六小扛把子

摘要： 阅读全文

摘要： 如果将大模型本身比作为桀骜不驯的野马， 那Harness就是一块优秀的马鞍。 Agent = 模型 + Harness 围绕着模型搭建的规则，工具，流程，检查机制都是Harness的范畴 （除了大模型，其他的都是Harness） Harness五大设计 1.上下文架构，了解项目背景和规则 用法：AG 阅读全文

摘要： RAG—检索增强生成 先从外部知识库中检索（Retrieval） 出和用户问题相关的资料 把检索到的资料作为增强（Augmented） 上下文，和用户的问题一起给到大模型 大模型基于这些真实的资料来生成（Generation） 回答 让大模型基于真实、可更新的知识来回答问题的技术方案。它和微调、Pr 阅读全文

摘要： 流量指标 系统日活 系统支持最大qps 节点cpu使用率 内存占用率 接口平均响应时间 接口错误率 机器配置 性能瓶颈分析 1.代理层 出现问题：响应大量502、504 造成原因：连接数超过最大限制 解决方案： 代理层做限流，熔断 2.应用层 出现问题：接口响应慢甚至超时；cpu打满，内存打满；系统 阅读全文

摘要： Claude Code核心流程 一句话： 循环不停地调工具——读文件、改代码、跑终端命令——每次工具跑完，把结果塞回对话历史，Claude 再看结果决定下一步干什么。 就这么一直转，转到任务完成，或者触发终止条件为止。 Claude Code一些设计细节 1.系统级提示词构建 (非用户输入的提示词) 阅读全文

摘要： 大模型应用设计就是将 LLM 作为核心大脑，通过 RAG 获取知识，通过 Tools 执行动作，由 Agent 进行自主决策，并用 Workflow 编排复杂流程。 Agent如何处理用户一次请求 1. 请求接收与解析 功能：接收用户输入（文本、语音、文件等），进行格式标准化 操作： 如果是语音，转 阅读全文

摘要： 什么是LLM？ Large Langurage Model 大语言模型，一问一答的形式 什么是Agent？ 以LLM大模型为大脑，负责执行动作的智能体 可以规划任务，使用工具，记忆能力，循环思考 1.规划任务 由LLM将复杂任务拆解多个步骤执行。 拆解后需考虑步骤间的依赖关系和动态调整——若某步失败 阅读全文

摘要： DDD—领域驱动模型 将代码深度与业务绑定 1.简单概括 传统开发：对着需求文档写代码，数据库怎么设计代码怎么写，业务逻辑分散在controller,service,util，实体类只用作数据的载体(贫血模型) DDD：拉着业务画领域模型，业务规则被封装在领域实体的内部，业务怎么变，实体的代码怎么调 阅读全文

摘要： 事务的基本特性 A原子性：一系列操作为一个原子，都成功或都撤销 I隔离性：不同操作之间读写数据相互独立，不会彼此影响 D持久性：成功提交的数据都会被持久化，不会丢失 C一致性：一致性为最终目的，所有事物处理最终的数据状态保持一致 内部一致性：单数据源有确定并发事务的读写顺序 外部一致性：多个不同数据 阅读全文

摘要： 一.RPC源头与演进 1.进程之间通信方式 管道 Pipe : 两个进程之间传递少量字符流，字节流 ps -ef | grep java 信号 Signal：信号用于通知目标进程 kill -9 pid 信号量 Semaphore：两个进程之间的同步机制 wait() notify() 消息队列 M 阅读全文