Marico's space

最近维护一套生产环境的 ERP（企业资源计划）系统，遇到了一个让人措手不及的问题——数据库磁盘空间在飞速增长。凌晨3点14分收到告警，说磁盘使用率已经飙到了95%。查了一圈发现，是 PostgreSQL 的 WAL（预写日志）目录出现了异常膨胀。这就是 WAL（预写日志）膨胀的问题，处理不好会严重影响系统性能，甚至导致数据丢失。 深入分析根本原因后，我发现 PostgreSQL 自带的 WAL

每年 Google I/O 都会有一堆重磅发布：大模型、新能力、让开发者又兴奋又焦虑的新功能。Google I/O 2026 当然也不例外。Gemini 3.5 Flash 在基准测试里杀疯了，WebMCP 让开源社区有了新的辩论话题，AI Studio、Chrome、Search、Gemini 全都在往智能代理（Agent）方向狂奔。 但我真正觉得值得所有开发者关注的发布，不是声量最大的那个。

最近折腾了本地 Gemma 4，踩了几个坑，这篇把问题说清楚。 用能力不错的本地模型时，最容易犯的错误是把模型调用当成整个应用。 我在用 Gemma 4 E2B 开发项目时差点就犯了这种错误。 我的项目是一个本地老年痴呆症护理助手，叫 RememberMe CareGrid。产品目标不是做一个听起来很聪明的聊天机器人，而是帮助一位困惑的患者获得平静的上下文信息，帮助护理人员理解发生了什么，帮

Google I/O 2026 发布了大量开发者工具，我最想实际用的是 Gemini API 的托管 Agent。 核心卖点很简单：一次 API 调用就能搞定一个完整功能的 Agent，带远程执行沙箱。不用搭基础设施，不用管云服务器，不用手动配置 Antigravity agent 框架。你只管写 Agent 逻辑，剩下的环境配置 Google 全包了。 这篇文章聊聊托管 Agent 到底是什

一个提示词，七天时间，一万八千美元。这篇把完整的操作流程、那个提示词本身、踩过的坑、以及为什么它真的管用，全部摊开说清楚。 那封改变一切的消息 事情发生在周二。那天我正喝着第三杯咖啡，一条微信消息弹了出来——发消息的是一位在技术论坛上见过一次面的创业者： > "我们的AI辅助功能现在一团糟，用户反馈很差。能不能帮忙做个技术审计，帮我们看看问题出在哪？预算不是问题。" 按照往常的习惯，我大

最近折腾了一个 LLM（大型语言模型）驱动的代码重构工具 Morph，踩了几个坑，这篇把问题说清楚。 平时用 LLM 做代码重构，输出的是一个 diff，reviewer 只能一行行读、盲信模型。你根本没法知道模型是不是漏了某个引用、搞坏了 import，或者悄悄改了什么逻辑——除非一行行把代码看完。 Morph 换了个思路。它不要求 LLM 生成代码，而是让 LLM 用结构化的类型化操作计划

最近折腾了 Wyrly DI，一个 TypeScript 的依赖注入（DI，Dependency Injection）工具库，顺手把踩坑经历整理一下。 Wyrly DI 面向现代 TypeScript 应用，主打的是不依赖 reflect-metadata、不依赖 emitDecoratorMetadata、不用老式装饰器、不用参数装饰器这几个特性。 核心特点： * 使用标准装饰器（TC3

最近折腾了 Stave 的数据接入方案，踩了几个"collector 永远适配不了真实环境"的坑，这篇把解决方案说清楚。 想象一个典型云安全工具的接入流程：客户装了工具 → 工具的 collector 尝试连接阿里云 RAM 失败（角色还没创建）→ 客户翻三页配置文档 → 角色建好了 → collector 认证成功 → 运行 → 啥也没扫到，因为工具只认识 OSS 和 RAM，客户实际跑在 A

最近折腾了一个分布式键值存储项目，踩了不少坑，这篇把 Raft 共识协议的核心实现说清楚。 像 etcd、CockroachDB、Consul 这些分布式系统，跨多节点保持数据一致性的答案通常是共识算法。目前最流行的就是 Raft —— 设计目标就是"易于理解"。 GitHub 仓库 | 在线演示页面 为什么要做这个？ 每个分布式系统的面试都会问到共识："Kafka 怎么保证顺序？" "

最近折腾了 prompt-replay，这是一个帮你记录 LLM 调用结果、在升级模型后回放对比的库。踩了几个坑，这篇把核心用法说清楚。 你升级了模型，通义千问 2.1 到通义千问 2.5。新模型更快、更便宜、更聪明。你在周五下午上线。 周一来了一个 bug。用户反馈：负责汇总周报的智能体输出的 JSON 字段名变了，下游解析器静默出错。仪表盘直接空白了。 你没有任何测试覆盖这种情况。你根本