Marico's space

译者前言：Open Agent SDK 是一个 Swift 写的本地 AI Agent 开发框架，设计思路相当扎实——SessionStore 的 actor 隔离、PermissionPolicy 的可组合策略、路径规范化和段边界匹配防止目录遍历、HookRegistry 的 20+ 生命周期事件。这篇深入分析四个子系统的实现细节，是难得一见的深度技术文。 会话持久化：SESSIONSTOR

译者前言：Laravel 生态丰富，但 AI 集成这块的架构坑不少——限流、token 燃烧、Provider 锁定，每一个都能让凌晨两点的你从床上爬起来。这篇文章给了一张系统级地图，不讲任何一个 Provider 的认证流程，但把 OpenAI、Gemini、Claude 三家的本质差异讲清楚了。选 Provider 前，先把架构搭好。 LARAVEL AI 集成问题域 在选择提供商或绘制

最近折腾了一下 OpenClaw，把它玩出了点新花样——不是正经用法，就是觉得有意思想试试。 具体折腾的是：让一个专门负责画图的 Agent 打开浏览器、调用 Gemini 生成图片，然后另一个 Agent（我管它叫"HR 管理器"）调用飞书（Feishu）API 把生成的图片设成群聊头像。两个 Agent 各干各的，一个画，一个换。全自动运行，我只需要看结果。听起来挺简单对吧？实际上花了得好几

最近在折腾数据管道的自动化，Airflow 这个名字出现频率极高，干脆上手试试。这篇文章算是学习笔记，原文是篇很标准的入门教程，结合实操体验重新整理了一遍，加了点踩坑心得。 如果你也写了 ETL 脚本但还在手动跑，或者想了解怎么把这套东西整到生产级别，这篇应该有用。 ----------------------------------------------------------------

前几天看到一张账单，一周下来 LLM 调用费用近 1.5 万美元——一个客服 Copilot，把同一套 FAQ 上下文反复塞进 prompt，一周之内同一段输入 token 被重复付费了约 41000 次。🤯 第一反应当然是去找 GPTCache 之类的中间件。但看了一眼它的依赖图，陷入了沉思……真的需要那么多轮子吗？ 于是我认真想了想：100 行 Python 能搞定吗？ 答案是：能。而

2025年9月25日，PostgreSQL 18 正式发布。如果你是在冲刺计划中间隙扫了一眼发布说明，然后把它归档为"小版本升级"，建议回头再看看。这版本里落地的五件事，恰好就是你们团队 2023 年在 Confluence 上建的那个"可能需要把部分业务迁移到 Mongo / Dynamo / Cassandra"文档的五个理由。 现在你可以停更那个文档了。你当初标记的那些场景，大部分现在在

这篇文章不是软文——SerpApi 本身也不是什么新鲜玩意儿了。写的是实打实的工程经验：认证怎么过、返回的 JSON 结构到底长啥样、额度怎么省、LangChain 里怎么接，以及那些文档里不会写但人人都踩的坑。 如果你正在做 AI Agent、SEO 工具、比价爬虫，或者任何需要搜索数据的产品，这篇值得花 5 分钟看完。 认证：别把 KEY 写进代码 SerpApi 的认证是整个流程里最

这篇文章不是软文——SerpApi 本身也不是什么新鲜玩意儿了。写的是实打实的工程经验：认证怎么过、返回的 JSON 结构到底长啥样、额度怎么省、LangChain 里怎么接，以及那些文档里不会写但人人都踩的坑。 如果你正在做 AI Agent、SEO 工具、比价爬虫，或者任何需要搜索数据的产品，这篇值得花 5 分钟看完。 认证：别把 KEY 写进代码 SerpApi 的认证是整个流程里最

别再把 Agent 记忆系统搭在向量数据库上了。这是在给团队挖坑。 Vector RAG 在演示里看起来很优雅。传个查询，返回相似片段，塞进 context，搞定。但扩到多个 Agent 长期协作的时候？崩了。彻底崩了。 原因就一个：RAG 把检索和协调混为一谈了。它假设所有知识都是可叠加的，冲突不存在，Agent 不会互相覆盖。实际上？冲突存在，Agent 互相覆盖。 你真正需要的不是检索

如果你直接用过 Azure Cosmos DB，就会知道那种痛苦：手写原始 SQL 查询，管理参数化输入，数据入库前没有任何验证。 对比一下查询 100 美元以下电子产品的两种方式： 原始 @azure/cosmos SDK，要写一个 query 对象，parameters 数组手动拼参，一不小心就 SQL 注入。而用 Cosmoose，直接 Product.find({ category: