共 88 篇文章
将 Hugo 博客从 Vercel 迁移到 GitHub Actions + 腾讯云 COS
本文记录了将 Hugo 博客从 Vercel 迁移到 GitHub Actions + 腾讯云 COS + EdgeOne 的过程,最终实现了增量同步、并发保护、精准缓存清理的自动化部署流水线。整个 workflow 的编写和迭代主要借助 WorkBuddy(Claude Opus 4.6)完成,OpenClaw 做一些终端辅助。
将 Next.js 照片博客从 Vercel 迁移到腾讯云 Lighthouse
本文记录了将基于 exif-photo-blog 的照片站点从 Vercel 全家桶迁移到腾讯云 Lighthouse 自托管的过程,迁移中借助 WorkBuddy(Claude Opus 4.6)和 OpenClaw(MiniMax-2.5)完成代码改造、脚本编写和问题排查。
Hacker News 热门 - 2026年3月13日
1. Malus – Clean Room as a Service
一款提供"清洁房间即服务"的产品,旨在为开发者提供一个隔离的、安全的计算环境。该项目获得了1212点支持,显示了开发者对于安全隔离环境的强烈需求。这可能与近期频发的供应链攻击、容器逃逸漏洞等安全事件有关,反映了云计算安全领域的新趋势。
从 Vibe Coding 到规范驱动开发:AI 编程的工业级进化
在 AI 辅助开发的浪潮中,“Vibe Coding” 虽然听起来很酷,但本质是依靠直觉和 AI 的模糊理解——你在和 AI “对暗号”,能不能跑通全靠运气。
为了让这种开发模式从「玄学」走向「工业级可靠」,SDD(规范驱动开发) 应运而生,而 OpenSpec 正是落地这一理念的开源框架。
如果你熟悉 TDD(测试驱动开发),会发现 SDD 其实是 TDD 思想在 AI 时代的延伸:先定义"什么是正确的",再让 AI 去实现。TDD 用测试用例描述预期行为,SDD 用规范文档描述系统应该如何工作。
一文读懂 AG-UI 协议:AI Agent 与前端交互的新标准
在 AI Agent 应用开发中,如何让前端与后端 Agent 高效通信一直是个难题。AG-UI 协议的出现就是为了解决这个核心问题。本文将详细介绍 AG-UI 是什么、为什么这样设计,以及它与以往流式输出的区别。
什么是 AG-UI ?
AG-UI(Agent User Interaction Protocol)是一个开放、轻量级、基于事件的标准协议,用于规范 AI Agent 与前端应用之间的通信方式。
它由 CopilotKit 提出,来源于 LangGraph、CrewAI 等项目的生产实践经验,旨在解决 Agent 特有的交互模式问题。
Go 语言 Goroutine 泄露:实战案例分析与排查指南
在 Go 语言开发中,Goroutine 泄露是一个非常隐蔽但致命的问题。它通常发生在一个 Goroutine 被启动后,因为某种逻辑阻塞(比如等待一个永远不会关闭的 Channel 或获取不到锁)而永远无法结束,导致内存逐渐耗尽。
和内存泄漏不同,Goroutine 泄露更难发现——因为 Goroutine 本身占用很小(通常只有几 KB),但成千上万个泄露的 Goroutine 会形成"蚂蚁搬家"效应,最终拖垮整个服务。
本文将分享 4 个实战中非常典型的 Goroutine 泄露案例,并提供排查工具和预防原则。
K8s Service 与 Istio 流量管理
Kubernetes (K8s) 的 Service 是修路并挂牌子,而 Istio 的路由则是专业的交警和智能导航。虽然它们最终都能帮你找到对应的 Pod,但处理流量的方式完全不在一个维度。
Go 1.26 栈内存优化:深入理解 slice 的栈分配与逃逸
Go 语言以高效的垃圾回收(GC)著称,但在追求极致性能的路上,内存分配始终是绕不开的话题。2026年2月发布的 Go 1.26 带来了一个重要的编译器优化:现在可以在更多情况下将 slice 的后备存储分配在栈上,而不是堆上。
这意味着当你在函数内创建一个 slice 时,如果它不会逃逸出函数作用域,Go 1.26 会直接把它放在栈上,无需经过堆分配。这不仅减少了 GC 压力,还提升了缓存局部性,是一个"免费"的性能提升。本文将深入讲解栈与堆的区别、逃逸分析的原理,以及如何写出更高效的 Go 代码。
MCP 完全指南:从协议原理到 Go 服务开发实战
MCP(Model Context Protocol)是 AI 与大模型交互的桥梁,让 AI 能够调用外部工具和资源。本文详细介绍 MCP 的核心概念、三种传输模式的区别,以及如何用 Go 开发自己的 MCP 服务。
MCP(Model Context Protocol,模型上下文协议)是一个标准化协议,旨在增强大语言模型(LLM)与外部应用之间的交互。
基于 Elasticsearch 标签的推荐系统设计
背景
在内容平台中,如何让用户快速找到感兴趣的知识是一个核心问题。基于标签的推荐是一种简单而有效的方案——通过分析用户的兴趣标签,与知识内容的标签进行匹配,实现个性化的内容推荐。Elasticsearch 凭借强大的倒排索引和灵活的查询能力,成为构建标签推荐系统的理想选择。本文将介绍一种基于 Elasticsearch 标签的推荐系统设计方案,涵盖标签匹配、用户画像构建、以及推荐算法的实现。