Marico's space

最近看到 Pillar Security 披露的 Google ADK（Agent Development Kit，智能体开发工具包）安全漏洞，忍不住想聊聊这事儿。AI 工作流自动化听着很爽，但权限管理一旦没到位，分分钟被人拿来做坏事。这篇把漏洞的来龙去脉和技术细节捋清楚，看完你就知道现在 Agent 系统里那些"自动化"到底埋了多少雷。 自动化仓库里的利用路径 核心风险在于一个 triag

最近在整理Google AI产品线，发现NotebookLM改名这事儿比我想象的要复杂一些——不只是换个名字那么简单，实际的访问权限部署是分阶段的。这篇把我查到的信息整理一下，顺便说说对实际使用的影响。 简单说就是：Gemini Notebook（原NotebookLM）确实在扩大覆盖范围，但官方说的是"分阶段发布"，不是所有订阅用户同时拿到。有几个坑值得注意，特别是如果你打算基于这个产品设计工

最近折腾 Next.js 的 Edge Middleware，踩了几个坑，这篇把问题说清楚。 做了这么多年 Web 开发，一直被一个老问题困扰：安全检查到底放在哪里做最合理？传统方案是请求先到中心服务器，验完身份再放行。但如果用户在广州访问托管在北京的服务器，光物理距离就要付出几十毫秒的代价。更憋屈的是，如果用户压根没登录，或者 Token 已经过期，这几十毫秒完全是白跑——服务器浪费算力处理了

测试内容

终于写到第 4 部分了，这个系列也该收尾了。简单回顾一下我们之前折腾的东西： 1. 搭了一个并行跑 Frontend（Angular）和 Backend（.NET）的流水线 2. 把 CI/CD 从收费云服务迁移到了自建的 Self-Hosted Runner（省钱才是硬道理） 3. 实现了 Tag 和 Changelog 的自动生成 到这一步，你的流程已经比很多中小厂要专业了。但如果你

最近折腾了一圈AI编程助手，发现一个挺有意思的矛盾：这些模型训练时看过互联网上几乎所有的公开代码，但偏偏对自己正在写的项目一无所知。行业里过去几年一直在靠"提示词猜测"——把附近几行代码塞进上下文窗口，赌LLM能自己猜出语义关系。这种做法脆得很，一旦涉及跨文件引用、隐式类型推导或者分散在多个模块里的逻辑，AI就开始瞎编。 解决方案不是更大的模型，而是更好的协议。LSP（语言服务器协议）就是静态分

最近折腾AI编程助手，踩了几个坑才明白一件事：当前这波AI代码工具，其实有个挺根本的矛盾——训练数据里塞满了全球的公开代码，结果对咱们自己项目里的代码结构反而一脸懵。 行业里通用做法是"靠提示词蒙"（Prompt Guessing）——把光标附近的代码片段塞给大模型，希望语义关联是"意会"的。这招太脆了。符号被import了不知道，类型推断不出来，跨文件的逻辑更是瞎子摸象。 解法不是上更大的模

Web 开发看起来像是独立于游戏开发的一个领域，但实际上现代 Unity 项目很少只存在于可执行文件里。账号体系、云存档、事件系统、客服工具、内容配置、内部仪表盘——这些都需要一个 Web 层。在游戏行业摸爬滚打 16 年，从 2016 年在 Ubisoft Montreal 做《Eagle Flight Arcade》的 Gameplay Programmer，到后来做《Meta Spirit

手动部署有个很明显的规律：平时一切正常，直到某个周五有人赶着下班改了个东西，测试没跑直接推了上去，结果 bug 在周末凌晨炸了生产环境。这不是纪律问题，是流程问题——压力最大的时候，恰恰是手动流程最容易挂的时候。 GitHub Actions 解决这个问题的思路是把流水线直接放在仓库里。没有独立的 CI（持续集成）服务器要维护，没有乱七八糟的外部集成要配置。工作流文件就躺在 .github/wo

最近折腾了一套新的开发者工具链，踩了几个坑，这篇把问题说清楚。 现代开发者工具领域正在经历一场安静但深刻的哲学转变。过去二十年，主流范式是高度抽象的：高级语言、托管运行时、动态脚本环境，这些东西优先考虑的是开发者速度，而非系统的可预测性。现在，一股反运动正在兴起，驱动力来自三个不同但正在汇聚的力量：Rust 这类系统级语言的内存安全保障、复古计算（尤其是 6502 架构）带来的严谨思维模型，以及