LoRA微调7B模型全记录：从QLoRA配置到loss收敛与推理效果对比
本文记录了一次完整的7B（7Billion）参数大模型微调实践，基于Qwen2.5-7B-Instruct，采用QLoRA（4-bit量化+LoRA）方案，在单卡A100-80G上完成训练。文章详细展示了从数据清洗、Prompt模板设计、训练超参（LoRA rank=64, alpha=128, lr=2e-4）到loss曲线（从2.3降至0.7）的全过程，并对比了微调前后模型在特定领域任务上的推
asyncio重构Flask接口：QPS从320到1890的并发优化实录
某次线上监控发现，一个基于Flask的聚合查询API在高峰期P99延迟飙到2.8秒，单机QPS仅320。排查发现瓶颈不在数据库，而是阻塞式I/O调用——每次请求串行请求3个上游服务。我用asyncio+httpx重写核心调度层，并保留Flask作为Web框架（通过`asyncio.run`桥接），最终单机QPS提升至1890，P99延迟降到312ms。本文不聊理论，直接展示可运行的before/a
Docker Compose编排Nginx-Golang-PostgreSQL多服务容器化部署
本文分享一个真实可运行的多服务docker-compose配置，涵盖Nginx 1.24反向代理、Golang 1.21 API服务、PostgreSQL 15数据库及Redis 7缓存，通过自定义网络隔离、命名卷持久化、healthcheck健康检查和depends_on条件控制启动顺序。配置实测在2C4G云主机上启动耗时43秒，内存占用稳定在512MB以内，适合中小型项目直接落地或二次改造。
FastAPI与Flask性能对决：Profiling定位与多级缓存实战调优
凌晨两点，线上API P95延迟飙升至2.3秒，数据库CPU打满100%。本文记录了一次完整的API性能调优过程：先用PySpy和cProfile定位瓶颈在N+1查询与JSON序列化，随后通过SQLAlchemy懒加载改造（查询次数从187次降至3次）和Redis多级缓存（命中率91%），最终P95延迟从2314ms降至287ms，吞吐量提升5.8倍。文章包含FastAPI与Flask的对比压测数
Docker Compose编排多服务部署：网络、健康检查与启动顺序实践
生产环境容器化部署最头疼的就是服务启动顺序和依赖管理。本文基于Docker Compose 2.24 + Docker Engine 24.0，分享一个包含Nginx反向代理、Spring Boot应用、PostgreSQL和Redis的多服务编排方案。通过自定义网络隔离、healthcheck健康检查、depends_on条件控制，解决了服务启动竞态问题，将服务可用性从92%提升至99.5%，部
Prompt Engineering调优实录：实体抽取任务从52%到91%的Token效能跃升
本文以电商评论实体抽取为靶场，对比零样本、Few-shot、CoT及Self-Consistency四种Prompt策略。实验基于GPT-4-turbo-preview（0125版），在200条真实评论上完成评测。通过结构化模板与动态示例注入，将F1值从0.52提升至0.91，单条Token成本从1.8K降至0.9K（降幅50%）。文中附完整代码与踩坑记录，揭示“示例质量>示例数量”的核心规律，并
asyncio重构Flask接口，QPS从320到2100的完整记录
一个内部工单系统的列表接口，因为频繁查询外部监控API，平均耗时2.8秒，QPS只有320。我用asyncio把同步IO改成协程并发，配合semaphore限流，接口耗时降到420ms，QPS提升到2100。本文记录完整改造过程，包括asyncio与Flask的集成方式、信号量控制并发度、以及调试中遇到的Event Loop关闭异常。所有代码和压测数据均来自真实环境，Python 3.10.12，
FastAPI接口200ms→12ms：profile定位与三层缓存优化实录
一个订单查询接口从215ms压测均值降至12.8ms，吞吐量从46 req/s提升至780 req/s。本文记录完整的优化链路：先用py-spy和cProfile定位到90%耗时在N+1查询与JSON序列化，再通过SQLAlchemy 2.0的selectinload合并查询，最后叠加Redis缓存与ORJSON响应模型。包含FastAPI 0.115与SQLAlchemy 2.0.36的具体配置
LangChain 0.3手写AI Agent：工具调用与记忆回环的12个坑
当 AutoGPT 的自主循环在真实业务中失控时，我决定用 LangChain 0.3.7 手写一个 200 行内的 Agent 内核。本文记录了一个支持 3 种自定义工具、滑动窗口记忆、异常熔断的 Agent 实现全过程。从工具描述 Token 膨胀导致的 47% 调用失败率，到记忆窗口 8 轮后准确率下降 23% 的实测数据，最终通过结构化工具定义和向量记忆压缩将单轮响应时间稳定在 1.8s。
LangChain与AutoGPT启发下手写AI Agent循环控制与记忆管理实践
当AutoGPT的自动任务分解在真实业务中频繁因Token超限和工具调用死循环而崩溃时，我决定用LangChain的底层组件手写一个轻量Agent。本文记录了从零实现一个支持工具定义、短期记忆窗口、异常自动降级和循环次数硬限制的Agent全过程。实测在10轮对话内，相比直接调用OpenAI函数调用，工具选择准确率从72%提升至91%，Token消耗降低约38%。代码基于Python 3.10、La
GitFlow与TrunkBased混合策略：支撑百人团队每日百次合并的版本控制方案
当团队从20人扩张到120人，原有单一主干分支策略导致发布前代码冻结长达3天，紧急修复频繁污染特性分支。我们结合GitFlow与TrunkBased设计了一套混合工作流，通过分支命名规范、自动化的Code Review门禁（基于GitLab 15.8+Merge Request Approvals）以及Jenkins Pipeline（2.4.3）的CI/CD集成，将发布周期从周缩短到天，线上缺陷
Git工作流重构记：分支策略与CI/CD流水线的一次落地实践
三个月前，我们的团队还在为“代码又冲突了”“谁把测试分支搞坏了”而焦头烂额。在将Git工作流从“自由发挥”重构为“GitFlow+PR强制+CI/CD门禁”后，线上故障率下降了约40%，功能分支平均存活时间从4.2天缩短至1.8天。本文不聊虚的，直接给出我们最终敲定的分支策略、基于GitLab的Code Review流程，以及串联Jenkins与SonarQube的流水线配置。文中所有yaml和s
React 19与Vue 3.5跨框架迁移：从Props钻取到Zustand/Pinia的工程化改造
本文记录了一个中后台项目从React 16 + Context向Zustand 4.5迁移，以及另一个Vue 3.2项目从Props钻取向Pinia 2.1迁移的完整过程。项目包含42个页面、187个组件，改造后首屏渲染时间从2.3s降至1.1s，组件重渲染次数减少63%。文中给出了具体的版本选型、迁移步骤、性能对比数据，以及我在迁移过程中遇到的5个典型坑位。
Git分支策略与CI/CD集成：携程机票团队3年工作流演进实录
从2019年GitLab 12.5迁移到2022年GitLab 15.3，携程机票核心交易团队经历了从单主干到TrunkBased+环境分支的3次工作流重构。本文记录了我们在120人规模团队下，如何通过GitFlow变体解决发布零回滚、CodeReview效率提升40%、CI构建时间从22分钟压至6分30秒的真实踩坑过程。包含完整的`.gitlab-ci.yml`配置、分支保护规则脚本，以及我们如
asyncio重构Flask接口：QPS从327到1892的并发优化实录
某电商订单系统的`/api/orders/summary`接口，因串行调用用户服务、商品服务、优惠券服务，P99延迟高达2.8秒，单机QPS仅327。本文基于Python 3.10 + asyncio + aiohttp，在不改变服务架构的前提下，将三次HTTP调用改为并发协程，配合`asyncio.Semaphore`控制连接池水位，最终P99降至410ms，QPS提升至1892（提升约4.8倍
Python异步编程：用asyncio重构Flask接口，QPS翻3倍
一个用户画像查询接口，平均耗时从480ms降到160ms，QPS从210提升到680。本文记录我用asyncio+httpx改造Flask同步调用的全过程，包含完整代码对比、信号量并发控制、以及Connection Reset踩坑记录。适合被同步IO卡住瓶颈、想优化API性能但不想换框架的开发者。
Milvus与Qdrant选型实录：亿级向量下的部署与性能对决
在电商以图搜图业务中，我们对比了Milvus 2.4.1与Qdrant 1.9.2的实测表现。同样在16C32G单机、ResNet50提取的768维向量、5000万规模下，Qdrant的RPS（每秒查询数）达到312，是Milvus的1.6倍；而Milvus的索引构建时间为2小时17分，比Qdrant快38%。内存占用方面，Milvus稳定在24GB，Qdrant则波动于19-27GB。本文将从部
用asyncio重构Flask接口，QPS从120飙升到850的完整记录
一个内部报表服务，单个聚合接口需要同时调用3个下游RPC服务，平均响应时间1.2秒，压测QPS只有120。在不动数据库表结构、不改调用协议的前提下，我用asyncio+httpx把串行IO改成并发IO，部署后实测P95延迟从2.1秒降到380毫秒，QPS稳定在850。本文记录完整改造过程，包括信号量限流、超时控制、以及一个差点让我回滚的坑。
告别Provider嵌套地狱：React 18与Vue 3项目迁移Zustand/Pinia状态管理全记录
本文记录了一个中后台项目从React 18 Context + useReducer与Vue 3 Props/emit混合架构，逐步迁移至Zustand 4.4与Pinia 2.1的真实过程。项目包含12个全局共享模块、48个页面组件，迁移后首屏渲染时间下降23%（从2.8s降至2.1s），组件重渲染次数减少约3800次/分钟，代码量缩减22%。文章将对比两种方案的性能差异，给出具体的迁移步骤与踩
Prompt Engineering实测对比：3模板调优让GPT-4输出质量提升67%
本文基于OpenAI GPT-4-turbo（1106-preview）对“电商评论多维度情感分析”任务进行Prompt实验。通过对比零样本、少样本与结构化指令三种模板，在相同1000条真实评论下，结构化指令将F1分数从0.52提升至0.87，token消耗仅增加14.3%。文章详细记录了每个迭代的Prompt设计、API调用参数（temperature=0.2, max_tokens=512）及
