[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"consumer-news-detail-918":3,"consumer-news-interaction-918":39,"consumer-news-related-918":42},{"detail":4,"item":35},{"card":5,"schemaVersion":22,"fields":23,"content":29},{"id":6,"kind":7,"targetType":8,"targetId":9,"subtype":7,"typeLabel":10,"title":11,"subtitle":12,"summary":13,"coverUrl":14,"badgeText":14,"href":15,"sourceName":12,"meta":16,"metrics":18,"tags":20,"resolved":21},"NEWS_ARTICLE:918","news","NEWS_ARTICLE",918,"资讯","AI加持后2天时间将公司的运维自动化提高了一个层次","博客园","近期工作安排包括自动化测试、自动化运维、自动化运营和安全等一些工作。自己做产品、自己做设计、自己做开发、自己验收上线还是挺爽滴。 这其中工作简单的就是自动化运维。但我今天真正要讲的不是做了什么，或者用了什么技术，这些都不是核心问题。核心是面对一句话需求，要怎样去思考。 我拿到的需求就是 做全公司的自","","\u002Fnews\u002F918",[17],"2026",{"commentCount":19},1,[],true,"consumer-content-detail-v1",{"sourceName":12,"authorName":24,"summary":13,"description":13,"publishTime":25,"updateTime":26,"sourceUrl":27,"language":28},"编程一生","2026-08-30T08:29","2026-09-02T20:37:56","https:\u002F\u002Fwww.cnblogs.com\u002Fxiexj\u002Fp\u002F22759763","中文",{"format":30,"policy":31,"normalized":21,"html":32,"text":33,"wordCount":34,"hasBody":21},"HTML","NEWS_CONTENT_V1","\u003Cp>近期工作安排包括自动化测试、自动化运维、自动化运营和安全等一些工作。自己做产品、自己做设计、自己做开发、自己验收上线还是挺爽滴。\u003C\u002Fp>\n\u003Cp>这其中工作简单的就是自动化运维。但我今天真正要讲的不是做了什么，或者用了什么技术，这些都不是核心问题。核心是面对一句话需求，要怎样去思考。\u003C\u002Fp>\n\u003Cp>我拿到的需求就是 做全公司的自动化运维。那到底要做到哪些，做到什么程度呢。\u003C\u002Fp>\n\u003Cp>总体规划\u003C\u002Fp>\n\u003Cp>我的建议是优先找公司的标准，找不到再自己按照公司的阶段和情况把核心指标定下来。根据核心指标来拆解问题。\u003C\u002Fp>\n\u003Cp>比如说公司跟客户承诺7*24小时不间断服务。那SLA服务等级肯定不能低于3个9。核心指标有了，三个9怎么做，四个9怎么做，网上一大堆。\u003C\u002Fp>\n\u003Cp>针对我们公司的现状，我先出了一个总体规划。\u003C\u002Fp>\n\u003Cp>阶段二和阶段四内容较多，单发图\u003C\u002Fp>\n\u003Cp>阶段二\u003C\u002Fp>\n\u003Cp>阶段四\u003C\u002Fp>\n\u003Cp>大规划有了，咱们就一步一步做。咱们今天只讨论阶段一的过程。\u003C\u002Fp>\n\u003Cp>运维提效\u003C\u002Fp>\n\u003Cp>每个阶段也要先订核心指标。我定的核心指标是：可观测、可恢复、可应急。\u003C\u002Fp>\n\u003Cp>指标定了，下一步就是从痛点解决问题。因为公司本身没有几个人，之前的运维流程也不完善，也没有设备和人力去界面化操作。之前测试环境发布、生产环境发布都需要上服务器上手工搞。需要随时随地手机上也可以方便的操作、观测、恢复和应急。\u003C\u002Fp>\n\u003Cp>在电脑的管理端，用管理员账号登录后我们的操作界面长这样。\u003C\u002Fp>\n\u003Cp>可以一键发布，同时也满足 一些应用不发布的个性化需求。恢复和应急方面支持回滚。可观测方面前端有实际发布内容的展示。发布过程中，发布按钮会展示发布状态。后端有发布节点目前状态的实时展示，还有心跳检查等状态检查。检查服务卡死会自动dump后重启。这是自动恢复。还有一键停服，一键重启等应急操作。但是这些都有额外的安全措施。安全的东西都不便于公开讲，否则就不安全了。\u003C\u002Fp>\n\u003Cp>这个功能相比较其他公司用了各种框架，各种系统或者有专门团队来做的，确实是弱爆了。但是那些看起来花哨的功能都是有成本的。包括 资源成本，建设成本和使用人员的学习成本等。\u003C\u002Fp>\n\u003Cp>而我做的这个从开发到上线用了两小时。其他人使用的时候学习成本就是跟我确认一下，平均每人2分钟。\u003C\u002Fp>\n\u003Cp>AI时代下的变化\u003C\u002Fp>\n\u003Cp>在传统的软件开发时代，设计了长远规划，那代码设计一开始就要考虑可扩展，要技术选型，可能要选框架来满足长远需求。而AI时代，系统重构变得简单，在这种不涉及核心业务的场景下可以先尽量简单的满足需求，反而更灵活更可以拥抱超变化。\u003C\u002Fp>","近期工作安排包括自动化测试、自动化运维、自动化运营和安全等一些工作。自己做产品、自己做设计、自己做开发、自己验收上线还是挺爽滴。 这其中工作简单的就是自动化运维。但我今天真正要讲的不是做了什么，或者用了什么技术，这些都不是核心问题。核心是面对一句话需求，要怎样去思考。 我拿到的需求就是 做全公司的自动化运维。那到底要做到哪些，做到什么程度呢。 总体规划 我的建议是优先找公司的标准，找不到再自己按照公司的阶段和情况把核心指标定下来。根据核心指标来拆解问题。 比如说公司跟客户承诺7*24小时不间断服务。那SLA服务等级肯定不能低于3个9。核心指标有了，三个9怎么做，四个9怎么做，网上一大堆。 针对我们公司的现状，我先出了一个总体规划。 阶段二和阶段四内容较多，单发图 阶段二 阶段四 大规划有了，咱们就一步一步做。咱们今天只讨论阶段一的过程。 运维提效 每个阶段也要先订核心指标。我定的核心指标是：可观测、可恢复、可应急。 指标定了，下一步就是从痛点解决问题。因为公司本身没有几个人，之前的运维流程也不完善，也没有设备和人力去界面化操作。之前测试环境发布、生产环境发布都需要上服务器上手工搞。需要随时随地手机上也可以方便的操作、观测、恢复和应急。 在电脑的管理端，用管理员账号登录后我们的操作界面长这样。 可以一键发布，同时也满足 一些应用不发布的个性化需求。恢复和应急方面支持回滚。可观测方面前端有实际发布内容的展示。发布过程中，发布按钮会展示发布状态。后端有发布节点目前状态的实时展示，还有心跳检查等状态检查。检查服务卡死会自动dump后重启。这是自动恢复。还有一键停服，一键重启等应急操作。但是这些都有额外的安全措施。安全的东西都不便于公开讲，否则就不安全了。 这个功能相比较其他公司用了各种框架，各种系统或者有专门团队来做的，确实是弱爆了。但是那些看起来花哨的功能都是有成本的。包括 资源成本，建设成本和使用人员的学习成本等。 而我做的这个从开发到上线用了两小时。其他人使用的时候学习成本就是跟我确认一下，平均每人2分钟。 AI时代下的变化 在传统的软件开发时代，设计了长远规划，那代码设计一开始就要考虑可扩展，要技术选型，可能要选框架来满足长远需求。而AI时代，系统重构变得简单，在这种不涉及核心业务的场景下可以先尽量简单的满足需求，反而更灵活更可以拥抱超变化。",966,{"id":6,"kind":7,"title":11,"summary":13,"image":14,"href":15,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":38},"#2563eb","16 \u002F 10",[7,8],{"targetType":8,"targetId":9,"likedByMe":40,"likeCount":41,"commentCount":19,"contentLikeCount":41,"contentCommentCount":19,"sourceLikeCount":41,"sourceCommentCount":41},false,0,[43,52,58,65,73,80,86,93],{"id":44,"kind":7,"title":45,"summary":46,"image":47,"href":48,"meta":49,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":50},"NEWS_ARTICLE:827","MHS 三部曲（下）：谁允许 AI 行动？——权力、合规与中国厂商的答卷","我们总在等待一个像 ChatGPT 那样的机器人时刻。但具身智能真正的拐点，也许先发生在更不起眼的地方：一台陌生设备，第一次能把自己的能力、状态和边界完整告诉 AI；一个 Agent，第一次能把试出来的经验固化成可验证、可复用的机器技能。","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F510\u002F202608\u002F510-20260830153745229-1536981088.jpg","\u002Fnews\u002F827","2026 · 人工智能",[51],"人工智能",{"id":53,"kind":7,"title":54,"summary":55,"image":14,"href":56,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":57},"NEWS_ARTICLE:829","我不会美工，用 WorkBuddy 1 分钟做出 4 张海报","先说结果：下面这 4 张海报，从我发出指令到拿到图片，大约 1 分钟。 我不会美工，也没有打开 Photoshop。用的工具，是我之前用 WorkBuddy 做的一个海报生成器。这个生成器本身也没花几分钟，具体开发过程我在上一篇文章里写过。 这次我把海报生成器的网址、产品截图和要求一起发给 Work","\u002Fnews\u002F829",[7,8],{"id":59,"kind":7,"title":60,"summary":61,"image":62,"href":63,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":64},"NEWS_ARTICLE:828","一个人抵一个团队的时代，企业级 AI Agent 还需要做什么？","对于企业而言，真正需要的，不是一个“会聊天”的 Agent，而是一套能被多用户、多场景复用，且权限清晰、过程可审计、成本可控制的 Agent 能力体系。","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F2232255\u002F202609\u002F2232255-20260902173524728-659996478.png","\u002Fnews\u002F828",[7,8],{"id":66,"kind":7,"title":67,"summary":68,"image":14,"href":69,"meta":70,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":71},"NEWS_ARTICLE:832","用 runtime-async 写一个支持 async\u002Fawait 的轻量脚本引擎","起因：一个好奇 事情的开头很简单。 给 .NET 做过动态脚本的人大概都碰到过同一堵墙：表达式树也好、Reflection.Emit 也好，都很难支持 async\u002Fawait。原因不在语法，而在 await 的实现方式——C# 编译器要为每个 async 方法生成一个状态机结构体，把方法体切成若干片","\u002Fnews\u002F832","2026 · 软件开发",[72],"软件开发",{"id":74,"kind":7,"title":75,"summary":76,"image":77,"href":78,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":79},"NEWS_ARTICLE:831","Agent Sandbox 规模化：JuiceFS 探索与实践","过去一段时间，我们在和云厂商以及 Agent 团队推进 Sandbox 落地时，除了要解决数据如何进入 Sandbox，还需要考虑任务所需的数据和执行过程中产生的数据，如何跨任务、跨阶段持续使用。Sandbox 可以随任务快速创建和销毁，但数据往往需要继续保留、共享和流转。 当 Sandbox 并发","https:\u002F\u002Fimg2024.cnblogs.com\u002Fblog\u002F2544292\u002F202609\u002F2544292-20260902171045357-1907499098.png","\u002Fnews\u002F831",[7,8],{"id":81,"kind":7,"title":82,"summary":83,"image":14,"href":84,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":85},"NEWS_ARTICLE:830","百智云长期记忆服务：长期记忆与上下文窗口的区别","很多人在接触 AI 长期记忆时，第一反应是：「这不就是把聊天记录存起来吗？」其实这是一个很常见的误解。今天我们把「长期记忆」和「上下文窗口」这两个概念彻底讲清楚。 一、什么是上下文窗口 上下文窗口（Context Window）是模型在单次推理时能「看到」的文本上限。它像一个临时的工作台：模型只能处","\u002Fnews\u002F830",[7,8],{"id":87,"kind":7,"title":88,"summary":89,"image":90,"href":91,"meta":49,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":92},"NEWS_ARTICLE:835","体验向量数据库 qdrant","作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 背景 为了早点搞懂公司的百万行 C# 的祖传代码，我想在缺乏文档、缺乏帮手的情况下，先建立一个 企业知识库 来快速帮我理清头绪。 一开始，我是打算以 weav","https:\u002F\u002Fimg2022.cnblogs.com\u002Fblog\u002F1457949\u002F202202\u002F1457949-20220216153819145-1193738712.png","\u002Fnews\u002F835",[51],{"id":94,"kind":7,"title":95,"summary":96,"image":14,"href":97,"meta":17,"badge":10,"author":12,"stats":-1,"accent":36,"coverRatio":37,"tags":98},"NEWS_ARTICLE:833","如何利用AI技术实现漫画翻译","漫画作为图文结合的特色文化载体，承载着各国潮流文化与人文故事，但跨语言的文字壁垒，长期制约着漫画的传播与交流。传统漫画翻译高度依赖人工操作，需要人工框选文字、擦除原图文字、翻译文案、排版适配画风，流程繁琐、耗时费力，且极易出现排版错乱、画风违和、语义偏差等问题。 随着深度学习、计算机视觉与大模型技术","\u002Fnews\u002F833",[7,8]]