Marico's space

最近折腾了阿里达摩院开源的 AgentScope 2.0，踩了几个坑，这篇把问题说清楚。 现在的 Agent 框架市场是真的卷。LangChain 搞链式编排，AutoGen 搞多 Agent 对话，CrewAI 搞角色协作。AgentScope 的差异化在哪？它的设计理念是：当大语言模型（LLM）的推理能力足够强时，框架应该往后退，而不是用僵化的流程图去限制模型的决策空间。 AgentSco

今年"Agent（智能代理）"这个词算是彻底泛滥了，到处都在用，但谁也说不清到底指什么。不过在它变成热词之前，我已经在自己的Homelab里跑了一堆这东西了。不是赶时髦，而是每次试图写一个大一统脚本的时候，都会撞上同一堵墙——功能越堆越多，一个地方的bug能拖垮整个系统。 所以现在的方案是：与其搞一个大脚本，不如部署一堆小型单用途的自动化代理。每个代理只干一件事，输出格式固定，调度相互独立。整个

最近折腾了在AWS上跑合同智能（RAG，检索增强生成），白板上画起来确实简单：摄取PDF、生成向量 embedding、做 RAG、抽条款。但真正落地到金融这种受监管环境——一份衍生品合同读错了可能产生数百万风险敞口——每个环节都藏着延迟、幻觉、数据泄露和审计失败的风险，这些坑只有上了生产才会暴露。这篇把我踩过的、见过的、验证过的整理出来，不废话，直接上干货。 核心问题：合同根本不是简单文档

最近在给团队搭 AI 文档自动化流程，踩了不少坑才把 PDF 处理这块打通。传统的方案是什么样子？每个 PDF 操作都要单独对接 REST 接口，上传文件、轮询任务状态、管理 token、处理各种异常……一个 OCR 流程写下来，胶水代码比业务逻辑还多。Foxit 刚出的 MCP Server 把这事儿彻底翻了个样：30+ PDF 操作直接暴露成 MCP 工具，AI 代理在一个会话里就能调用，不用

最近在给团队搭建外呼系统，LinkedIn（领英）这块踩了几个坑才跑顺。这篇把技术实现细节说清楚，不讲虚的。 核心问题：行为指纹识别 LinkedIn盯的不只是你做了什么——而是你怎么做。 固定间隔的自动化脚本分分钟就被检测到。如果你的工具每90秒精确发送一条连接请求，LinkedIn的行为监控系统立刻就能发现。真人操作不会这么机械——会走神、会切换上下文、会同时处理多个任务。 解决方案不

最近在给团队搭 Playwright E2E 框架，从项目结构、标签策略到 CI/CD 分层跑法，折腾了小两个月。这篇把踩过的坑和最终的方案捋清楚，供有类似需求的同学参考。 分层 PLAYWRIGHT E2E 策略：从 PR 烟雾测试到生产验证 不做多余铺垫，直接进正题。假设你的产品够大：多个独立功能域（登录注册、下单支付、搜索、消息、计费、第三方集成等），测试要跑在从本地开发环境到阿里云多

几周前我发了篇文章讲 ZamSync，一个用 Rust 写的同步引擎，给不丹那些跑在 2G 网络下、传输到一半就断电的地区诊所用的： 说实话没抱太大期望。我只是 EPITECH Nancy 大二的学生，没有粉丝量，不懂怎么推广自己的东西。在原文里我也说了，就是想把做的东西展示出来，看看有没有人关心这个问题。 结果完全超出预期，哈哈！ 数据盘点，毕竟大家都爱看数字 💝 * 39 个 G

记录 Foodmartex 创业以来最疯狂的一周，以及那些意想不到的收获。 那个改变一切的凌晨 凌晨 2 点 37 分，星期三，我已经不知道是第几次刷新后台数据了。眼睛酸得不行，但那串数字就是让我移不开目光——有些事情正在发生。 我们的应用刚刚突破了 164 个月活跃用户。 就在几个月前，这还是个几乎无人问津的平台。而现在，这个数字让我们看到了曙光。但增长的玄机在于：它永远不会从你预期的

最近线上踩了个 CrashLoopBackOff 的坑，一查日志是 OOMKilled，内存配置少了 20MB 就把整个服务干掉了。这篇把常见原因和排查方法整理一下，下次遇到不用再抓瞎。 问题：CRASHLOOPBACKOFF 到底是什么 看到 kubectl get pods 显示 CrashLoopBackOff，这不是一个具体的错误，而是一种状态——容器挂了，Kubernetes 在等

想象一下：你只需要写10行 YAML，就能搭建一套生产级别的 AI Agent 工作流——自带重试机制、可观测性和多模型路由？这事是真的，我最近在项目里深度用了 Dify，这篇把几个真正有用但大多数人都不知道的功能说清楚。 Dify 是一个开源 LLM（大型语言模型）应用开发平台，GitHub 上有 145,764 颗星、22,915 个分支、460 多位贡献者。最近刚发了 v1.14.2（20