Marico's space

加密货币市场 REGIME DETECTION：牛市、熊市与震荡实战指南 最近折腾了市场状态（Regime）检测，踩了几个坑，这篇把问题说清楚。 所谓 Regime Detection，就是把当前市场状态归到几个大类里——一般是牛市（Bull）、熊市（Bear）、震荡（Chop）——让交易员或者交易机器人能根据当前行情选对策略。趋势策略在牛市里能赚钱，在震荡市里就是被反复收割手续费。均值回归策

最近在折腾 AI 应用开发，踩了一个挺反直觉的坑：大家普遍觉得对话历史越长、消耗的 token 越多，所以习惯性地早早总结压缩。搭 Agent 循环的时候，有些人把多轮对话合并成一条"无状态消息"来"省 token"。这两个操作看起来都是聪明之举，实际上都是反向优化（anti-optimization）。这篇文章从 KV 缓存的原理出发，解释为什么保持原始历史完整才是最优策略。 最常见的误区：

花了两个礼拜排查只在生产环境才会暴露的问题——一个是 _redirects 规则把我自己的 sitemap-index.xml 给拦了，另一个是 Bluesky 图片上传撞上 Cloudflare Pages 部署延迟的竞态问题——之后，我在工作流里加了三个部署后检查。执行快、针对性强，只覆盖我实际踩过的坑，不是一套大而全的端到端测试。 三个站点放在 Cloudflare Pages 上，用 A

最近折腾了用 Docker 和 Kubernetes 部署 Go 应用，踩了几个坑，这篇把问题说清楚。 我们先写一个真实的 Go HTTP 服务，用 Docker 容器化它，然后部署到本地 Kubernetes 集群。这里用的是 kind（Kubernetes in Docker）——它把 Kubernetes 节点跑在 Docker 容器里，在阿里云、腾讯云这种云服务上跑之前，拿来本地练手非常

客户第一次找你，说网站慢，十有八九会甩过来一张 Lighthouse 截图。Performance 面板截图，评分卡在红区或者黄区，然后问你："能修吗？" 老实说：这取决于你说的"修"是什么意思。 Lighthouse 跑的是 Google 服务器上 headless Chrome 的模拟环境，在限速移动网络下测一个虚拟场景。是个挺好用的诊断工具。但它也是一个可以被玩出花的数字，跟真实用户的体

如果你每月花20刀用n8n云版，或者花50刀用Zapier，我有个问题想问你：为什么？ 你明明会Python或者JavaScript，五分钟就能写一个webhook处理器。为什么还要付费订阅，在GUI里拖来拖去，而不是用更快、更智能、几乎免费的方式自己搞定？ 这篇文章里，我会展示如何用Claude API构建一个轻量级自动化引擎，替代大多数开发者使用n8n或Zapier时90%的场景——成本却

你的 ASP.NET Core API 已经在线上跑了，现在有个 AI 智能体想调用它。官方的 MCP C# SDK（Model Context Protocol，模型上下文协议）是个好基础，但它要求你为每个要暴露的操作手写一个 [McpServerTool] 类。等于把原来在 Controller 里定义一遍的东西，又写一遍。McpIt 就是来解决这个重复劳动的——加一个特性标记，工具在编译时就

最近折腾了持续交付这事，踩了不少坑，今天把功能开关（Feature Flag）这个话题彻底说清楚。 如果你看过我之前的文章，应该知道我是主干开发（Trunk-Based Development）的忠实拥趸——主张把 Pull Request 拆得越小越好。理想情况下，开发者每天往主干合并好几次代码，一切顺滑，生产环境稳如老狗。 但实话实说，当你真的去跟一个后端团队聊这事，尤其是他们正在改造核心

TL;DR：我在开发工作流中部署了7个专门的 AI 智能体，连续运行30天后，这篇说说哪些真管用、哪些踩了坑，以及 AI 驱动开发自动化的真实数据。 实验背景 30天前我做了一个决定：要么给我省下几百小时，要么白折腾一堆时间——把开发工作流中能交给智能体的部分全部委托出去。 不只是代码补全，不只是聊天机器人助手。我说的是自主运行的智能体，能干这些事： * 在我睡觉时搜索开源赏金项目并提

凌晨两点，我刷着 GitHub 上打上 bounty 标签的 issue，突然意识到一件事：这些 issue 大多已经挂了几周，有的甚至几个月。它们就躺在那里，等着人去修，旁边的赏金也是真实存在的。 这里 50 刀，那里 500 刀，复杂点的几千刀都有。 然后那个念头又冒出来了，跟每个发现 bounty 玩法的人一样："要是能把这事自动化就好了？" 不只是搜索，是全链路自动化。扫描 boun