Marico's space

最近读了篇论文，发现一个挺反直觉的问题：Agent基准测试里的"用户"其实是个模型，而这个模型的失误能让成功率虚高到让你误判。这个坑值得单独写一篇。 在某个基准测试中，有个人口角色代理（User Proxy）开场第一句话就是"对了，我叫John Smith，电话是555-123-2002。"这个任务的本意是测试Agent在处理账户信息前是否会主动要求验证身份，但代理直接就把信息交出去了，完全没等

搞微服务测试这几年，被 Mock 这个问题坑过太多次了。传统方案要么硬编码 JSON 响应，要么维护一套脆弱的 WireMock 配置，费时费力还容易出幺蛾子。最近折腾了 MockForge，一个 Rust 写的有状态 API 虚拟化引擎，体验下来确实有点东西，这篇把它的设计思路和实战用法说清楚。 分布式测试的瓶颈在哪 工程团队普遍面临"测试环境悖论"：越是复杂的分布式系统，测试成本越高。问

最近折腾了个个人项目，踩了几个网络延迟的坑，这篇把问题说清楚。 我的 ASP.NET Core 9 应用部署在一台机器上，SQL Server 放在另一台共享托管的服务器上——完全不在同一个机房。每次查询都要跨过我控制不了的网络。 首页的冷启动读取耗时 200 到 1000 毫秒，问题不在 SQL 查询计划慢，而在物理距离。 现在热读取响应时间稳定在 2 到 3 毫秒。没有用 C++ 重写任

10月8号，多伦多SecTor安全大会，Zenity Labs的研究人员演示了一个让所有想把智能体搬上云的企业都应该认真审视的场景。 他们只向运行在亚马逊云科技（AWS）AgentCore平台上的一个公开AI智能体发送了一条聊天消息——这是AWS的企业智能体托管平台，索尼和爱立信都是它的命名客户。消息内容很简单：让智能体向一个内网地址发起请求。就这一条消息，研究人员接管了同一AWS账户和区域内所

2026年10月13日，金融监管机构开始加强对自主AI Agent的审查。 一个让人不太舒服的教训其实很简单：一个拥有生产环境权限但没有可执行权限边界的Agent，不是"智能自动化"。 它只是一个拥有凭证的无边界身份。 为什么AI治理框架必须控制行为，而不仅仅是模型 传统的AI治理关心的是模型是否准确、公平、隐私合规。生产环境中的Agent则带来了更难的问题：这个系统此刻被允许做什么？

周一打开故障群，发现一个支付失败的工单上已经堆了三次重试。最初的提示词早就没了，取而代之的是午饭前同事随手敲的一行字。没人说得清第一次调用用了哪个工具 schema，也没人知道第二次调用有没有改过 system prompt。共享模型的调用记录里还挂着这笔费用，但 wiki 上根本找不到谁该为这串调用负责。 这个缺失的记录才是值得修的 bug，而且不用跟人争这周哪个模型更聪明。重试把失败的提示词

演示卖的是可能性，生产买的是可靠性。每加一个工具，故障点、延迟和权限范围就多一分。 老张站在白板前，身后大屏幕上的演示还在跑。PPT画得很好看：AI读邮件、查CRM、更新工单、起草回复、安排会议、订午餐。CISO往前一靠："第四步要是订错了苏黎世的会议室，谁来担责？"全场鸦雀无声。 说白了：演示卖可能性，生产买可靠性。每加一个工具就是给自己埋雷。实话实说不是什么"数字员工"——就是"这一个流程

一次网络超时的 apply、同事在CI运行期间从本地执行了 terraform apply、周五晚上一个手滑的 state rm：结果都是一样的。状态文件不再反映真实的 infrastructure，plan 提议删除生产数据库，整个团队都被卡住了。 这时候很容易冒出"重新来过"的冲动：清空 state、全量重新 import，甚至更糟的——让 Terraform 重新创建资源。在生产环境上，这

最近折腾了一个多引擎可视化项目，把 Seaborn、Bokeh、Plotly 三种主流 Python 图表库塞进了一个 Streamlit 仪表板，踩了不少坑，这篇把核心架构和 CI/CD 部署流程说清楚。 做数据可视化的时候，开发者经常面临一个灵魂拷问：到底该选哪个库？Seaborn 做统计分析顺手，但交互能力弱；Plotly 图表华丽，但大型数据集渲染慢；Bokeh 原生支持 WebGL，但

你肯定见过这种玩法：某个 Reel 说"评论 GUIDE 我就发给你"，你刚发完评论，几秒钟后私信就来了。这不是有人在盯着手机，而是基于 Meta 官方 Instagram API 构建的事件驱动系统。 这篇文章聊清楚几件事：评论怎么推送到你的服务器、私信怎么发出去、有哪些限制需要提前设计好，以及为什么"给我密码"的机器人是个坑。内容保持在架构层面，Meta 会改 API 版本、权限名和限制，具