Marico's space

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

最近折腾 .NET 命令行工具的数据展示层，踩了几个渲染格式的坑，最后挖到了 Kiwify.Kiwi.Renderer 这个库，用下来感觉不错，这篇把核心设计说清楚。 KIWI FOUNDATION 的一部分 Kiwify.Kiwi.Renderer 是 Kiwi Foundation 的数据展示层——整个项目由三个库组成（Presentation、Renderer、CLI），覆盖了构建专业

给 PostgreSQL 表加上 UUID 主键，开发环境跑得飞起，数据量到百万级别突然 INSERT 延迟暴涨，VACUUM 跑得越来越慢，索引体积是预期的两到三倍。什么都没改，问题出在哪了？ 问题在 UUID v4。不是 UUID 这个概念不行，是这个版本。UUID v4 完全是随机的，而纯随机 ID 是数据库主键最差的选择之一。解决方案早就有了，也已经标准化了，但几乎没人用：UUID v7

最近折腾了产品图片流水线上的视觉语言模型调用优化，踩了几个坑，这篇把问题说清楚。 先说结论：在 VLM（视觉语言模型）步骤前加了 Bifrost 做语义缓存，三周内把账单砍了 62%。GPU 那边的 diffusion 生成从来就不是该操心的地方。 账单让人意外 Photoroom 的流水线处理每张产品图要三步。第一步，VLM 读图生成结构化描述。第二步，另一个 LLM（大语言模型）把用户

最近把 Claude Security 折腾了一遍，踩了几个坑，这篇把问题说清楚。 一个月前 Claude Security 公测的时候，说实话更像是一个包装精致的扫描器，而不是一个能日常使用的工作流。你丢一个仓库给它，它像个安全研究员一样推理论证代码，然后甩出一堆发现和建议补丁。有用，但不好用。这周在 Claude.ai 侧边栏看到的版本完全是另一回事了。定时扫描、Slack 和 Jira 的