Marico's space

最近折腾 ClickHouse® 部署，在安全这块踩了几个坑。默认安装跑起来是快，但说实话，生产环境直接用就跟裸奔差不多。查了一圈资料，把安全加固的路子摸清楚了，这篇把核心要点说清楚。 为什么数据库安全不能忽视 ClickHouse® 跑着 BI 看板、监控系统、财务报表、IoT 数据分析这些业务，里头全是敏感信息——客户数据、财务记录、运营指标、商业机密。安全没做好，数据泄露、恶意访问、服

半年前，半夜两点我在线上修bug。我们的API响应时间已经飙到3.2秒，用户在群里炸锅，数据库CPU打满快要冒烟了。组里一个刚入职的小兄弟出的主意是："要不加台配置更高的服务器？" 那天晚上我悟出一个道理：给一辆轮胎没气的车换大排量发动机，能跑快才怪。真正的问题几乎永远是缓存——但不是你从StackOverflow搜到的第一种解法那种缓存。 下面是真正有效的方案，按效果排序。 1. API

打开 CI 日志，想搞清楚为什么一个 PR 跑了 9 分钟才变绿。本地测试明明只需要 40 秒。翻到上面一看，罪魁祸首：覆盖率任务。同样的测试用例，只是套了个 Xdebug，每个断言都像爬一样。 大多数团队从来不把这两个数字拆开看。看到"测试耗时 9 分钟"，就以为是测试本身慢。其实不是。慢的是覆盖率驱动。而且修复方法只是 CI 配置里改一行代码，但几乎没人做过，因为根本没想过要去测一下时间到底

很多团队的开发工作止步于"能跑就行"。Jira tickets 关闭了，功能上线了，就万事大吉。但对于真正的工程师来说，这只是起点——真正的挑战在于代码不再只是文本，而是开始与基础设施产生真实的交互那一刻。 我决定开一个 ENGINEERING 专栏，因为我坚信：性能不是上线前临时抱佛脚的"调优"，也不是在死线前慌慌张张加个缓存。性能是架构的根基。 为什么要聊这个？ * 开发经济学：一个

最近折腾了自己的作品集（Portfolio）网站，踩了几个坑，总结出一套实用的优化思路。加载速度、SEO排名、日常维护，这三个问题搞定了，网站才能真正为你服务，而不是成为需要你伺候的累赘。下面直接说干货。 1. 先选个轻量级技术栈 性能优化的最大收益，其实在你写第一行代码之前就决定了。 * 技术栈要精简。静态站点生成器（Astro、Next.js 静态导出、Hugo，甚至纯 HTML/C

最近折腾 AI Agent 的长期记忆系统，踩了几个坑，这篇把问题说清楚。 一开始大家都觉得长期记忆必须得上向量数据库，得搭 RAG 管道。但看了一圈真正扛住大流量的 Agent 产品，发现它们不约而同选了更简单的方案：纯文本文件。 这不是技术退步，反而是个更强的工程选择。文件可追溯、可对比、可迁移，还能直接 Git 版本管理。 不过光有一堆文本还不够，想让这种方案真正 work，必须把存储

最近折腾多智能体系统，踩了几个坑，这篇把问题说清楚。 从单智能体LLM（大语言模型）方案切换到多智能体系统（Multi-Agent Systems，MAS），这事大多数时候是被逼出来的，不是你主动选择的。企业需求一膨胀，做过单智能体的都知道那套"瑞士军刀"式架构有多难受——工具调疲劳、幻觉率飙升、长流程状态根本管不住。 但话说回来，上多智能体架构也不是银弹。它引入的是一整套分布式系统的新问题：

几乎所有"手把手教你构建AI Agent"的教程，结尾都是同一个套路：模型调用工具，工具返回数据，模型用数据回复。演示效果拔群。 但教程没告诉你的是：工具超时了怎么办？模型连续三次调用同一个工具怎么办？模型调用了一个有副作用的工具但用户根本没这个意图怎么办？工具返回了错误但模型还是硬编了一个答案怎么办？ 这些不是边缘情况——这就是生产环境Agent的日常。分享五个我在每个上线的Agent里都会

最近给几个项目加了生物识别认证，踩了几个坑，顺手把正确的实现方式整理一下。这玩意儿看着简单，真正跑起来会发现一堆细节没处理到位，尤其是跨平台（安卓/iOS）的时候。 这篇文章不整那些花里胡哨的理论，直接上生产级代码和避坑指南。 为什么要用生物识别认证 先把价值说清楚，不然没法说服产品和老板： * 登录体验快，不需要输入密码 * 比传统密码认证更安全，指纹和面部信息难以伪造 * 安卓

最近折腾了一波 Apple HealthKit 和 Google Health Connect 的数据集成，踩了几个坑，这篇把问题说清楚。现在智能穿戴设备越来越卷，手环、手表天天往云端吐数据，怎么把这些乱七八糟的原始数据变成医院和保险能认的标准格式，是这行的核心技术挑战。 用 Go 做健康数据后端是个香饽饽——天然的高并发、低延迟，特别适合处理海量的可穿戴设备上报。接下来的内容，我会手把手带你设