在之前的文章中，我们花了大量的篇幅，从记录后端pod真实ip开始说起，然后引入envoy，再解决了各种各样的需求：配置自动重载、流量劫持、sidecar自动注入，到envoy的各种能力：熔断、流控、分流、透明代理、可观测性等等，已经可以支撑起一个完整的服务治理框架了而今天介绍的istio，正是前面提到的这些所有功能的集大成者，从本文开始，我们将详细介绍istio，并且与之前手搓的功能做一个详细的对

算子场景布隆过滤器的来源核心作用适用架构/格式Table Scan写入数据时持久化在文件元数据中跳过无关的数据块/行组 (Data Skipping)，减少顺序读量列存格式 (Parquet/ORC), ClickHouseIndex Scan写入 SSTable 时生成，常驻内存避免对无关文件发起低效的磁盘索引探测，减少随机读次数LSM-Tree 引擎 (RocksDB, TiDB, HBase

在过去的十余年间，智能家居（Domotics）技术的发展轨迹经历了从被动响应到规则自动化的缓慢演进。以 Amazon Alexa 和 Google Home 为代表的商业化云端智能助手，曾作为这一领域的先驱，成功地将语音交互计算引入了大众消费市场。然而，随着物联网设备密度的呈指数级增长以及用户对场景化交互需求的日益复杂，这种基于传统单体架构和云端依赖的模式开始暴露出根本性的局限。传统的商业智能助手

借助 Vibe Coding、云计算产品、及 GitHub 开源项目，一个从未写过 IOS 小白解锁了 Meta Ray-Ban 眼镜的开发，构建了一个 “端-管-云” 协同的智能原型：眼镜负责第一视角采集，iOS App 负责抽帧中继，云端 AgentRun 充当“大脑”进行意图理解与决策，指挥 FC 函数 完成查库、违章记录等实操。2天零碎时间，把一副消费级眼镜勉强魔改成“交警副驾”：）端侧减

1.7.0 在工具调用的事件与消息结构上做了比较大的增强：SSE 事件更丰富、消息内容里新增了工具请求/响应的类型，前端能把“调用了什么工具、传了什么参数、拿到了什么结果”以更清晰的方式展示出来。这件事看起来偏“体验”，但它会直接影响你是否愿意在真实业务里用工具调用：当工具一多、调用链一长，如果 UI 只是一坨 Markdown 混在一起，那基本等于不可用。