📰 来源: 博客园 React 19 引入的 useActionState 是近年来 React Hooks 体系中设计最精巧的 API 之一。它表面上只是一个管理表单状态的 Hook，但内部却隐藏着三 Hook 协作、循环队列调度、Transition 上下文恢复、Thenable 状态追踪等一系列精妙的工程实现。我们将从源码出发，逐层剥开它的架构设计，帮助我们真正理解这个 API 背后的设计哲学。 一、为什么 useActionState 值得深入分析？ 在 React 19 之前，处理一个带有异步提交、loa…

📰 来源: 博客园 New API 是一个开源的 LLM 网关平台，把多个 AI 服务商的接口聚合成标准 OpenAI 兼容 API。企业采购了各家模型的 Token Plan 之后，需要一个统一入口来分发、管控、计费。这篇文档记录的是：怎么用 New API 把这件事做成。 这是整件事的地基。New API 支持 Docker 单容器、Docker Compose、1Panel、宝塔、集群部署等多种方式。企业内网场景推荐 Docker Compose，自带 postgres 和 Redis，数据不丢。 一台 Li…

📰 来源: 博客园 <dependency> <groupId>commons-collections</groupId> <artifactId>commons-collections</artifactId> <version>3.2.1</version> </dependency> 入口：org.apache.commons.collections.Transformer 我们这里找到了有重写transform方…

📰 来源: 博客园 很多人用 AI，总觉得它答非所问、输出的内容永远差一口气，其实问题大多不在 AI 本身，而在于你没跟它说清需求 —— 提示词，就是你和 AI 高效沟通的核心语言。它本质上是给 AI 的一套完整行动指令，核心要讲透三件事：你到底想要什么、这件事要按什么逻辑和标准做、你最终期待拿到什么样的结果。 如果喜欢看视频学习的，可以看这个《13. 2 分钟动画学会提示词，从此 AI 听你指挥》，喜欢看文章的接着往下看。  这就像你给厨师下单，不能只干巴巴说一句 “做个菜”，得说清要什么菜式、忌口什么食材、口味…

📰 来源: 博客园 在人工智能架构的深层演进中，系统设计正在经历一场从孤立的大语言模型（LLM）端点向复杂的、分布式的多智能体系统（Multi-Agent Systems, MAS）的根本性范式转变。随着企业级智能化应用的广泛部署，智能体之间的通信和协同能力逐渐取代了单一模型的参数规模，成为决定整个数字生态效率的核心战略瓶颈。由于不同的智能体往往基于异构的框架（如Semantic Kernel、LangGraph或定制编排器）构建，缺乏统一的通信模型导致了系统集成的脆弱性、逻辑的冗余以及智能的孤岛化。在这一背景下，…

📰 来源: 博客园 上篇文章聊了为什么2026年个人博客反而“文艺复兴”了，后台有不少兄弟问：那现在到底怎么建一个自己的博客？用什么工具？花钱不？会不会很麻烦？ 今天就专门写一篇，把2026年建个人博客的各种方案给你捋一遍。从零代码到全自建，从免费到付费，总有一款适合你。文章有点长，但看完你心里就有数了。 一、先想清楚一个问题：你为啥要建博客？ 在选方案之前，先问自己一个问题：你写博客的目的是什么？ 只是随手记录，比如读书笔记、日常感悟、技术踩坑→ 方案一（零代码/AI工具）或方案二（简单托管） 做技术分享，代码多…

📰 来源: 博客园 大模型最头疼的问题是什么？"幻觉"——一本正经地胡说八道。RAG（检索增强生成）是如何解决这个问题的？这篇文章带你从零理解RAG技术。 一、大模型的三大"知识痛点" 1.1 痛点一：知识效率低 你以为大模型读了那么多书，应该记得很牢？ 实际上，模型对知识的记忆效率惊人地低： 大模型就像一个"记忆力很差的学生"，读了100遍才记住一个知识点，而且还会记错。 1.2 痛点二：知识是静态的 大模型的知识来自预训练数据，有一个致命问题：时效性。 问："2024年世界杯冠军是谁？" GPT-4（训练数据截…

📰 来源: 博客园 2025年图灵奖颁给了强化学习的奠基人Richard Sutton和Andrew Barto。为什么强化学习如此重要？它如何从训练老鼠变成训练大模型？这篇文章带你一探究竟。 一、一个老鼠实验引发的革命 1.1 斯金纳箱：强化学习的源头 1930年代，心理学家斯金纳做了一个著名实验： 老鼠偶然按压杠杆 → 食物掉出来（奖励） 多次之后 → 老鼠主动频繁按压杠杆 "按杠杆 = 有吃的！" 这就是强化学习的核心思想：通过尝试动作，根据获得的奖励调整行为。 半个世纪后，这个思想启发了AI研究者： 如果老…

📰 来源: 博客园 1. 项目定位与核心能力辨析 1.1.1 代码分析工具而非代码生成器 graphify-dotnet 本质上是一款代码分析与知识图谱构建工具，而非直接通过自然语言生成 .NET 代码的代码生成器。从项目描述来看，其核心定位被清晰地表述为："Build AI-powered knowledge graphs from any codebase. Understand structure you didn't know was there."（从任意代码库构建 AI 驱动的知识图谱，发现你未曾知晓的…

📰 来源: 博客园 1. 前文总结 和 运行期前置知识 这个系列文章，已经写了一少半了，现在终于到了动态执行阶段了。 我们首先需要梳理一下知识，这部分内容，相对独立，但是都算是比较重要的知识点。 预编译的说法为什么不建议使用 在我们平时看文章，看资料，甚至是看一些比较权威的文档时，预编译 这个术语非常常见。但是，在js中，预编译 是个伪术语，是一些教材教程在以前的js教学中，为了解释变量提升等一些问题，生造出来的一个词语，后来，只要是运行期以前的 甚至是在和运行期交织发生的一些动作流程，统统装进了 预编译 这个大口…

📰 来源: 博客园 本文是「深入 Open Agent SDK (Swift)」系列番外篇。 前七篇文章从各个子系统分析了 Open Agent SDK 的设计。但 SDK 写得好不好，最终得放到真实项目里验证。这篇文章记录我把 SDK 集成到一个开源 macOS 原生 Agent 应用——Motive——的完整过程：从理解原有架构到实现替换，以及一路上踩过的坑。 Motive 是一个 macOS 原生的 AI Agent 桌面应用，用 SwiftUI 写的。它的核心交互是：用户输入 prompt → Agent …

📰 来源: 博客园 大一上学期“人工智能与计算科学”：期末考试要求大家用 Word 画流程图。 大一“工程制图”/“机械工程基础”：主流的生产方式显然是方便的 CAD 画图，但期末考试要求同学们手绘。 大一下学期“机械工程基础”：期末考试需要上机完成读图选择题，难以进行标注，只能心中模拟。最恶心的还得是“图中缺失了几条粗实线”，不但要心里补画，还要记清楚个数不重不漏。 大二上学期“数据结构”：代码本应该用电脑编写运行，但期末考试要手写代码。注意，这里指的是写在纸上，不是指与 vibe coding 相对的传统手艺。…

📰 来源: 博客园 话接上回，中医游戏第一版惨遭滑铁卢。 我把90%的锅扔给了"需求定义不清楚"，但万万没想到跨过需求的坑，就跳进UI的坑，出了UI的坑又进入测试的坑，总之是花式踩坑。当前项目代码在这里tcm_odssey 因为把大量时间花在了UI和地图上，导致这周还没做到最核心的对话环节。 目前只是有了： ✅ youxiyindaohe ✅ 外景地图 ✅ 药园和诊所两个核心内景 ✅ 问诊、煎药、配伍的小游戏壳子 ✅ 让玩家走起来了（请先忽略人在房檐上走这件事……毕竟我主机装不了TileMap Editor，除了L…

📰 来源: 博客园 SonnetDB 是由 IoTSharp 团队（maikebing）开源发布的一款高性能时序数据库引擎，基于 C# / .NET 10 构建，采用 MIT 许可证。该项目专为 IoT 物联网、工业控制、运维监控和实时分析场景 设计，标志着 .NET 生态在时序数据领域的重大突破。 注意：GitHub 链接 github.com/IoTSharp/SonnetDB 当前返回 404，仓库可能尚未公开或处于早期开发阶段。但从官方发布信息来看，该项目已完成首个重要里程碑，具备生产级能力。 Sonnet…

1. 架构设计理念与核心哲学 1.1 设计目标与定位 1.1.1 为 .NET 生态系统提供原生 AI 编码智能体运行时 SharpClawCode 是一个专为 .NET 10 和 C# 13 生态系统设计的 C# 原生编码智能体运行时（coding-agent runtime），其根本定位在于填补 .NET 开发者在 AI 驱动开发工具领域的结构性空白，github：https://github.com/clawdotnet/SharpClawCode 。与 Python 或 TypeScript 生态中大量涌现…