site logo

Marico's space

最近在项目中跑了几个 AI Agent(人工智能代理),踩了几个深坑才把安全问题理清楚。这篇不废话,直接把 AI Agent 沙箱化的核心思路和生产实践讲明白。 AI AGENT 沙箱化是安全自主操作的控制平面 问题出在 Agent 的执行速度比你的防护机制快的时候。浏览器自动化、Shell 命令、文件访问、代码执行,这些能力在 Agent 拿到不该碰系统的广泛权限之前都挺好用的。AI Ag
最近折腾了一个小费计算器,本来以为半小时能搞定,结果在除法取整和输入验证上踩了几个坑。这篇把实现过程和踩过的坑都说清楚,给想练手的同学当个参考。 小费计算器的核心逻辑很简单:输入账单金额和小费比例,算出小费金额和总额,再支持按人数分摊。拿餐厅场景举例,120元的账单,18%的小费比例,就是21.6元小费,总共141.6元。 小费计算器需要什么 用 JavaScript 做小费计算器,需要三
给 AI Agent 完全访问你整台电脑的权限,这事儿想想就挺刺激的。 尤其是当这个 Agent 能够: * 执行终端命令 * 安装软件包 * 读写文件 * 调用外部服务 * 自主完成多步骤任务 这些能力恰恰是 Hermes Agent 强大的地方。 但同时也引出了一个关键问题: > 这些操作到底应该在什么环境里跑? 与其把 Hermes Agent 直接跑在宿主机上,我决定
最近折腾 Polymarket 量化交易 Bot,踩了几个坑,这篇把核心架构问题说清楚。 当一个 Bot 开始真正做交易决策的时候,它就开始变得难以维护了。 拉取订单簿容易,发送订单也容易。真正的工程难题在于:市场状态、策略状态、订单状态、仓位、风险控制、执行行为这些模块全都在异步变化,你怎么保持它们之间的一致性? 这才是正经的 Polymarket Bot 架构要解决的问题。 作者:Bo
让 AI agent 查个东西,它说已经起了个子 agent 来处理。又发了两条消息后我问它查完了没,它信心满满地告诉我:根本没起过什么子 agent。 但确实起了。七秒就跑完了,答案就在那儿候着。问题是 agent 已经看不见它了,于是它做了大模型遇到信息空白时都会做的事:编。编了一个 ID agent_0,去找,找不到,就断定这事从没发生过。 这个 bug 催生了 FLASH 0.5.4。
最近折腾了一把自己的 NoSQL 到 SQL 数据迁移工具,翻了不少资料,发现一个挺有意思的现象:SQL 迁移这个领域积累了快 20 年的工程经验,Flyway、Liquibase、dbmate 这些工具把schema 变更这个难题玩出了花,但隔壁 NoSQL 迁移工具圈子里,这些经验几乎没人用。不是说这些知识保密——全是开源的,文档齐全,大厂生产环境验证过的——就是没人把它们搬过去。 所以我先
最近折腾了一套基于AWS的内部AI助手,踩了几个坑,这篇把问题说清楚。 把AI引入企业内部,不是简单接个大模型让人开始提问就完事了。要让内部AI助手真正有用,得让它能访问企业自己的资料,还得有身份验证、权限控制、输入输出安全、完整的日志记录,以及人和AI之间的明确分工。 这个项目我搭了一套基于AWS的内部AI助手,允许已认证员工用企业内部文档作为知识源跟AI助手交互。 整个系统用到的技术栈:
最近在找一个靠谱的 AI 工作流自动化平台,踩了几个坑,终于找到 OrcFlows 这套方案,用下来感觉解决了几个痛点,这篇把核心点说清楚。 TL;DR:OrcFlows 是一个面向生产级自动化的工作流平台。每个执行都是一个持久化的 Temporal 工作流,不怕崩溃、不怕部署。AI Agent 留有完整的决策轨迹。变更有版本管理、可对比变更、可测试,审批通过后才能从开发环境推到生产环境。可视化
最近折腾了一个小实验——写个脚本,看能不能自动从陌生人那里赚到1欧元,全程不需人工介入。这个约束条件其实是个好用的测量工具,因为它逼着你在做任何事之前先问一个问题:我能不能在这里发文?能不能用自己的渠道收到钱? 大部分"去哪接私活"的建议对这两个问题都避而不谈。所以我直接实测了五个渠道,测试时间是2026年9月20日,每个数据都可以用一行命令复现。 1. DEV LISTINGS:API能调
最近在折腾一个文本编辑器的底层实现,踩了几个坑,这篇把问题说清楚。 你有没有想过,打开一个几十兆的文本文件,为什么现在的编辑器还能丝滑地跟上你的打字速度?每次敲键盘,字符应该瞬间出现才对。但在这个流畅的用户体验背后,藏着一个经典的计算机科学问题。 早年间个人电脑的内存资源极其紧张,如果编辑器在内存中管理文档的方式很糟糕,打一个字就可能导致整个系统卡死。为了解决这个问题,开发者们不得不在数据结构
共 605 条, 共 61 页