AI 写代码越来越快，还会推理、能给出好几套方案，很多人以为软件开发那点"难"终于要被抹平了。重读 Ousterhout 的《软件设计的哲学》，我越发确信：AI 干得了参谋，列得出选项，却还挑不出"最适合你这个系统"的那一个。复杂性不是被消灭，而是成了 AI 能帮你走多远的天花板——它反而让"判断与拍板"这件事更值钱，而不是更没用。

传统 RAG 把文档切碎成 chunk 各自嵌入，遇到"多个实体互相牵连"的问题就抓瞎。GraphRAG 用知识图谱补上了关系，却贵得离谱、更新一次能烧掉几百万 token。这篇精读港大与北邮的 LightRAG 论文（arXiv:2410.05779），先把传统 RAG 的老毛病摊开，再拆 LightRAG 的图索引 + 双层检索 + 增量更新，最后落到一张选型对照表。

一份 MySQL 数据库设计评审清单，我把它拆成"建表""查询""特殊约束"三块，并逐条讲清楚背后的原因——为什么禁自增主键、为什么禁外键、为什么用 DATETIME 不用 TIMESTAMP、为什么少碰 JSON 和大字段。规则好背，难的是知道每条规则在防哪个坑。文末附一份可直接抄的自查清单。

想让 AI Agent 调用你已有的服务，眼下有两条主流路子：包成 MCP Server，或者包成一个 CLI 让 Agent 去 shell 里跑。这篇用 Python 和 MySQL 官方示例库 Sakila（查客户租片记录）做例子，把两者的技术细节、协议差异、部署形态、鉴权与安全边界摊开对比，最后给一张选型对照表和一份落地清单。

Sigmoid 曾是神经网络最经典的激活函数，如今深层网络的隐藏层却几乎都换成了 ReLU。本文用调光旋钮和单向门的类比，从“为什么需要激活函数”一路讲到导数、梯度消失，最后说清 ReLU 凭什么把它挤下主力位置——数学基础一般也能跟到底。

第二大脑不是网盘,也不是某个 App,而是一套"采集、提炼、连接、核对、内化、复用"的能力回路。本文讲怎么用你已有的工具——ChatGPT/Claude、本地 RAG、命令行脚本、Jupyter、笔记软件和自建 Wiki——把这套回路亲手搭起来,并接上"问、猜、跑、看、讲、测"六字诀。NotebookLM 只是众多参照物之一。

AI 最有意义的用途，不是替人更快地交作业，而是缩短“提问、猜想、实验、观察、解释、测试”的学习闭环。本文从认知心理学出发，用 Jupyter Notebook + LLM 演示如何把公式、算法和数据结构从纸面符号变成可以操纵、观察和验证的对象。

单个感知机只能画一条直线，连四条数据构成的 XOR 都解决不了。可正是这次失败，把人们引向隐藏层、非线性激活和反向传播。本文从 XOR 出发，讲清多层网络为什么能够学习新表示，再沿着这条思想谱系走到 Transformer 与 LLM。

今天的 LLM 动辄数十亿参数，其思想源头之一却是十几行代码就能实现的感知机。本文用垃圾邮件打分、门卫和画线的类比，讲清输入、权重、偏置、激活函数、学习规则与收敛边界，并给出一个可运行的 NumPy 最简实现。

加密只能隐藏内容，不能证明数据与业务上下文没有被调包。本文用加密信封的类比讲清 AEAD、AAD、nonce、CTR 与 GHASH，并给出可运行的 Python 示例和上线检查清单。

2017 年 AWS 一个工程师敲错一条命令，让小半个互联网黑屏四小时；Knight Capital 一次没同步好的部署，45 分钟烧掉 4.4 亿美元。服务治理的本质是工程问题：能自动化的规则、约束、检查、测试，就别指望人半夜手动去跑。清单革命固然好，但清单要人看、人执行，而人从来不是百分百可靠的。这篇聊聊业界的标准、最佳实践、成功案例和典型事故。

傲气是看不起人，傲骨是看得起自己。顺势而为没错，但守住的原则和气节不能拿去换。这篇聊聊：为什么当你觉得"非我莫属"、别人偏不给你时，那多半不是你的问题，以及一个普通人怎么把傲骨落到实处。

Go 的隐式接口（duck typing）写起来很爽，但代价是"看不见"——一个 struct 到底实现了哪些接口，光看代码根本一眼看不出来。这篇不改语言、不等官方，从编译期断言、gopls 双向跳转、golangci-lint、go generate 到自己写工具生成 UML 类图（附开源项目 gouml），一层层把可发现性补回来，附可跑的例子和一份可落地清单。

人生一个个十字路口，我常常徘徊彷徨、踟蹰不前，想不清楚也做不了决定。后来慢慢琢磨出两条：先弄明白自己到底想要什么，再审时度势、顺势而为。上赶着不是买卖，勉强来的东西留不住。

做后端的，跟高并发、大流量打交道是家常便饭。分而治之是基本思想，多进程、多线程、多路复用、异步是基本手段。到了 Go 这里，最常被问的一个问题是：面对资源竞争，到底该用 Channel 还是互斥锁？这篇给一个能记住的判断口诀，再把 Go 里几种真正好用的并发模式一个个拆开讲——附可跑的代码和一张选型清单。

做了这么多年后端和 WebRTC，绕不开密码学，可真要系统学起来又觉得无从下手。这篇按"该知道什么、从哪入手、哪些值得深挖、哪些书值得反复读"四条线，给一个不吓人也不糊弄的密码学学习地图。

分区(partition)是网络把集群切成了几块,谁也看不见谁;脑裂(split-brain)是切开之后,每一块都以为"就剩我了,我来当家"。于是两个主节点同时写数据,等网络恢复,数据对不上,谁都不认谁。这篇讲清楚脑裂的根因(网络分区 + 各自选主),以及业界公认的解法:多数派仲裁(quorum)、fencing、见证节点,配一份可抄的排查与设计清单。

字符串看着最简单，坑却最深。从 C 的一根 char 指针，到 C++ 的 std::string，到 Java/Python 的对象化，再到 Go 的 rune，这一路演进本质上就在解决三个问题：谁管内存、长度怎么算、一个"字"到底是什么。这篇按时间线把它们串起来，讲清楚每一步为什么这么设计、又留下了什么坑。

很多人以为限流就是"每秒放 100 个请求"，配个数字完事。真上了规模才发现，限流是分层的、分策略的、还得跟业务谈判的。这篇把限流拆成"在哪一层限、按什么维度限、用什么算法、放行还是拒绝、拒了怎么告诉客户端"几件事，配上可抄的配置和一张决策清单。

Streamlit 让你用写 Python 脚本的方式,几十行就做出一个能交互的数据应用——不碰 HTML/CSS/JS,不起前端工程。这篇讲清楚它背后"脚本从上到下重跑一遍"的设计理念,常用控件与状态管理,一个能跑的完整实例,以及我踩过坑之后总结的最佳实践。