Marico's space

最近在给项目做 Livewire 安全审计，踩了几个坑，这篇把问题说清楚。 Livewire 组件里的每个 public 属性都会发送到浏览器。每次都是。Livewire 用来维护状态的快照（snapshot）把每个 public 属性的值都明文塞进了 JSON 里。你的用户能看到它们、修改它们、然后发回到服务器。 大多数 Laravel 开发者从来没想过这个。他们写 public $user

上篇文章《绕过多模态税》我详细讲了怎么把音频处理从云端大模型解耦出来，用本地 STT（语音转文字）和高速文本推理来大幅降低 API（应用程序接口）费用、保证生物特征隐私。成本和规模的问题算是解决了。 但做对话式 AI，还有一个同等重要、却容易被忽视的指标：延迟。做语音助手的朋友应该都体会过那种尴尬——用户说完话后，AI 在后台吭哧吭哧生成 token（文本单元），要等 3 到 5 秒才开始说话。

最近折腾了几个 AI Agent 项目，上线三周后无一例外都出了问题：模型在输出幻觉内容、边界情况处理得一塌糊涂、团队不得不人工审核所有产出。 这是 2026 年最常见的 AI Agent 部署剧情。原因不在模型本身——而是围绕模型构建的系统压根没考虑过生产环境的真实情况。 先说结论：大多数生产环境失败都来自三个根源：在 Agent 还没准备好时就把它当成开放式推理系统使用、跳过高风险操作的人

最近折腾了一个语音AI平台，从零开始搭了30天，最终做到了端到端延迟442ms。这篇把整个架构说清楚，有需要的直接抄。 大多数语音AI教程写到"调用ElevenLabs API"就结束了。 这不是平台，这是个demo。一旦ElevenLabs调价，整个系统说崩就崩。 我花了30天做了Mithivoices——一个开源TTS/STT平台，支持19+种神经网络音色、8种语言（包括印地语、马拉雅拉

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

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

最近折腾了一下 notebooklm-py，把 Google NotebookLM（谷歌的智能笔记工具）变成了可编程的 API，还顺手接入了 Claude Code，整个过程踩了几个坑，这篇把核心东西说清楚。 Google NotebookLM 是目前最强的个人知识 + AI 问答工具之一：上传文档，它自动摘要、生成播客、做 PPT、回答问题还能标注来源。但有一个致命缺陷：没有官方 API。所有

最近折腾了一个 MCP 服务器的安全扫描工具。结果上线第一周，Windows Defender 就直接把它当成了木马，默默从用户机器上删掉了。 它根本不是恶意软件。VirusTotal 上 71 个杀毒引擎里只有 1 个报毒——就微软一家。 这篇文章说说到底发生了什么、为什么 Go 编译的二进制文件特别容易踩这个坑，以及我是怎么解决的，免得大家跟我一样栽跟头。 产品背景 MCPSense

每年 Google I/O 都会有一堆重磅发布：大模型、新能力、让开发者又兴奋又焦虑的新功能。Google I/O 2026 当然也不例外。Gemini 3.5 Flash 在基准测试里杀疯了，WebMCP 让开源社区有了新的辩论话题，AI Studio、Chrome、Search、Gemini 全都在往智能代理（Agent）方向狂奔。 但我真正觉得值得所有开发者关注的发布，不是声量最大的那个。