rinse是为 Debian/Ubuntu 开发的，专用于创建 RPM 系统（如 CentOS、AlmaLinux）的最小根文件系统，类似debootstrap构建deb系的操作系统。在Alpine Docker容器部署apk add docker service docker start docker run -it debian bash apt update apt install rinse -y安装完后在/etc/rinse目录可以看到支持# ls /etc/rinse alma-9.packages centos-7.packages centos-8.packages fedora-36.packages fedora-37.packages opensuse-15.2.packages opensuse-15.4.packages rinse.conf rocky-8.packages rocky-9.packages构建AlmaLinuxmkdir /alma-root rinse --arch amd64 --distribution alma-9 --directory /alma-root 构建完系统后，要对安装上内核以及grub引导等等， 当然在构建之前可以预先将分区处理好，将 boot和boot/efi提前挂载好， 将网络 ...继续阅读 (46)

【摘要】这篇文章节选自公司内部的一次会议，感觉可能对其他人也有帮助，就分享了出来。因为我本身就职于游戏行业，所以文中的很多例子是以游戏行业为主，但也适用于大多数互联网行业。这篇文章简要论述了：为什么互联网这么卷，企业发展对就职者影响 等话题。阅读全文 ...继续阅读 (23)

出于各种原因（省地方，可以换别的电视柜，可以倾斜，etc…），最近打算把家里的电视挂墙上……其实之前的房主也是这么搞的，墙上其实还剩下了他装的什么东西，看上去可以上螺丝，我一开始打算重用来着，于是我量了一下：总共有6个孔，两排，间隔13寸；每排前两个孔相距16寸，后面俩相距8寸。我之前从来没有在墙上打过孔挂东西，所以先了解了一下；看了一堆视频之后，看上去很多（内部的）墙都挺简单的：这些 drywall 都是一个木框，里面有一些梁 (stud)，然后两面固定上石膏板 (plasterboard)，之间塞上一堆保温材料（海绵之类的）。梁和梁之间左右一般间隔16寸，这也解释了为啥左边俩孔间距16寸 —— 看来前房主也是挂到了梁上面 —— 至于最右边那个孔，据说老房子梁间距24寸，所以估计是挂架给老房子固定用的。要挂东西，最好是把螺丝打到梁上；否则就需要固定在两边的石膏板上，自然不是很靠谱。于是我就以为我家也是木梁，然后就跑去 BestBuy 搞来了一个电视挂架。这个挂架只需要四个固定点，左右间隔16寸 —— 设计给新房子的 —— 上下间隔5.5寸，所以我至少需要打两个孔。这时候还是周六，于是我跑去 Target 搞来了一些钻头 —— 那个挂架的螺丝需要先钻3/16寸的孔，而我本来是基本没有钻头的。买回来之后，装之前我还是打算先看看前人留下的玩意。搜了一圈，发现是一种固定在石膏 ...继续阅读 (20)

【摘要】一：背景 1. 讲故事 上一篇我们简单的聊了下harmony外挂的基本玩法，让大家宏观上感受到了外挂在 .NET高级调试 领域的威力，这一篇我们从 注解特性 这个角度继续展开。 二：harmony 注解特性 1. HarmonyPatch 解读 在harmony支持的众多特性中，HarmonyPat阅读全文 ...继续阅读 (40)

在之前的文章中，xiaoz推荐过可视化Nginx反向代理工具Nginx Proxy Manager，最近xiaoz还发现一款功能更加强大，界面更加漂亮的OpenResty Manager，完全可以替代Nginx Proxy Manager，并且还带有基础防御功能，推荐在服务器或NAS上搭建使用。Op ...继续阅读 (35)

本文永久链接– https://tonybai.com/2025/05/19/shardedvalue-per-cpu-proposal大家好，我是Tony Bai。在追求极致性能的道路上，Go 语言凭借其简洁的并发模型和高效的调度器，赢得了众多开发者的青睐。然而，随着现代服务器 CPU核心数量的不断攀升，一些我们曾经习以为常的“快速”操作，在高并发、多核环境下，也逐渐显露出其性能瓶颈。其中，原子操作 (atomic operations)的扩展性问题，以及标准库中一些依赖原子操作的并发原语（如 sync.RWMutex）的性能表现，成为了社区热议的焦点。最近，fasthttp 的作者及 VictoriaMetrics 数据库的联合创始人 Aliaksandr Valiakin (valyala) 在 X.com 上的一番“叹息”，更是将原子计数器的扩展性问题推向了前台：Valyala 指出：“基于原子操作的计数器更新性能在多 CPU 核心上无法扩展，因为每个 CPU 核心在增量操作期间都需要从慢速内存中原子加载实际的计数器值。因此，实际性能受限于内存延迟（约 15ns，即每秒 6 千万次增量）。通过使用可缓存于 CPU L1 缓存的 per-CPU 计数器，可以将单 CPU 核心性能提升至每秒数十亿次增量。遗憾的是，Go 语言本身并未提供高效处理 per-CPU 数据 ...继续阅读 (46)

美团外卖推荐算法团队基于HSTU提出了MTGR框架以探索推荐系统中Scaling Law。MTGR对齐传统模型特征体系，并对多条序列利用Transformer架构进行统一建模。通过极致的性能优化，样本前向推理FLOPs提升65倍，推理成本降低12%，训练成本持平。MTGR离在线均取得近2年迭代最大收益，且于2025年4月底在外卖推荐场景全量。本文系相关工作的实践与经验总结，希望能给从事相关方向研究的同学带来一些帮助。 ...继续阅读 (32)

Foreword之前做了QEMU模拟运行FreeRTOS，模拟STM32，但是毕竟不是官方QEMU，对于嵌入式这边的芯片或者设备模拟还是差一点。https://www.qemu.org/docs/master/system/arm/stm32.htmlRenode比较知名的就是用来模拟物联网设备，这种设备往往都弱一些，MCU这种比较多。具体关于这两个说法有很多，谁更合适还是要实际用一用，体验一下才行Renodehttps://renode.io/https://github.com/renode/renodeRenode 的指令模拟器使用 C 语言编写，外设模拟器使用 C# 语言编写，兼顾了运行效率和开发效率.Windows下直接安装即可，启动以后是一个命令行程序，这里可以加载我们的模拟固件测试start @scripts/single-node/stm32f746.resc不建议跑这个例子，只是个输出helloworld，超级卡start @scripts/single-node/stm32f746_mbed.resc启动以后就能看到输出了stm32f746.resc文件解析# 定义仿真平台和描述 :name: STM32F746 :description: This script runs Dartino on STM32F7 Discovery. # 创建仿真机器 usin ...继续阅读 (47)

入职 Coupang 两个月了，第一个月主要上手和开发 BOS（Business Operating System）系统，第二个月开始调研选型 ML Workflow 平台。前者目前来说相对比较简单，后者对我来说是一个新坑，也比较有意思，随便写写技术上的体会。先扯点题外话，其实这次求职有几个比较符合我预期的机会，可在思考之后，我基本上毫不犹豫就选择了 Coupang 这一家。最主要的原因，并非因为雇主，而是因为要做的事情。一个相当规模的团队，在大干一场的早期阶段，要在搭建起属于自己相当规模的 AI infra 来。我觉得软件行业的巨大的变革，新世纪以来就三次，第一次是互联网应用的崛起，我太小没能做啥；一次是十几年前的 cloud，看着它从爆发式增长到如同水和电一样进入我们的生活，可我算是错过了它比较早期的阶段，即便相当长的时间内我在 Amazon，但是我却并不在 AWS；而这一次，当 AI 的浪潮再来的时候，我就很想行动起来，真正投身其中。程序员的一生能有几个赶这样大潮的机会呢，我不想再错过了。虽说我没有 AI 的技术背景，但我知道 ML infra 到 AI infra 却是个我可以切入的角度——从我最初接触软件开始，尤其是学习全栈技术的时期开始，我就认定，技术是相通的，这十几年来我一直在如此实践。因此在调查和思考之后，我觉得这是一个我不想错过，并且更重要的是自认为能够抓住的机会 ...继续阅读 (24)

在快节奏的软件开发世界中，高效的代码托管和自动化部署是每个开发团队的追求。你是否曾为繁琐的 CI/CD 流程而头疼？是否希望有一个简单易用、功能强大的平台来管理你的代码和流水线？今天，我们为你介绍一款开源神器——Gitness，它将彻底改变你的开发体验。作为 Drone 和 Gitness 深度定制用户，我还值得很推荐的。什么是 GitnessGitness 是一个集代码托管与自动化 DevOps 流水线于一体的开源开发平台。作为 Drone CI 的下一代产品，Gitness 不仅保留了强大的持续集成（CI）功能，还新增了源代码托管能力，支持本地部署和 Docker 容器化运行。无论是个人开发者还是小型团队，Gitness 都能提供灵活、高效的解决方案。核心亮点一体化平台：代码托管 + CI/CD 流水线 + 制品库用户友好：提供直观的 UI 界面、REST API，满足不同开发者的使用习惯灵活部署：支持私有化本地部署开源免费：完全开源，社区驱动，适合预算有限的团队(非常适合个人用户)对比 Drone、Woodpecker目前支持 Runner 有限，仅支持 docker新增的制品库支持的种类相对比较少，常见的 Docker、Helm 是没问题的目前数据库仅支持 PG、Sqlite3流水线日志相比较 v2 仅支持存储到数据库，暂不支持存储到对象存储不支持重复执行(如定时、失败重试 ...继续阅读 (49)

一个月前随着OpenAI o3的发布，社交媒体上兴起了「根据图片找位置」的潮流，举个简单的例子（来源：NanYi）：一开始我不以为意，我觉得只要能解析图片中Exif信息足够了，不是什么黑科技，直到我看了一下o3的分析过程：这个分析方法代表着没有metadata的图片也能精确分析得到结果，除了惊讶模型分析推理能力之外，我觉得更加让我惊艳的地方是图片和文字的信息对齐和协同能力 —— 大模型的多模态能力已经不仅仅局限于输入上的多模态支持了。于是我萌生了一个大胆的想法：作为没有AI算法背景的人打算借助AI工具弄清楚这里的黑科技。明确研究对象Multi-Modal 多模态已经不陌生了，但是o3这种多种模态输入信息的联动（对齐）到底是归属哪个范畴，需要先识别出来。经过简单的搜索引擎的检索，发现「弥合不同模态之间的语义差距并确保其表示的有效对齐是Multi-Modal Token需要解决的范畴」。有了关键信息就比较方便了，分别用「Multi-Modal Token」、「多模态token」、「多模态令牌」等关键词进行检索，发现有大量的论文是做相关研究的。这么复杂且并非自己熟悉的学术领域，自己一篇论文一篇论文的研究肯定是不可能了，直接上手段 Gemini Deep Research。Deep Research目前各家大模型基本陆续都推出了 Deep Research 的功能，我个人还是觉得Gemin ...继续阅读 (32)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (37)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (35)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (32)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (42)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (35)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (29)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (29)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (24)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (26)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (24)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (25)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (25)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (25)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (28)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (18)

MCP不是用所有可能的细节来填充提示词，而是帮助组合重要的背景信息，采用模块化的、即时的提示词构建，使用更智能的背景信息，更少的token，得到更好的输出。ACP采用了完全不同的方法。智能体的理解是根据上下文注入的，而不是自我建模的。ANP的核心概念是Interface，包括自然语言接口和结构化接口，将智能体交互方式的定义下放到了Interface中，支持自主发现、去中心化身份验证和语义推理，虽然 ANP 目前不支持像 rgm 这样的预测或分层推理体系结构，但是它的基础设施可以提供传输和发现层的智能体。 ...继续阅读 (21)

在/home/wwwroot/lnmp01/vhost/目录中找到对应虚拟主机的配置文件，在最后一个location后添加如下代码：#解决小图标显示不正常的问题↓ location ~* \.(eot|ttf|woff|svg|otf|woff2)$ { add_header Access-Control-Allow-Origin *; }保存，然后重载nginx即可 ...继续阅读 (33)

IP Addressatau Internet Protocol Address adalah deretan angka unik yang digunakan untuk mengidentifikasi setiap perangkat yang terhubung ke jaringan komputer, baik lokal maupun internet. Layaknya alamat rumah di dunia nyata, IP ini memastikan data yang dikirim dan diterima sampai ke tujuan yang tepat.Apa Itu IP Address?IP adalah identitas numerik yang diberikan kepada setiap perangkat dalam jaringan. Setiap kali perangkat mengakses internet atau jaringan lokal, perangkat tersebut menggunakan IP agar komunikasi dapat berlangsung. Tanpa alamat ini, data yang dikirim tidak tahu harus diarahkan ke ...继续阅读 (25)

【摘要】.NET 10 上周已经发布了.NET 10 Preview 4，2025年的开发迭代已经过半了，一起来看下.NET 10 今年对RISC-V架构的支持进展情况。我们从Github .NET 社区的相关仓库和Issue 里通过三个方面的简要梳理dotnet 对 RISC-V 的支持：官方支持截至 2阅读全文 ...继续阅读 (57)