Categories
  • 技术 (71)
  • 生活 (36)
  • 孕期指南 (35)
  • 📁 Ai日报 (29)
  • 技术热点 (24)
  • 📁 每日简报 (22)
  • 项目分析 (22)
  • Ai (19)
  • 📁 原创歌曲 (18)
  • Ai工具 (11)
  • 架构设计 (10)
  • 编程工具 (8)
  • 小说 (7)
  • 赛博朋克 (7)
  • 教程 (3)
  • 📁 健康指南 (2)
  • 📁 周报 (2)
  • 📁 技术实践 (2)
  • 技术教程 (2)
  • 📁 源码解析 (2)
  • 📁 运维 (2)
  • 📁 Ai应用 (1)
  • 📁 Ai研究 (1)
  • 📁 Devops (1)
  • 📁 具身智能 (1)
  • 📁 前端 (1)
  • 📁 安全 (1)
  • 📁 安全知识 (1)
  • 📁 工具推荐 (1)
  • 📁 应用案例 (1)
  • 📁 开发指南 (1)
  • 开源项目 (1)
  • 📁 总结 (1)
  • 📁 技术分析 (1)
  • 📁 技术解读 (1)
  • 📁 效率工具 (1)
  • 📁 新闻 (1)
  • 📁 新闻聚合 (1)
  • 📁 智能客服 (1)
  • 📁 生活常识 (1)
  • 📁 科普 (1)
  • 系统设计 (1)
  • 📁 自动化 (1)
  • 📁 论文精读 (1)
    • Featured Tags
  • 🤖 ai (65)
  • 👶 孕期 (55)
  • 📌 健康 (30)
  • 🤖 大模型 (29)
  • 📌 烹饪 (28)
  • 📌 菜谱 (26)
  • 📌 每日简报 (25)
  • 📌 技术热点 (23)
  • 📌 深度解读 (23)
  • 📌 科技新闻 (23)
  • 📌 nps (18)
  • 📌 go语言 (16)
  • 📌 deepchat (13)
  • 📌 qwen code (9)
  • 📌 架构设计 (8)
  • 📌 编程工具 (8)
  • 📌 ai日报 (7)
  • 📌 todoing (7)
  • 📌 小说 (7)
  • 📌 科幻 (7)
    • Recommend Series
  • 👶 孕期知识 (6)
  • 📚 Devtools (2)
  • ⚡ 博客优化 (2)
  • 📚 Qwen Code实践 (1)
  • 🚀 开源项目 (1)
      • Blogs
      163 posts
    NPS 核心组件：深入剖析 Bridge 模块
    • Jul 18, 2025
    • 4 minutes read
    引言 在 NPS 的服务端架构中，proxy 模块负责监听公网端口并处理各种协议的流量，而 client 模块则在内网中连接本地服务。那么，当一个公网请求到达 proxy 模块后，它是如何精确地找到对应的内网客户端，并与之建立一条数据通道的呢？答案就是 Bridge 模块。Bridge 是 NPS 服务端的核心枢纽，它负责维护所有客户端的长连接，并在此之上建立控制和数据隧道，是整个 NPS 体系的“交通总指挥”。 Bridge 结构体：通信枢纽的核心 bridge.go 文件首先定义了 Bridge 结构体，它包含了 Bridge 模块运行所需的所有关键信息： ......
    构建智能运维大脑：一个可动态发现任务的AI智能体实践
    • Jul 18, 2025
    • 6 minutes read
    挑战：复杂运维场景下的“全链路分析”困境 在大型互联网服务的日常运维中，我们经常面临这样的场景：用户反馈某个服务出现异常，例如“live.live.app-blink 服务报错，需要查看错误日志并进行全链路分析”。 这看似简单的需求，背后却隐藏着一个复杂且耗时的工作流： 日志初筛：首先，需要从海量日志中精准定位到指定服务的错误日志。 信息提取：从日志中抽取出关键标识，例如 trace_id。 关联发现：基于 trace_id，需要进一步查询所有相关的上游和下游服务。 任务分解：为每个关联服务生成新的日志查询或指标分析任务。 并行执行：同时执行这些分散的任务。 结果聚合：将所有任务的结果汇总，形成一份完整的全链路分析报告。 这个过程不仅需要人工介入大量查询和判断，而且效率低下，容易出错。为了解决这一痛点，我们构思并实现了一个链式处理AI智能体，旨在将这一复杂流程自动化、智能化。 ......
    构建智能客服大脑：一个链式处理AI Agent的实践与思考
    • Jul 18, 2025
    • 6 minutes read
    挑战：复杂客户投诉处理的痛点 在互联网服务的日常运营中，客户投诉是不可避免的一环。然而，许多投诉并非简单问题，尤其当它们涉及复杂的系统交互时，例如用户反馈“直播卡顿，需要查看日志并进行全链路分析”。这类问题往往需要： 多源信息收集：从日志系统、监控平台、用户行为数据等多个渠道获取信息。 跨系统关联分析：根据一个关键标识（如 trace_id），关联不同服务间的调用链路。 动态决策与任务分解：根据初步分析结果，动态决定下一步需要执行的任务（例如，发现新的关联服务后，需要生成新的查询任务）。 人工经验依赖：整个过程高度依赖运维或客服人员的经验，效率低下且容易出错。 为了解决这些痛点，我们设计并实现了一个链式处理AI Agent，旨在将这一复杂、多步骤的客户投诉处理流程自动化、智能化。 ......