logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

系统设计练习 - 设计分布式事件流处理系统

本文设计了一个高并发事件流处理平台,支持数百万客户端实时写入和多服务并发消费。系统采用基于日志的分区存储架构,通过partition保证顺序写入,支持consumer group并行消费和offset管理。关键设计包括:1)使用append-only日志结构提高顺序读写效率;2)引入副本机制保障高可用;3)提供at-least-once投递语义;4)支持动态分区扩容。平台具备低延迟、高吞吐、水平扩

文章图片
#分布式#系统架构
系统设计练习 - 全球特征标签配置平台

本文介绍了一个全球统一Feature Flag平台的设计方案。系统需要支持数千个后端服务和移动应用的灰度发布控制,具备高可用、多地域部署和低延迟等特性。核心架构采用配置服务管理功能开关,通过全局数据库同步到各区域的分布式服务,再由SDK本地缓存提高性能。关键设计包括:1) 基于一致性哈希的渐进式发布;2) 支持多条件的精准投放;3) 5秒内生效的全局熔断;4) 读写分离的缓存策略优化性能。系统通过

文章图片
#分布式#系统架构
如果你对AI agent还没有概念,可以先试试这个

本文介绍如何在VSCode中快速搭建一个简单的AI代理(CodeGuardian),用于自动为Python文件添加版权声明。通过创建agent.md和技能定义文件(check_copyright.md、insert_header.md),用户可以定义代理的行为逻辑:当保存.py文件时检查是否存在版权声明,若缺失则自动插入预设的header。整个过程只需基础Python知识和VSCode操作,无需深

#python#开发语言
搭建免费的Ollama AI Agent

本文介绍了如何利用Ollama和LangChain构建基础AIAgent。首先概述了AIAgent的核心组成(Policy+Memory+Tools+ExecutionLoop)及相关工具,重点说明了选择本地运行Ollama的两大优势:节省API调用费用和操作便捷性。通过具体代码示例,演示了安装qwen3.5模型、创建Python虚拟环境、定义天气查询和地点描述工具函数,以及构建能自主选择调用工具

#人工智能#python#Ollama
系统设计练习 - 全球统一的实时风控决策平台

本文提出一个毫秒级实时风控决策系统设计方案,支持支付、信贷等多业务线。系统采用规则引擎+AI模型的混合决策模式,具备特征计算能力(如5分钟交易次数统计)。核心需求包括:P99延迟<50ms、99.99%可用性、百万QPS、全球多region部署。架构包含API网关、决策引擎、特征服务、模型服务等组件,通过在线特征存储(DDB+Redis)和离线数据湖实现高效数据处理。关键设计包括:1)多re

文章图片
#系统架构
系统设计练习 - 实时街头抓拍系统

本文提出一个实时车辆识别系统的设计方案,满足从摄像头接收视频流、AI识别车辆信息、历史记录查询和实时告警等功能需求。系统采用微服务架构,包含视频上传、AI分析、索引构建、查询服务和告警服务等组件,使用AWS云服务(S3、Lambda、SageMaker等)实现。设计重点解决了数据一致性(通过幂等API和消息队列)、系统扩展性(合理设计DynamoDB分区键和OpenSearch索引)和低延迟(考虑

#系统架构
怎样通过Ollama免费养殖的小龙虾(OpenClaw)

本文介绍了开源AI项目Ollama和OpenClaw的安装与使用流程。Ollama支持在本地运行开源大语言模型,而OpenClaw则是一个能通过Agent和Tools与外界交互的AI代理系统。文章详细说明了如何安装这两个工具,配置OpenClaw连接本地Ollama服务,并通过浏览器界面与AI互动。最后展示了两个应用实例:查询天气和生成图片,展示了OpenClaw的交互能力。整个过程完全基于开源模

文章图片
#人工智能
怎样通过Ollama免费养殖的小龙虾(OpenClaw)

本文介绍了开源AI项目Ollama和OpenClaw的安装与使用流程。Ollama支持在本地运行开源大语言模型,而OpenClaw则是一个能通过Agent和Tools与外界交互的AI代理系统。文章详细说明了如何安装这两个工具,配置OpenClaw连接本地Ollama服务,并通过浏览器界面与AI互动。最后展示了两个应用实例:查询天气和生成图片,展示了OpenClaw的交互能力。整个过程完全基于开源模

文章图片
#人工智能
搭建免费的Ollama AI Agent

本文介绍了如何利用Ollama和LangChain构建基础AIAgent。首先概述了AIAgent的核心组成(Policy+Memory+Tools+ExecutionLoop)及相关工具,重点说明了选择本地运行Ollama的两大优势:节省API调用费用和操作便捷性。通过具体代码示例,演示了安装qwen3.5模型、创建Python虚拟环境、定义天气查询和地点描述工具函数,以及构建能自主选择调用工具

#人工智能#python
到底了