Marico's space

三年前我痴迷自动化，花了几百个小时在 make.com 和 n8n 上搭各种流程，就为了让营销公司的那些破活儿自动化一点。但真正让我有「啊哈」时刻的，不是我第一次用 AI 写博文——而是意识到：我可以把 AI 本身也给自动化了。 从把 AI 当成一个「提示词工具」到构建一套「自主运行的智能体系统」，这个转变是根本性的。就好像计算器和会计的区别。 六个星期深度投入，我搭了一支 9 个 AI「员工

最近在研究 AI Agent 的发展方向，看到一篇讲自学习 AI 代理（Self-Learning AI Agents）的文章，觉得挺有意思，顺手转写了一下。原作者 Vishal Uttammane，4月20号发的，内容比较新，值得一看。 说实话，现在 AI Agent 这块真的卷得厉害。各家都在吹自己的 Agent 有多智能，但真正能做到「自学习」的，其实凤毛麟角。大部分所谓的 Agent 不

存储引擎调优：我从 p99 踩坑中学到的那些事 做数据库/存储相关工作的，谁没被 p99 延迟折磨过？明明测试环境跑得飞起，一上生产就这里抖那里卡。踩过几次坑之后我发现，问题往往不在"磁盘慢"，而是你根本没测对东西。 这篇文章来自 beefed.ai 的工程师，写得很实战，正好把我踩过的坑都串起来了。强烈建议先收藏，再往下看。 先说个核心观点：基准测试不是为了跑出好看的数字，而是为了找出 SLO

我用自己做的安全审计工具扫了自己的代码库，结果社死了 说出来你可能不信——我给自己写的安全审计工具 VibeScan 花了 $49，结果扫出来的第一个 bug，就是我自己埋进去的。 事情是这样的 我写了个 LLM 驱动的安全审计工具，面向那些用 Lovable、Bolt、v0、Cursor 快速交付的创始人——就是那种"先跑起来再说"的节奏。技术栈是 Python + Claude A

译者前言：最近在折腾 AI 应用的调试问题——多 agent 流水线跑起来之后出了问题根本不知道是哪一步出的幺蛾子。OpenTelemetry 知道，但用起来门槛不低。这篇文章介绍了一个阿里云开源的工具 LoongSuite，不用改代码就能给 AI 应用加上完整的可观测性。看了一下还挺有意思，顺手翻了一下。 随着 AI 应用变得越来越复杂，很多人都会有这种感觉：功能跑起来了，但改起来越来越心虚。

最近 AI Agent 真是火得不行，各种自动化工作流、智能助手满天飞。但说实话，你有没有想过：这些 AI 代理在生产环境里到底在干什么？它们会不会突然删掉你的数据库，或者把敏感数据发到不该发的地方？ 说实话，这个问题我自己也琢磨过。大多数 AI 代理项目上线时，底下其实连个像样的安全层都没有。测试时一切正常，一到生产环境就出幺蛾子——记录被误删、PII（Personally Identifia

从 S3 迁移到 GOOGLE CLOUD STORAGE？我把两边的命令对照了一遍 最近折腾了一下 Google Cloud Storage（GCS），说实话之前一直泡在 AWS 里，S3 用得贼熟，换到 GCP 那边多少有点不适应。踩了几个坑之后，决定把 S3 和 GCS 的概念及命令做个对照，方便有同样需求的朋友少走弯路。 先说结论：如果你的业务已经在 GCP 上（用着 Cloud Ru

市面上的 AI 转录工具多如牛毛，但大多数只告诉你「能用」，不告诉你「为什么能用」。本文来补上这个缺口。 TL;DR * 95–99% — 干净音频上的识别准确率 * 68万小时 — Whisper 的训练数据量 * <3秒 — 处理一分钟音频所需时间 * 99+种语言 — Whisper 原生支持 ![AI语音识别技术](https://blog.marico.cc/file/o

windows环境下, 使用虚拟Python环境可以使程序运行环境与主机环境隔离, 并在虚拟环境中安装不同Python版本. 本文主要介绍virtualenv 的用法. VIRTUALENV 与 VENV 的区别 特性 venv virtualenv 内置性 Python 3.3+ 内置 需要单独安装 兼容性 仅支持Python 3.3+ 支持Python 2.7+

国庆七天, 阴雨连绵, 西安今年这个天气也是绝了. 也正好趁此机会整理了下自己写的博客程序, 顺便给自己的网站做了个简单压测. 本博客本人从零手搓, 珍爱至极. 不仅给自己用, 也同时给孩子注册了域名, 简单记录了些他的生活. 博客采用极简风, 没有花哨的模块和配置, 也没有酷炫的界面, 但却可以自由设定一些背景图片, 自由添加各级菜单. 终于算是完成了1.0版本. 系统简介 1.