言处理（NLP）的论文智能分析系统，旨在为研究者提供从文献获取、内容理解到知识挖掘的一站式智能辅助服务。系统融合BERT微调模型、TextRank改进算法、SciBERT领域适配预训练、图神经网络（GNN）增强的引文关系建模及多粒度语义聚类技术，构建了涵盖智能摘要生成、核心

系统设计练习 - 实时警员安全报警系统背景：警员佩戴body camera功能要求：1. 实时接收body cam视频流2. 自动检测危险事件

极光代码工作室

基于机器学习的商品价格预测系统随着电子商务与新零售业态的快速发展，商品价格动态调整已成为平台提升竞争力、优化库存周转与增强用户粘性的核心策略。然而，传统基于规则或人工经验的价格决策存在滞后性强、泛化能力弱、难以应对多源异构因素耦合影响等缺陷。本研究聚焦于构建一个高精度、可解释、可部署的商品价格预测系统，融合时间序列特征、市场供需信号、竞品价格波动、用户行为日志及外部宏观因子（如节假日、天气、舆情热度），提出一种“多源特征工程 + 集成学习建模 + 在线增量更新”的技术路线。系统采用Python语言开发，后端基于Flask框架，前端使用

菜鸟的日志

【系统工程】系统可靠性设计与分析可靠性是指系统在既定的环境条件下和预定的时间内，维持其规定功能的基本能力。在现代工程中，必须严谨区分软件可靠性与硬件可靠性的物理本质差异：

一马平川的大草原

软件开发过程中的需求分析、系统原型与系统设计关系剖析最近研读了软件需求工程，编写有效用例和系统化思维导论等书籍，对软件开发的关键节点做了一些记录和思考，具体如下，供参考。在软件开发生命周期中（SDLC），需求分析、系统原型和系统设计三者的互依赖关系及其成果支撑链路。需求分析、编写用例、系统原型和系统设计是紧密关联的核心环，用例和原型是精化需求分析的手段，而高质量的需求分析则是成功的系统设计与项目规划的前提。

极光代码工作室

基于AI的新闻推荐系统设计随着信息爆炸式增长与用户注意力碎片化加剧，传统“人工编辑+时间流”新闻分发模式已难以满足个性化、实时化、高质量的信息获取需求。本研究聚焦于构建一个融合多源特征与深度学习能力的智能新闻推荐系统，旨在提升用户点击率（CTR）、阅读时长及长期留存率。系统采用“协同过滤+内容语义理解+行为序列建模”三级混合推荐架构：底层基于用户-新闻交互矩阵构建图神经网络（GNN）实现高阶协同信号挖掘；中层引入BERT微调模型对新闻标题、摘要与类别标签进行多粒度语义编码；上层设计基于Transformer的用户兴趣演化模块，动态

郝学胜-神的一滴

[系统设计] 新鲜事系统：写扩散与读扩散的实现与对比[系统设计] 新鲜事系统：写扩散与读扩散的实现与对比✨ 前言：在社交产品的核心架构中，新鲜事（News Feed）系统堪称“流量入口的心脏”——从Twitter的推文流到朋友圈的动态墙，从早已落幕的RSS阅读器到当下热门的社交平台，每一次页面刷新，背后都藏着一套精妙的存储与访问逻辑。今天，我们就来拆解新鲜事系统的两大核心实现模式：读扩散（Pull Model）与写扩散（Push Model），聊聊它们的底层逻辑、优劣博弈，以及实际场景中的选型智慧 🔍

基于单片机的智能路灯控制系统设计 | 附源码源码：点击获取源码本项目是单片机课程设计作品，旨在模拟城市路灯的智能化管理场景。传统的路灯控制方式通常依赖人工开关或简单的定时控制，存在能源浪费、维护困难等问题。随着智慧城市概念的提出，智能路灯系统成为城市基础设施建设的重要组成部分。