胶片的魅力，往往在于那种"无法即时预览"的未知感。而在所有胶片技巧中，多重曝光（Multiple Exposure）无疑是最具魔力的游戏——它打破了时间的线性逻辑，让两个或多个瞬间在同一寸底片上交织、重叠。

作为一款经典的纯机械相机，Nikon FM2 凭借其精密的机械结构，为多重曝光提供了极其稳健的操作体验。今天，我们就来深度聊聊如何用这台"机械怪兽"玩转多重曝光，以及如何拍出真正惊艳的梦幻效果。

在期权交易的世界里，熊市策略是每个投资者都必须掌握的核心技能。今天我们要聊的是两种最经典的熊市价差策略：熊市看涨价差（Bear Call Spread） 和 熊市看跌价差（Bear Put Spread）。

两者都是期权交易中经典的温和看跌（Bearish）组合策略。核心思想都是通过"买一个、卖一个"的对冲操作，来锁定最大风险和最大收益，但在资金流向、胜率以及对波动率的态度上有着本质区别。

上一篇《OpenClaw 的 QMD 记忆引擎：从尝鲜到放弃》里，我因为 2 核 4G 服务器跑不动 QMD 的 3 个本地 LLM 模型，切回了内置引擎。当时以为内置引擎只有关键词搜索——其实不是。

OpenClaw 有一套内置的 Memory 系统，基于 SQLite 实现，开箱即用。但对于需要更高搜索质量、更广索引范围的场景，OpenClaw 提供了一个更强大的选项——QMD Memory Engine。

本文梳理 QMD 的核心概念、架构原理、配置方法，以及它在 OpenClaw 记忆体系中的实际角色，最后与 OpenViking 方案做对比。

在完成迁移到腾讯云和 SSL/协议优化之后，照片博客的整体性能已经很不错了。但有一个场景始终令人头疼：CDN 缓存失效后的首次加载极慢。深入排查后发现，问题出在 Next.js 的图片优化机制上。

上一篇文章记录了将照片站点从 Vercel 迁移到腾讯云 Lighthouse 的过程。迁移完成后，站点功能正常、性能也有明显提升。但在对 Nginx 日志和响应时间做进一步分析后，发现回源架构和协议层面还有优化空间。

最近在研究 AI Coding Agent 的工程化实践，绕不开两个概念：Harness Engineering 和 OpenSpec。两者都跟 AI 写代码有关，但解决的问题完全不同。写篇文章梳理一下。

最近给 OpenClaw 装上了 OpenViking——字节跳动火山引擎开源的 AI Agent 上下文数据库。装的过程很顺，但有一个隐藏代价直到我翻官方文档才意识到，本文把这个关键点讲清楚。

之前给博客加了搜索功能，调研了几种方案，踩了不少坑，记录一下。

方案对比

深圳的三角梅正值盛花期，花海长廊，十分壮观。

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。

本文记录了将 Hugo 博客从 Vercel 迁移到 GitHub Actions + 腾讯云 COS + EdgeOne CDN 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。

在腾讯云轻量服务器上部署 OpenClaw 后，cron 全面报错、配置混乱、内存虚高。让 OpenClaw 自己查了几轮没什么进展，于是换 WorkBuddy 上的 Claude Opus 接手——全程没手动敲一行命令。

AI 编程工具层出不穷，但真正的问题不是"AI 能不能写代码"，而是"如何让 AI 按照软件工程的标准流程开发"。2026 年，两个开源项目——Superpowers 和 OpenSpec——形成了一套被业内称为"黄金搭档"的开发范式。

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。

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。

最近Anthropic发布了一份关于AI对劳动力市场影响的研究报告，提出了一些挺有意思的发现。

核心结论

研究的核心发现很反直觉：

1. AI的实际应用远低于理论潜力 — 理论可行 vs 实际使用，存在巨大差距
2. 高学历白领反而更"危险" — 受AI影响最大的是程序员、客服等
3. 目前失业率没有明显变化 — 但对年轻工人的招聘已放缓

《股票大作手回忆录》是华尔街百年经典，记载了传奇投机客杰西·利弗莫尔（Jesse Livermore）四起四落的投机生涯。这本书被彼得·林奇、巴菲特、索罗斯等投资大师反复研读。即使过了近百年，其中的交易智慧依然闪烁着光芒。

2023 年做 RAG，大家讨论的还是"Embedding 模型选哪个"、“要不要上 ColBERT”。2024 年话题变成了"Hybrid Search 到底怎么打分融合"。到了 2026 年，画风基本定了——

生产环境的 RAG 召回优化有三件套：强 Embedding 模型 + Hybrid Search + Rerank 精排。Query 改写、HyDE 这些"技巧"不是没用，而是从"主菜"降级成了"配菜"。

上一篇文章讲了 HyDE 这种"答案侧"技巧，今天这篇文章讲 2026 年的"主路线"。

对 AI 说"帮我写个用户注册功能"，它给出了一套完整的注册、登录、验证码、邮箱验证、数据库迁移脚本——然后你发现，你其实只想要一个接口。

同样是使用 AI Coding，不同开发者之间的表现差异巨大。有人能让 AI 在几分钟内完成一天的工作量，有人却总是在 AI 的错误方向上浪费半天。

本质差异不在于 AI 工具，而在于使用者的能力。 本文从三个维度评估：需求分析与拆解、编程基础与工程实践、AI 协作与交互。

跑过 RAG 的同学大概都踩过这个坑：用户问"我的订单怎么取消？"，向量库里明明有那段"如需取消订单，请前往’我的订单’页面……"，但召回就是捞不回来。

问题出在哪？问题和答案在向量空间里隔得很远——“取消"虽然两边都有，但问句的语气、词汇结构、隐含的主语省略，都让它和那段陈述句形态的答案距离不近。BM25 兜不住（关键词只有两个字），向量检索也兜不住（语义结构差太大），怎么解？

HyDE（Hypothetical Document Embeddings） 就是专门处理这道题的。

在 LLM（大语言模型）应用开发中，如何处理海量的、碎片化的上下文数据是开发者面临的最大挑战。字节跳动火山引擎团队开源了 OpenViking，这是一个专门为 AI Agent 和 RAG 场景设计的上下文数据库。它不仅继承了字节内部支撑抖音、豆包等产品的自研向量检索技术，更针对 AI 原生应用的需求进行了深度优化。

把 RAG 链路拆开看，每一步（解析、拆分、Embedding、检索、重排）都有可以替换的实现。腾讯云知识引擎原子能力做的事情，本质上是把这些环节单独抽成高质量的 API，让开发者按需组合。

这篇文章不是入门教程，而是面向已经理解 RAG 全流程的 AI 应用开发者，重点聊在企业知识库问答场景下，怎么用这套原子能力，以及几个真实的取舍。

你是否有过这样的困惑？

明明记得某个知识点在某篇文章里，可当你需要它的时候，搜索引擎只能给你一堆关键词匹配的碎片。传统RAG（检索增强生成）就像一个"记性不好"的助手——你问什么，它从海量文档中找最相似的段落，但它不懂知识之间的关系。

而这恰恰是Graph RAG要解决的问题。

⚠️ 特别说明：本文是对 Graph RAG 概念的解读，源自对 AST-ASG-Graph-RAG 项目 README 的研究。该项目主要在探讨概念本身，而非一个完整的产品解决方案。

人类自古就梦想像鸟儿一样翱翔蓝天。从古代的竹蜻蜓到如今的喷气式客机，这个梦想用了数千年才真正实现。而让这一切成为可能的，正是空气动力学——一门研究空气运动规律的学问。

简单来说，空气动力学是飞机飞行的物理基础。如果没有空气动力学，飞机就只是一堆沉重的金属，无法离开地面。本文将从四个核心维度，带你深入理解飞机与空气动力学之间的密切关系。

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。

在期权交易领域，有一个被反复验证的规律：大多数新手亏钱，不是因为判断错了方向，而是因为用了错误的思维方式。

在现代社会，“追求快乐"几乎成为一种本能。人们不断购物、刷短视频、追逐新鲜体验——然而，心理学研究反复揭示一个令人不安的事实：越是用力追求快乐的人，往往离快乐越远。

这并非意志力的失败，而是人类神经系统的底层逻辑所决定的。要理解快乐的本质，我们需要先理解大脑中两种关键化学物质的运作机制——多巴胺与内啡肽。

大语言模型（LLM）的训练与部署，是一个横跨数据工程、分布式系统、GPU 架构、强化学习、推理服务等多个领域的综合工程。本文把从原始数据到线上推理的完整技术栈梳理清楚，让你对"模型是如何炼成的、又是如何跑起来的"有一个系统性认知。

作为尼康（Nikon）历史上最传奇的机型之一，Nikon FM2 不仅仅是一款相机，它代表了机械胶片相机时代的巅峰。它的历史可以看作是尼康"紧凑型 F 系列"从小众替代品到成为行业标杆的过程。