Docker Compose编排多服务：网络卷健康检查与启动顺序全解析
生产环境部署微服务，单靠docker run一条条敲命令，简直是灾难。本文基于Docker 25.0.3和Compose v2.24.6，分享一个包含Nginx网关、Spring Boot后端、PostgreSQL 16、Redis 7和RabbitMQ的5服务编排方案。通过自定义bridge网络隔离流量、命名卷持久化数据、healthcheck探活及depends_on条件控制，将服务启动时间从
Prompt Engineering实测：从3.2%到91%准确率的意图分类调优记录
本文记录了在保险行业智能客服场景下，通过系统性优化Prompt将意图分类准确率从3.2%提升至91%的完整过程。对比了零样本、少样本、思维链及角色扮演四种Prompt策略，使用GPT-4-turbo（gpt-4-turbo-2024-04-09）进行了87次实验，累计消耗约240万tokens（成本约$18.7）。重点分析了Token消耗与输出质量的权衡关系，展示了结构化Prompt模板、动态示例
React 19与Vue 3项目从Props钻透到Zustand/Pinia：一次真实重构记录
在维护一个超300个组件的后台项目时，Props钻透导致的重渲染次数激增40%，Context更新引发全子树渲染。我通过将React 19.0.0与Vue 3.5.13项目分别迁移至Zustand 5.0.2和Pinia 2.2.6，首屏交互响应时间从210ms降至95ms，内存占用下降约18%。本文记录方案选型、迁移步骤、代码示例及规避闭包陷阱的优化细节。
RAG系统优化实录：chunk粒度、Embedding选型与Rerank重排的取舍
在构建一个基于企业知识库的RAG问答系统时，初期版本在内部测试集上的Recall@5仅为0.67，回答准确率不足60%。本文记录了连续两周的优化过程：通过调整chunk_size与overlap策略、将Embedding模型从BAAI/bge-small-zh切换至text2vec-large-chinese，并在检索末端引入bge-reranker-base，最终将Recall@5提升至0.91
Prompt工程化调优实录：基于GPT-4o的SQL生成任务Token成本压缩42%
在LLM驱动的Text-to-SQL任务中，Prompt设计直接决定输出质量与推理成本。本文基于OpenAI GPT-4o-turbo（2024-08-06快照），针对证券交易查询场景，对比了5种Prompt模板的准确率、Token消耗与延迟。通过引入“Schema感知裁剪+示例动态检索+输出格式约束”三层结构，最终将SQL生成准确率从68%提升至91%，单次查询Token成本从2,184降至1,
LoRA微调Llama-3-8B中文对话模型：显存9.8G与loss 0.72的全记录
上周用单张RTX 3090把Llama-3-8B调成中文客服模型，全程没碰全量微调。QLoRA 4-bit量化后显存峰值9.8GB，训练3个epoch损失从2.31降到0.72。本文记录数据清洗、PEFT配置、loss曲线解读和推理效果对比，包括一个差点报废显存的save_pretrained坑。如果你也在纠结微调显存不够或者loss不降，这篇应该能省你半天时间。
asyncio重构Flask接口：QPS从120到850的完整改造记录
一个基于Flask+Requests的聚合API，在并发200时延迟飙到3.2秒，QPS仅120。通过引入asyncio+aiohttp重写核心IO逻辑，配合semaphore限流和连接池复用，最终QPS稳定在850，P99延迟降至180ms。本文记录完整改造过程，包括asyncio事件循环与Flask的兼容方案、协程池设计、以及一个导致“假死”的坑——asyncio的`run_until_com
asyncio重构Flask接口：请求耗时从800ms降至150ms
某次压测发现订单查询接口在50并发下P99耗时高达820ms，数据库连接池被打满。改用asyncio + aiohttp + asyncpg重构后，P99降至152ms，吞吐量提升4.7倍。本文记录完整改造过程，包括事件循环策略调整、数据库连接池复用、协程超时控制等关键细节，并附上改造前后的火焰图对比和JMeter压测数据。适合已经掌握asyncio基础语法、但未在真实项目中大规模落地的开发者参考
RAG命中率从61%到89%：chunk重构与embedding选型及rerank实践
在私有知识库问答场景中，RAG系统初期采用固定256字符切块与bge-small-zh模型，回答准确率仅61%，且多次出现关键段落被截断导致的“幻觉”。本文记录了一次完整的检索链路优化：通过语义感知的chunk重构、更换为bge-m3 embedding模型，并在检索顶部引入bge-reranker-base重排。最终在2000条业务QA评测集上，Hit@5命中率从61.3%提升至89.7%，答案
asyncio重构Flask接口，QPS从87到312的完整记录
一个内部报表API，单次请求需要聚合3个微服务数据，平均耗时420ms，QPS只有87。用asyncio把串行HTTP调用改为并发后，P95延迟从680ms降到215ms，QPS提升到312。本文记录完整改造过程，包括asyncio.run()的坑、Semaphore限流、aiohttp连接池复用，以及如何在不改Flask框架的前提下接入异步。附完整可运行代码和压测数据。
Git Flow与Trunk Based双轨策略：支撑百人团队的版本控制架构
本文记录了我们团队从SVN迁移至Git后，在100+研发人员、20+并行项目的规模下，如何通过双轨制（Git Flow + Trunk Based）解决发布混乱与代码冲突的实践。重点分享基于Git 2.39.1的`--rebase-merges`策略、基于Gerrit 3.7的Code Review工作流，以及Jenkins Pipeline 2.4.6与GitLab CI 15.11的集成配置。
7B模型LoRA/QLoRA微调实录：显存从24G降到6G的细节与踩坑
微调7B模型，全参微调需要4张A100，而LoRA只需1张24G消费卡，QLoRA更是把门槛拉到6G。本文用细粒度情感分类任务，完整走通数据准备、LoRA/QLoRA训练配置、loss曲线分析、推理效果对比全流程。你会看到QLoRA在显存占用降低70%的同时，F1只掉了0.8个点，而推理速度几乎无损。文中所有代码和配置均基于transformers 4.38.2、PEFT 0.10.0、bitsa
Git分支策略与流水线联动：基于GitFlow改造的Trunk-Based实践
本文记录了一次将团队Git仓库从纯GitFlow迁移至“简化Trunk-Based+特性分支”的完整过程。我们解决了主干长期不稳定、Code Review流于形式、CI构建时长超过25分钟等核心痛点。通过引入GitHub Actions的路径过滤与合并队列（Merge Queue），将平均发布周期从2天缩短至4小时，主干分支的每日通过率从68%提升至96%。文中会给出分支保护规则、PR模板、自动化
Git分支模型与Code Review流水线：从SVN迁移后的千次提交实践
从SVN迁移到Git已18个月，团队从7人扩张到25人，经历了从“Git当SVN用”到成熟分支模型的蜕变。本文将分享我们基于Git Flow与GitHub Flow折中后的分支策略、基于Gerrit的Code Review强制流程，以及与Jenkins+SonarQube的CI/CD集成细节。文中包含真实的分支命名规范、hook脚本、Jenkinsfile配置，以及迁移后部署频率从每周2次提升至每
LoRA微调7B模型全记录：从QLoRA配置到loss收敛与推理对比
本文记录了一次完整的7B模型（llama2-7b-chat）微调实验。通过QLoRA技术，在单张24GB显存的RTX 3090上完成了指令跟随能力的定向增强。文章详细对比了不同rank（8/16/32）对loss收敛曲线的影响，并给出了微调前后模型在特定领域问题上的推理效果对比。实验显示，仅训练3个epoch，模型在测试集上的BLEU分数提升12.7%，而显存峰值仅占用18.6GB。全文包含完整的
FastAPI与Flask性能瓶颈定位：Profiling、SQL优化与Redis缓存调优实录
在一次电商订单API的压测中，我发现接口P95延迟从120ms飙升到2.3s，吞吐量从800QPS跌至150QPS。通过py-spy与cProfile定位到N+1查询和JSON序列化瓶颈，结合SQLAlchemy的`selectinload`、Redis缓存热点数据及Gunicorn+Uvicorn多Worker配置，将P95延迟降至180ms，吞吐量恢复至750QPS。本文记录完整调优过程，含P
FastAPI接口耗时2170ms→89ms：Profile与查询优化全记录
生产环境一个订单列表API在QPS=15时P99延迟飙到2170ms，伴随CPU空转和数据库连接池枯竭。通过cProfile定位到90%时间浪费在N+1查询和ORM懒加载上，结合SQLAlchemy 2.0的selectinload、Redis缓存热数据以及Gunicorn + Uvicorn多进程部署，将P99降至89ms，吞吐量提升至320 QPS。本文记录了完整的profiling工具使用、
Git分支模型与Code Review流水线：支撑百人级团队的版本控制架构
当团队从15人扩张到80人，主干开发模式导致的代码冲突率飙升300%，紧急修复被迫等待12小时合并窗口。本文基于Git 2.39.1与GitLab 15.11，拆解一套融合GitFlow精简版与Trunk Based的分支策略，配合基于Merge Request的强制Code Review与Jenkins CI/CD流水线。通过真实配置展示如何将发布周期从周级压缩至日级，同时将生产环境缺陷率降低4
FastAPI压测从1200到9800 QPS：profiling与缓存三层优化实录
一个用户画像服务上线后单实例QPS仅1200，P99延迟高达860ms，数据库连接池被打满。本文记录完整调优过程：用py-spy定位GIL争抢、cProfile揪出N+1查询、SQLAlchemy 2.0的`selectinload`替代`lazy='joined'`、Redis缓存热点数据与Caffeine本地缓存两级降级。调优后单实例QPS稳定在9800，P99降至41ms，数据库负载下降87
LangChain 0.3手写Agent：AutoGPT循环控制与记忆管理实践
本文记录一次从零实现轻量级AI Agent的完整过程，基于LangChain 0.3.7与GPT-4o-mini，核心代码仅180行。重点解决三个问题：如何设计可插拔的工具注册机制、如何用有限内存窗口实现长期记忆压缩、如何在循环中捕获工具异常并自动降级。最终Agent在5个连续工具调用场景下，任务完成率从初版61%提升至89%，平均单轮响应耗时稳定在2.3秒左右（含LLM推理与工具执行）。文中附全
