Marico's space

最近折腾了一下用 Python 来控制 Terraform，踩了几个坑，这篇把问题说清楚。 想象一下这个场景：你盯着终端，第N次手动跑 terraform init、plan、apply，就因为 CI/CD 流水线又挂了。你心里清楚 Python 是自动化的绝杀技能，能写测试、能做胶水逻辑——但 Terraform 看起来就像个只认 HCL（HCL 是 HashiCorp 配置语言）的黑盒子。凭

最近想订阅 Claude Pro，结果在支付环节卡住了——卡片被拒、"支付方式不支持"、或者续费时莫名其妙扣款失败。这不是你的操作问题，是个普遍痛点，尤其是非美国区的开发者，踩坑的概率更高。这篇把原因说清楚，再给几套解决方案，优缺点都摊开讲。 先交代一下：后面会提到一个我自己有参与的服务（giftclaude.site），但"自己动手"的部分我先写，你看完觉得够了可以直接跳过。 为什么 Cla

最近在折腾 Codex CLI 的 MultiAgentV2 功能，踩了个挺别扭的坑，这篇把问题说清楚。 简单讲：Codex CLI 里 MultiAgentV2 的消息加密机制把 agent 之间的通信记录给"加密"没了——不是被破解，是根本没留明文副本。在 2026 年 6 月 5 日合并的 PR #26210 之后，所有 agent 父子通信的 content 字段被置空，只剩下一串 en

最近折腾了一下用AI自动化更新WordPress的SEO元数据，踩了几个权限相关的坑，这篇把问题说清楚，顺便介绍一个我写的MCP（Model Context Protocol）工具。 在生产环境里待久了就知道，"权限"这俩字从来都不是小事。大家聊AI Agent的时候，往往只关注它能干什么。但作为工程师，我花更多时间琢磨的是——它不应该干什么。 如果你曾经把生产环境的凭证、甚至一个宽泛的API

最近折腾了 FastAPI + AI Agent 的组合，踩了几个坑，这篇把问题说清楚。 用 FastAPI 构建 AI Agent 其实没那么复杂，关键是把几个核心模块拆清楚：LLM 调用、工具系统、记忆层。把这些理顺了，剩下的就是排列组合。 PYTHON 环境怎么搭 先搞个干净的 Python 环境，装好依赖库。我一般用 pyenv 管理 Python 版本，配合 venv 做虚拟隔离

最近在给团队的项目加 LLM（大型语言模型）能力，踩了几个坑之后才意识到这事比想象中复杂。LLM 应用不是简单的"传统 Web 应用加个 API 调用"那么简单——当模型直接嵌到请求处理逻辑里，攻击面完全变了。最大的坑在于：模型根本分不清"系统指令"和"攻击者输入的内容"。 这篇整理了六个风险域、共 16 项在生产环境前必须搞定的安全控制措施。 为什么威胁模型不一样 传统 Web 应用里，

用 FastAPI 写 API 几个月了，估计大家都被"async vs sync"这个话题折腾过。框架上手容易，两种写法都能跑，但真到线上选错了，那延迟、吞吐量、数据库驱动的坑一个都躲不掉。这篇把核心差异说透，附上压测数据，最后给个实操清单。 > 一句话总结——有可等待的 I/O（HTTP 调用、异步 DB 驱动、WebSocket）就用 async，CPU > 密集型任务或者只能用老旧阻塞库

不知道你有没有遇到过这种情况：代码写着写着，突然发现自己在一个文件里写了20个if/else，全是对象创建逻辑；或者改了个配置，全局搜索半天发现到处都在new实例；再或者产品说"加个新功能，要通知到所有相关模块"，然后你得在十几处地方手动加代码。这些坑我都踩过，而且踩得还挺惨的。 后来才明白，这些不是自己菜，是缺设计模式。Python语法灵活，上手快，但如果没有Factory、Singleton

最近折腾Webhook对接，踩了几个坑才明白：大多数安全问题都不是什么高深莫测的漏洞，就是那么几个老错误反复出现。团队验了一次签名，看到通过了，就直接上线了。这篇把上线前必须做的检查捋一遍，每条都是实际有人踩过的坑。 1. 用原始请求体验证签名 这是所有Webhook提供商最常见的bug。签名是提供商发送的原始字节计算出来的HMAC（哈希消息认证码）。如果你的框架先解析了JSON，再从解析后

AI Agent 工具调用生产模式：6 个月全天候运行总结的 8 条经验 > 让一个大语言模型（LLM，即大型语言模型）调用一次工具很容易。但要让它每天可靠地调用 500 次，连续跑 6 个月——这是完全不同的挑战。 2026 年了，OpenAI、Claude、Gemini 这些主流大语言模型都原生支持函数调用（Function Calling）。用 LangChain、CrewAI 这类