稀土掘金 稀土掘金
    • 首页
    • 沸点
    • 课程
    • 数据标注 HOT
    • AI Coding
    • 更多
      • 直播
      • 活动
      • APP
      • 插件
    • 直播
    • 活动
    • APP
    • 插件
      • 搜索历史 清空
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
  • 后端
  • 前端
  • Android
  • iOS
  • 人工智能
  • 开发工具
  • 代码人生
  • 阅读
  • 📈_可扩展性架构设计:从单体到微服务的性能演进[20260420205435]
    作为一名经历过多次系统架构演进的老兵,我深知可扩展性对Web应用的重要性。从单体架构到微服务,我见证了无数系统在扩展性上的成败。今天我要分享的是基于真实项目经验的Web框架可扩展性设计实战。 ##
    • Github开源项目
    • 1小时前
    • 3
    • 点赞
    • 评论
    前端 后端
    📈_可扩展性架构设计:从单体到微服务的性能演进[20260420205435]
  • 亚马逊公司账号管理:如何安全地实现多店铺经营?
    在亚马逊的生态系统中,"一个账号统治一切"的说法其实是一个危险的误区。对于许多创始人而言,单账号模式曾是引以为傲的资本——它像一个集中的收益枢纽。然而,随着业务复杂度的增加,这个枢纽往往会演变成"单点
    • OnlineProxy
    • 1小时前
    • 3
    • 点赞
    • 评论
    前端 后端
    亚马逊公司账号管理:如何安全地实现多店铺经营?
  • NFS环境下数据库安装报错解析(下篇):从踩坑到填坑的完整指南
    上篇咱们聊了一个特别邪门的case——NFS环境下装数据库,报了一堆乱七八糟的错,什么权限不足啊、文件只读啊,反正看着就让人头皮发麻。结果你猜怎么着?最后发现就是Shell环境变量没加载,一行sour
    • 程序边界
    • 2小时前
    • 4
    • 点赞
    • 评论
    后端
  • PostgreSQL 数据库内部参数初始化优化
    这个因为是局限在数据库内的调优,参数比较模块化,就没有上一章那么难写了,上一章的服务器环境参数涉及的面略广,而且参数有的关联有的冲突,写起来容易收不住,总感觉一不小心能把自己发散到非洲去。
    • 正在进化的小中登
    • 2小时前
    • 7
    • 点赞
    • 评论
    PostgreSQL
  • OpenSpec × Superpowers:3 小时跑完一次 SDD 实战
    这是 第七章:从 Vibe Coding +SDD实战系列,主要介绍了怎么结合superpowers + Openspec做SDD的开发
    • AustinXu
    • 3小时前
    • 5
    • 1
    • 评论
    人工智能 敏捷开发
  • 中级前端面试常用问题及回答
    面试题库与参考回答 目录 JavaScript 基础与底层原理 TypeScript 深度 CSS 与布局 浏览器核心原理 Vue 深度 React 深度 前端工程化 性能优化 安全 数据结构和算法
    • GreenteaDick
    • 3小时前
    • 6
    • 点赞
    • 评论
    前端
  • 渗透测试全面指南:发现系统和业务安全风险
    引言 渗透测试(Penetration Testing,简称Pen Test)是一种受控的安全
    • 网安小白
    • 4小时前
    • 9
    • 点赞
    • 1
    安全
  • 实测分享:一个稳定可用的 DeepSeek 国内中转节点
    最近在做 AI 相关的项目和脚本开发,一直被 DeepSeek 官方服务的两个问题困扰:一是额度经常被抢光,高峰期想调试接口都要排队等很久;二是直连官方的延迟不稳定,有时候跑个批量任务,光接口响应就耗
    • 用户348425914329
    • 4小时前
    • 5
    • 点赞
    • 评论
    GitHub
  • 🌐_网络IO性能优化:从TCP到HTTP的层层优化[20260420171025]
    作为一名专注于网络性能优化的工程师,我在过去的项目中积累了丰富的网络IO优化经验。最近,我参与了一个对网络性能要求极高的项目——实时视频流平台。这个项目让我重新审视了Web框架在网络IO方面的表现。今
    • Github开源项目
    • 4小时前
    • 4
    • 点赞
    • 评论
    前端 后端
    🌐_网络IO性能优化:从TCP到HTTP的层层优化[20260420171025]
  • 论文排版工具不知道哪个靠谱怎么办?
    一、大以论文 优点 内置海量高校官方论文模板,一键匹配本校格式,自动完成字体、段落、页眉页脚、目
    • 仙人球大帅哥
    • 5小时前
    • 8
    • 点赞
    • 评论
    APP
  • [Agent 学习笔记 - Agent 设计模式] 4 - 人机协作的设计原则
    随着 Agent 的能力越来越强,人类将从使用 Agent 工具转向“工具协同”,人类将更加侧重于抽象规则的制定。
    • MolDuM
    • 5小时前
    • 6
    • 点赞
    • 评论
    Agent
  • 你看看
    帮我生成音乐:九五年到2026年,这一辈人最经历和回忆,歌词要直击人心帮我生成音乐:九五年到2026年,这一辈人最经历和回忆,歌词要直击人心
    • 用户34756134294
    • 5小时前
    • 5
    • 点赞
    • 评论
    Angular.js
  • MAC设置本地host方法
    打开终端 在“启动台” → “其他” → “终端” 或使用 Spotlight(Command + 空格)搜索“终端” 编辑 hosts 文件 bash 输入你的 Mac 登录密码(输入时不显示字符)
    • 胡汉彡
    • 5小时前
    • 7
    • 点赞
    • 评论
    Mac
  • 在线Cron表达式生成器核心JS实现
    这是一个基于 Vue2 的 Cron 表达式可视化生成工具,支持 Linux/Spring/Quartz 三种语法。通过统一字段模型实现配置与表达式双向同步,自动生成可读描述及下一次执行时间
    • 滕青山
    • 5小时前
    • 3
    • 点赞
    • 评论
    前端 JavaScript Vue.js
    在线Cron表达式生成器核心JS实现
  • 在 Cursor 中直接使用 Midjourney 进行绘图!AI 编码与 AI 艺术的完美结合
    在编码过程中突然需要插图?还是在寻找前端页面的素材?借助 Cursor,你可以通过 Midjourney 直接生成图像——无需切换窗口,无需 Discord,只需一个命令即可完成。 这就是 MCP(模
    • xin35503
    • 5小时前
    • 5
    • 点赞
    • 评论
    MCP
  • Function Calling深度指南:让LLM精准调用工具的工程实践
    ## Function Calling是AI Agent的神经系统 如果把AI Agent比作一个人,Function Calling就是它的双手——让语言模型从"说说而已"变成"真正执行"。 没
    • 少林码僧
    • 5小时前
    • 7
    • 点赞
    • 评论
    人工智能 LLM Python
  • 在线Cron表达式生成器分享
    专为新手设计的在线Cron生成器!无需死记`* / , -`等符号,3步可视化配置(选频率→填时间→复制表达式),实时生成可用规则。Vue2开发,支持5/6位格式提醒与时区提示,助你轻松搞定定时任务。
    • 滕青山
    • 5小时前
    • 3
    • 点赞
    • 评论
    前端 JavaScript Vue.js
    在线Cron表达式生成器分享
  • vLLM生产部署指南2026:高并发LLM推理系统的工程实践
    ## 为什么需要专门的LLM推理引擎? 直接用`model.generate()`部署大模型服务,会遇到一个残酷的现实:**并发性能惨不忍睹**。 单个请求时响应还算正常,但当5个用户同时请求,延
    • 少林码僧
    • 5小时前
    • 5
    • 点赞
    • 评论
    人工智能 LLM Python
  • AI产品经理必读:2026年大模型产品设计的核心方法论
    ## 为什么AI产品和传统软件产品不一样? 过去20年,软件产品的核心范式是:**确定性输入→确定性输出**。用户点击按钮A,发生事件B,这是可以100%预期的。 AI产品打破了这个范式。当产品的
    • 少林码僧
    • 5小时前
    • 4
    • 点赞
    • 评论
    人工智能 LLM Python
  • 向量数据库选型2026:Qdrant、Weaviate、Pinecone深度对比与实战
    ## 向量数据库为什么重要? RAG系统的性能上限,很大程度上由向量数据库决定。一个设计不当的向量检索层,会让再好的LLM也无法给出准确答案——"幻觉"的很大一部分根源不在模型,而在检索结果质量。
    • 少林码僧
    • 5小时前
    • 5
    • 点赞
    • 评论
    人工智能 LLM Python
  • 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30