一个记录 AI 时代工程实践的技术博客。
内容分类
AI 相关
- Agent：跨端开发、记忆系统、工具链实践
- Models：模型选型对比、能力边界测试
- Tools：Claude Code、MCP、开发工具生态
大数据与云计算
- Big Data：Spark、Flink、Hive、HBase 实验与课程笔记
- Cloud：Hadoop、Kafka、分布式系统配置
工程实践
- Dev Practice：登录鉴权、开发技巧、工程效率
- DevTools：fnm、mise、yazi、Docker 等工具推荐
- Database：数据库实验与 SQL 优化
基础与分析
- CS Fundamentals：计算机基础、HTTP、Java
- Data Analysis：数据分析实践
技术栈
- 框架：Valaxy
- 主题：valaxy-theme-yun
- 部署：Netlify
- 版本控制：Git / GitHub
写作方式
文章主题思想是我的，部分内容由 AI Agent 代笔。每条技术结论都经过实际验证——要么是代码跑通了，要么是坑真的踩过。
记录的重点不是「这个工具怎么用」，而是「这个工具在什么情况下会撒谎」「为什么这次能交付而那次兜不住」。
内容原则
- 验证优先：先验证，再写结论
- 记录失效模式：正常路径容易找，异常路径是差异化
- 保留置信度：不确定的也记，但明确标记
- 可迁移的启示：每个案例都提取通用规律
更新频率
不定期更新。写的不是新闻，是经得起时间验证的实践经验。