Marico's space

简短结论：如果这是一个全新的金融科技应用，除非你已经有一整套服务器运维能力，并且愿意用工程时间换存储控制权，否则备份数据优先选云对象存储。 最近折腾了 2026 年的应用数据备份，踩了几个坑，这篇把问题说清楚。对于租户隔离、异地容灾以及稳定的恢复路径，这些问题比最低存储单价重要得多。 这就是判断标准。小团队可以创建一个私有 Bucket，生成有时效的恢复链接，然后继续做产品。运行 MinIO

最近折腾了 DBDelve 这类 Rust 数据库客户端，踩了几个坑，也顺带把 agent 工具接口设计的问题想明白了。这篇把 DBDelve 的 Rust 与 GPUI（Zed 编辑器团队开发的 UI 框架）技术栈拆开聊，重点不只是性能数字，而是它如何为程序化调用留出空间。 DBDelve 是一个基于 Rust、使用 GPUI 构建的数据库客户端。它在 Show HN 上拿到了 107 分和

最近折腾了 founder-led sales（创始人主导销售）和 SDR（销售开发代表）的客户沟通，踩了几个关于“时机”的坑：很多单子不是输在价格，也不是输在需求，而是被一句“下个季度再联系我”悄悄拖死。这篇把“下个季度”这类时机拖延异议拆开说清楚，整理一套能直接开口使用的话术、用于判断真实原因的需求探索问题，以及挂断电话前必须完成的检查清单。 “下个季度再联系我”是拖延，不是日程安排 真

最近折腾 Polymarket 交易机器人，实时行情、订单簿同步和低延迟这几个坑踩得不算少。这篇把问题说清楚：WebSocket（WebSocket 协议）、本地订单簿和异步执行，到底是怎么拼成一套可用的做市系统。 先说结论：交易策略的上限，往往不是由策略本身决定，而是由它拿到的数据、执行链路和状态管理能力决定。 假设你在 Polymarket 上运行一个自动化交易机器人，监控 BTC 5 分

最近折腾了一阵 Agent 工具权限，才发现之前写的不少 eval（评测集）有个共同前提：默认模型会“主动尝试”做错事。比如访问其他租户的数据，或者执行破坏性的迁移操作。于是我写了一堆拒绝评测：给它一个明确禁止的请求，检查它是否会拒绝。通过率很好看，我也因此自我感觉良好了一周左右。 后来读到一篇关于多步工具调用中授权漂移（authorization drift）的论文，里面的结论让我不太舒服。问

最近折腾容器镜像安全扫描，踩了几个坑：Trivy 能卡住构建，却不会自动盯着已经上线的镜像；Amazon Inspector 能持续复扫，但成本和功能边界又跟 Trivy 不一样。这篇把 AWS 上的容器镜像扫描讲清楚，再给出一套能直接落地的 GitHub Actions 方案。 你把容器镜像推到 Amazon ECR（Amazon Elastic Container Registry，亚马逊弹

最近折腾了短生命周期容器的指标采集，踩了几个坑，这篇把问题说清楚。 问题本身 这几年，这个问题我听过很多次，也实际参与过不少讨论：如果应用运行在容器里，又没有对外暴露 HTTP（超文本传输协议）的 /metrics 端点，该怎么采集它的指标？ 有些应用从设计之初就没打算这么做。也有人觉得，仅仅为了监控再塞一个 HTTP 服务进应用，开销没有必要。 当应用执行的是短生命周期任务时，这个问题

最近折腾了几轮 AI（人工智能）系统的基准测试，踩了不少坑：GPU 跑分很漂亮，端到端延迟却根本压不下来；单次实验结果很漂亮，换个数据集、换台机器就完全对不上。这篇把系统实验、基准测试、性能指标、可复现性、压力测试和系统比较放到一条线上说清楚，重点放在真正部署时能不能复现、能不能扛住、能不能算得过账。 本文对应 STATERA Library（技术架构资料库）第 38 卷第 8 章，主题是 AI

最近折腾 Agent（智能体）补丁审计，踩了几个坑，这篇把问题说清楚。测试全绿，只能证明测试通过了，不能证明哪些新增代码真正改变了结果，而且可能存在某个断言实际见证了新行为，只是没人说得清。Agent 补丁最容易利用这个空档：代码和测试一起生成，测试碰到了新增行，覆盖率于是变绿，门禁把数字当成了证据，最后直接合并。 这里要做的是一套小账本：读取 diff，把每个新增代码块与逐测试的覆盖率上下文关

最近折腾了 Flux 2 Klein 9B 的换脸流程，踩了几个参数不一致的坑，这篇把整个工作流说清楚。作者把这套组合称为自己在图像编辑模型里见过最好的换脸结果，但真正值得关注的并不是模型本身，而是套在外面的三个约束：遮罩绘制的局部重绘区域、专门为 Klein 9B 训练的 Rank-128 LoRA（低秩适配器），以及决定人脸会不会变形的 Megapixel Budget（百万像素预算）。 证