AI 流式 Markdown 单次解析预算:分段封口与语义门禁
按帧合并只能减少 commit 次数,不能降低一次 commit 的 Markdown 工作量。本文用封口块、延迟富化和确定性重放约束解析成本与最终语义。
Articles
沉淀 AI、Web、云原生和独立开发经验。
按帧合并只能减少 commit 次数,不能降低一次 commit 的 Markdown 工作量。本文用封口块、延迟富化和确定性重放约束解析成本与最终语义。
PG 一行最大 8KB,那 TEXT/JSONB 存 MB 级数据怎么办?TOAST(超大字段存储技术)自动把大值压缩+移到独立表。本文讲清 TOAST 的四种策略(PLAIN/EXTERNAL/EXTENDED/MAIN)、它对查询性能的影响、什么时候该调 TOAST 策略,以及大字段设计的最佳实践。
只加 VAD 无法得到可靠语音轮次。本文用单调音频序列、端点状态机、预卷与尾静音、打断取消和有界背压控制实时语音链路。
传统 SSR 等所有数据返回才发 HTML——慢接口拖累全页。Streaming SSR 边渲染边发,Suspense 标记"这里先给 loading,数据好了再流式替换"。本文讲清 Streaming SSR 的原理、Suspense 在 SSR 的角色、Next.js App Router 的流式渲染、选择性 hydration,以及它怎么让 LCP 不再被最慢的组件阻塞。
月中增减席位不是把当前人数乘以剩余天数。本文冻结计费区间、价格版本和席位事件,用无重叠区段、稳定操作身份与供应商收据生成可复算的 Proration,并处理响应未知和账后更正。
"这个价格上周是多少?"——普通表只存当前值,时态表存历史。本文讲清时态数据的几种模式(审计日志/版本号行/有效时间范围/PG 时态表扩展)、SQL:2011 时态表标准、CDC 替代方案,以及什么时候该上时态、什么时候审计日志够。
模型自报高置信不等于回复安全,转人工率低也可能只是漏转。本文把证据充分度、风险分层、队列容量和所有权 generation 组成可评测的自动回复与人工接管政策。
理解 Agent 最好的方式,就是亲手写一个最小的。本文用一个不到 100 行的 TypeScript 实现,把 ReAct(Thought → Action → Observation 循环)讲透:核心循环、工具调用、停止条件、错误恢复。读完你就知道 LangChain/LangGraph 那些 Agent 框架内部在做什么。
HTTP 200 无法证明 AI 结果仍然可用。本文把固定任务做成低风险黑盒探针,覆盖评分契约、隔离执行、OpenTelemetry 指标、Prometheus 告警和误报回滚。
关键词搜索答不了"模糊提问"和"近义词",语义搜索补上这块。本文用 Next.js + pgvector,给一个内容站加完整的语义搜索:建索引、查询、混合检索、前端高亮,以及增量更新——一套能直接用进生产的方案。
头部随机采样容易丢掉低频模型失败和长链 Agent 异常。本文设计 Trace 汇聚、尾部判定策略、Collector 容量估算、采样验收与过载回滚流程。
让 Claude Code 直接读 issue、建 PR、查 CI、改文件提 PR——靠 MCP 把 GitHub 能力接进 AI 编程工具。本文讲清两条路(官方远程 MCP / 自建本地 Server)、配置方法、实际用法、以及 token 权限的安全边界,让你的 AI 编程工作流真正闭环到 GitHub。