摘要: llmdoc v3 官网: https://llmdoc.tokenroll.ai/ Github: https://github.com/TokenRollAI/llmdoc llmdoc的诞生非常无厘头: AI 写的代码太多了, 我完全 review 不过来 尤其在10W 行以上的代码库里, 组 阅读全文
posted @ 2026-08-31 17:09 pDJJq 阅读(5) 评论(0) 推荐(0)
摘要: Claude Code Auto Mode 实现 From: https://www.youtube.com/watch?v=b8SV4U6fEIc Claude Code 的 Classifier 不是传统的逻辑回归、小型分类网络,也不是一套命令黑名单。公开信息显示,它本质上是:一个独立运行的 S 阅读全文
posted @ 2026-08-05 17:09 pDJJq 阅读(21) 评论(0) 推荐(0)
摘要: MCP: 2026-07-28 by Opus MCP 发布了最新的版本的: 2026-07-28 已经列出的主要变更: https://modelcontextprotocol.io/specification/2026-07-28/changelog 非常值得欣喜的是, MCP 正在向 stat 阅读全文
posted @ 2026-08-04 14:52 pDJJq 阅读(59) 评论(0) 推荐(0)
摘要: About Agent Infra Agent 非常火热, 当然到 2026 年最火热的还是在 Coding 领域, 程序员们都爱他 在其他的领域呢? OpenAI 在自己的发布会上特别邀请了一个日本的农民, 用 Codex做农业自动化(WTF) Codex 本身也在不断地说: "Not Only 阅读全文
posted @ 2026-07-20 20:45 pDJJq 阅读(16) 评论(0) 推荐(0)
摘要: CPAT: Context Patch as Tool github.com/TokenRollAI/CPAT Context 是 harness 的重要部分, 过去我们一直讲 context 看做是一个 Queue, 为了前缀的稳定性, 我们要持续的Append message, 这没有什么问题. 阅读全文
posted @ 2026-06-25 19:47 pDJJq 阅读(14) 评论(0) 推荐(0)
摘要: 出北戴河记 大雨落幽燕,白浪滔天,秦皇岛外打鱼船。一片汪洋都不见,知向谁边? 往事越千年,魏武挥鞭,东临碣石有遗篇。萧瑟秋风今又是,换了人间。 北戴河具备一个旅游城市毫无疑问的特质: 风景美丽 气候适宜 热情宰客 卷起的白色泡沫, 在黄褐色沙滩上沉默的消失, 沉默的消失 我不知道该去哪里了, 没有前 阅读全文
posted @ 2026-06-15 15:26 pDJJq 阅读(9) 评论(0) 推荐(0)
摘要: 一场外围的狂欢 Claude Code 的源码泄露了, 然后呢? 公众号, X, RSS, Blog 全部都在讲 Claude Code 的 Harness Engineering Codex Cli / Gemini Cli / OpenCode / Crush 也是开源的, 为什么不早早的去研究 阅读全文
posted @ 2026-04-10 01:46 pDJJq 阅读(32) 评论(0) 推荐(0)
摘要: E2B & FireCracker by GPT5.4 如果你第一次接触 Firecracker,很容易陷入一种混乱: KVM 是不是虚拟机? QEMU 和 KVM 到底是什么关系? Firecracker 是不是“替代了” QEMU? 如果我要自己做一个 mini Firecracker,最小需要 阅读全文
posted @ 2026-04-05 17:16 pDJJq 阅读(92) 评论(0) 推荐(0)
摘要: VAST小记 2.25是在 VAST 的最后一天, 办公室也只回了一半的人 转眼一年半过去了 24年 接到 Alice 的 Offer Call 的时候, 我正在沂河边上钓鱼, 风吹着我有些听不清她的话 鱼漂轻轻的抖动, 马上要中鱼了 嘟囔了几句之后, 我说OK 刀削面确实好吃, 但是也架不住要每天 阅读全文
posted @ 2026-02-25 14:56 pDJJq 阅读(16) 评论(0) 推荐(0)
摘要: 本文源于对 Dolt 数据库仓库的观察,其核心特性是支持像 Git 一样对数据库进行版本管理和 Diff。文章重点解析了实现快速 Diff 的关键技术——Prolly Tree。 传统 B-Tree 因结构依赖插入顺序,导致相同数据在不同写入序列下树形不同,无法高效 Diff;而单纯 Merkle Tree 难以兼顾数据库高频随机读写与自平衡需求。Prolly Tree 作为概率 B 树,结合了 B-Tree 的高效有序读写与 Merkle Tree 的内容寻址特性。 其核心机制在于概率性分块:通过滚动哈希确定节点边界,使树结构仅取决于数据内容而非写入历史,实现了历史无关性。因此,相同数据集合必然生成完全一致的树结构与哈希值。在进行 Diff 时,只需比对哈希值并沿差异分支下行,未修改数据块因结构共享而被跳过。这使得 Diff 速度仅与修改量成正比,即便在 TB 级数据下也能毫秒级完成。文末提供了可视化学习资源供深入理解。 阅读全文
posted @ 2026-02-21 15:48 pDJJq 阅读(43) 评论(0) 推荐(0)