一名专注于信息安全的系统安全建设者。日常记录系统加固、安全工程实践和项目中的问题解决过程；坚持先理解原理，再讨论工具，也会分享日常思考、问题排查和阶段性总结。
我用 200 条真实工单数据，对同一个文本分类任务写了 6 个版本的 Prompt，从最朴素的“请分类”到带 Few-shot + 结构化输出 + 思维链的版本，在 gpt-4o-mini（2024-07-18）上做了完整对比。结果很有意思：准确率从 71.5% 提升到 94.5%，但单条 Token 从 58 涨到 412，成本翻了 7 倍。更关键的是，第 4 版和第 6 版准确率只差 1.5%
某次生产环境压测，一个内部报表接口QPS只有200，单次请求平均延迟450ms，数据库连接池被打满。排查发现80%时间浪费在串行调用三个下游HTTP服务上。我用asyncio对Flask应用做了最小化改造——仅新增3个异步代理函数，配合`gather`并发调用，QPS提升至1500，P99延迟从1.2s降到280ms。本文记录完整改造过程，包括asyncio与Flask同步视图的兼容方案、信号量限
