kbot3 测试删除业务域报错：如何快速定位关联数据
在 kbot3 测试中删除业务域时，若出现无法删除的提示，不一定是界面操作异常，更可能是该业务域仍关联知识库或提示词数据。 01 | 先看报错信息 删除时提示： Cannot delete, this domain contains business (Knowledge base or promp ...
dbt+SQLServer构建数据仓库(6)：Jinja与DAG实战
本文是第 6 篇,深入 dbt 的模板引擎和依赖图机制:Jinja 怎么把 {{ ref() }} 渲染成真实表名、DAG 怎么自动构建和排序、--select 选择器怎么精准控制要跑哪些模型。 ...
Python GUI自动化神器PyAutoGUI
PyAutoGUI 是 Python 的自动化控制库，可模拟鼠标、键盘操作，支持 Windows/macOS/Linux，安装前需确保已安装 Python（推荐 3.6+）和 pip。 v基础功能 一、PyAutoGUI 安装 PyAutoGUI 是 Python 的自动化控制库，可模拟鼠标、键盘操 ...
dbt+SQLServer构建数据仓库(5)：数据测试
本文是系列第 5 篇,讲述怎么声明、dbt 怎么把 YAML 翻译成测试 SQL、测试失败怎么排查、自定义测试怎么加。 ...
OEL 系统时间偏慢处理记录
笔者遇到一次 OEL 主机时间异常：系统时间比实际时间慢约 10 分钟。这个问题看起来不大，但会直接影响日志时间戳，排查问题和比对业务事件时很容易产生误判。 01 | 问题现象 主机上的系统时间明显偏慢，和实际时间大约相差 10 分钟。 在日常运维中，时间不准最直接的影响就是日志不可信。比如业务报错 ...
dbt+SQLServer构建数据仓库(4)：分层建模实战
dbt+SQLServer构建数据仓库(4)：分层建模实战 本文接上篇,从概念走向实操:基于本项目的 5 个模型,讲清楚分层架构的设计原则和每个模型的 SQL 怎么写。 一、引言 前 3 篇讲了概念、对比和配置: 第 1 篇认识 dbt,第 2 篇讲清了为什么不用 SSIS/存储过程,第 3 篇逐行 ...
【知识中枢】RAG技术全景：从原理到企业级落地的完整指南
RAG（检索增强生成）是让大模型"说人话、说对话、说你的话"的关键技术。本文从RAG的核心原理讲起，对比三种技术路线（RAG/微调/纯LLM），拆解企业级RAG的5大挑战，并给出架构设计最佳实践和向量数据库选型指南。 导读 上一篇文章我们诊断了"知识坟场"的病因。这篇文章开始讲"药方"——而R ...
dbt+SQLServer构建数据仓库(3)：dbt_project.yml配置精讲
本篇我们钻进 `dbt_project.yml` 这个项目大脑的内部——**配置怎么继承、物化怎么选、schema 怎么拼接、改完怎么验证**——这些正是本文要补的。读完本文,你应当能独立初始化一个 dbt 项目,理解每一行配置的含义与取舍,并在配置不生效时知道从哪里排查。 ...
改变世界的17个方程，如何重塑 GoodCrew 的架构哲学
在 GoodCrew（基于 OpenClaw.NET 构建的数字员工平台）的架构演进中，我们越来越清晰地看到一个模式——那些看似抽象的数学方程，正在以隐喻的方式指导着 MetaSkill DAG 的设计、Harness 引擎的调度策略、IRDI Registry 的命名空间治理，乃至 OpenSan... ...
OEL 8：Vim 编辑中文乱码，其实是 Locale 没设对
在 OEL 8 环境中，中文文件本身可能没有问题，终端显示也可能完全正常，但一进入 Vim 就变成乱码。这个现象很容易让人误判为文件编码损坏。笔者环境中的根因并不在文件，而在用户 Locale。 01 | 现象：cat 正常，vi 乱码 问题表现很典型： 在 SecureCRT 终端中，直接粘贴中文 ...
修 Bug 的手艺与架构的艺术：从熵增到熵减
在 OpenClaw.NET / GoodCrew 中推动的「本体论投影 + IRDI 治理 + MetaSkill DAG」，本质上就是在构建一套可演化的熵减基础设施——让数字员工的技能组合、领域边界、数据语义都具备显式结构和版本治理，从而把「艺术」的部分尽可能地转化为「可复现的手艺」。 ...
Docker 查看容器日志：别只记 `docker logs -f`
排查容器问题时，很多人第一反应都是看日志。笔者也常用 docker logs -f xxx，但如果容器日志很多，这个命令可能会从很早的内容开始刷屏，等很久才看到真正关心的部分。 01 | 从最近 200 行开始看 假设容器名字是 xxx，最常见的实时跟踪命令是： docker logs -f xxx ...
dbt+SQLServer构建数据仓库(2)：与传统方案对比及迁移决策
本文接上篇的 dbt 定位与工作流程, 讲述:dbt 和 SQL Server 上传统数仓开发相比有哪些范式差异和取舍。 一、引言 上篇我们弄清了 dbt 是什么、一个 dbt 项目怎么跑起来。但"dbt 好不好"是个伪命题——好坏是相对的,得有参照系。这个参照系就是团队现在用的 SQL Serve ...
"从"前锋"到"中场"：为什么 Agent 基础设施的建设者必须是系统思考者
本文架构图基于 GoodCrew（OpenClaw.NET 生态）技术体系绘制。GoodCrew 是面向数字员工的统一基础设施，涵盖 MetaSkill 工作流编排、IRDI 标识治理、DDI Registry 语义管理三大核心能力。 ...
做了一个月 LangGraph Agent 后，我们为什么用两周切到了 Skill？
前言：真正耗时的，是构建一个“能测”的组件页面 在前端组件测试的完整流程中，最耗时的环节往往并不是“执行测试”本身。 无论是验证新功能、完成版本回归，还是复现真实用户场景，自动化测试开始前都必须先构建一个完整的组件测试页面。它的作用是将抽象的组件能力还原为可运行的真实场景：准备测试数据、组合相关组件 ...
dbt+SQLServer构建数据仓库(1)：认识dbt与项目工作流程
「dbt+SQLServer构建数据仓库」是一套基于真实项目的实战学习笔记,记录我从零开始在 SQL Server 上用 dbt 搭建分层式数仓的完整过程。本文是第 1 篇,回答两个问题:dbt 到底是什么、一个 dbt 项目从开发到上线经历哪些环节。 ...
【AI智能客服】2026年企业客服的5大生死命题：为什么传统客服体系正在崩塌
鲲溟智能 · AI智能客服新范式 第01篇 | 2026-07-21 | 阅读时间约12分钟 客服成本年均增长25%、用户期望从"能解决"升级为"秒解决"、人才流失率突破40%……传统客服体系正面临前所未有的生存危机。本文深度剖析2026年企业客服的5大生死命题，揭示AI客服为何不再是"锦上添花"， ...
纯 C# 追平 llama.cpp？.NET 本地推理三国杀
如果有人告诉你：纯 C# 写的大模型推理引擎，性能已经追平了手工调优的 C++——你会信吗？ 这确实发生了。2026 年，.NET 生态里同时出现了三个"本地跑大模型"的方案，而且它们代表了三种完全不同的技术信仰： LLamaSharp：老老实实给 llama.cpp 当"翻译官" dotLLM：不 ...
MCP 第五版 × OpenClaw.NET：从协议升级到生态编排
副标题：当 MCP 从"AI 的 USB"变成"Agent 里的迷你 SaaS"，OpenClaw.NET 如何成为那个 SaaS 的编排操作系统？ 基于 MCP 2026-07-28 第五版规范与 OpenClaw.NET PR #196（csharp-sdk v2.0 升级）的深度解读 引言：一 ...
把 284B 的 DeepSeek V4 Flash 装进纯 .NET：TensorSharp 用一天改写了 .NET 推理栈的位置
DeepSeek V4 Flash 可能是第一个成本合理且可用的本地部署大模型, TensorSharp 实现了用纯.NET 推理 DeepSeek V4 Flash ...
