一、格局
人常说，格局是一个人的上限。我却觉得，它更像是一个人生命的容量，是天地在你心中留白的广袤，是灵魂所能承载的星河的宽广。
格局太小，纵有泼天的富贵、旷世的机缘，也接不住、留不住。这好比以斗量海，以瓢承雨，终究是一场徒劳的奔忙。想象一下，你手中只有一只陶盏，命运却忽倾下一条江河。水流湍急，从你盏边不断溢出，待潮头过去，盏中仍不过一握清浅。更甚者，这般汹涌的“大运”往往来势汹汹，冲垮了盏的根基，待水退时，连原先的那一握也未必保得全了。 继续阅读“格局·经历·读书：人生的容量与边界”
思维训练：从“找框架”到“长能力”
思维训练：从“找框架”到“长能力”
副标题：一条可复用的思维进阶路径——逻辑思维 → 抽象思维 → 系统思维
一、先破一个迷思：你不是缺思维框架
知乎上“思维框架”收藏夹多如牛毛，但真到用的时候，大部分人都用不出来。
问题不是框架不够多，而是脑子没练到能“架得起框架”的状态。框架就像施工图纸，你手上只有图纸，肌肉没力量，照样搬不动砖。所以与其继续囤模型，不如先回到更底层的问题：思维本身是怎么一层层长出来的？ 继续阅读“思维训练：从“找框架”到“长能力””
企业 AI 网关，让AI使用透明化
企业级大模型统一接入层。一份代码、一个网关、多家模型，让组织在享受大模型红利的同时，把成本、权限、合规、可观测、可扩展五件难事一次解决。
1. 一句话定位
「像用云一样用大模型，像管内网一样管 AI 流量。」
企业 AI 网关是部署在自有服务器上的 AI 流量治理层，对上游屏蔽各家厂商的协议差异，对下游提供统一的 OpenAI / Anthropic 兼容接口；对内提供完整的管理后台、计费体系、内容审查与运营看板。 继续阅读“企业 AI 网关，让AI使用透明化”
下一个词，与命运的流形
知乎上刷到一个问题《为什么 LLM 仅预测下一词，就能「涌现」出高级能力？》，看了几篇高赞回答，像一颗石子，落进心里那片静水。
“压缩即智能”——为了预测准确，模型被逼得没办法，只能去理解整个世界的运作规律。它不是想理解，是为了降低误差，被迫演化出了理解。读到这里，我忽然想起另一句盘桓在心里很久的话：“广度是深度的副产品。”
这两句话，一句讲机器的智能，一句讲人的学问，看似无关，放在一起却绞成了一条绳。
大模型为了在浩如烟海的数据里精准预测下一个词，必须放弃死记硬背，转去提取规律，压缩信息。人要想拥有真正的广度，何尝不是如此？必须先在某一条线上深深扎下去，提炼出那种被压缩过的抽象规律与联结。所谓“压缩”，就是抓到本质，抓住那条可以牵动万物的主线。 继续阅读“下一个词，与命运的流形”
AGENTS.md: 我的opencodede的全局agents提示词设置
可以直接复制使用：
## 工作态度
- 每次工作都要用严谨的工作态度，保证完美的质量标准
- 给出详细的目标，关注目标，不要只关心步骤
## 沟通风格
- 直接输出代码或方案，禁止客套话（"抱歉"、"我明白了"等）
- 除非明确要求，否则不提供代码摘要
## 求真原则（禁止瞎猜）
- 不确定/信息不足时先查证或提问澄清
- 对环境/配置/源码/行为的结论必须有证据
- 回答里把"事实"和"推测/假设"分开写
## 输出规则
- 输出语言和思考使用中文
## 代码规则
- 代码实现尽量简洁，涉及架构问题必须先进行确认
- 必须带有详细标准的注释
- 函数和文件注释必须有
- 实现的核心算法与步骤带有注释说明
- 更新代码原来的注释不要删除，不合适的更新。
- 注释原则上越详细越好
## 代码检索
- 系统安装有 codegraph ，可以使用此命令工具辅助查找分析代码
## 工作报告
- 执行的计划与结果都必须在工作目录的 "ai-work" 目录下记录
- 文件名以报告生成的 “年月日时分秒(yyyyMMdd-hhmmss)” 做开头
- 报告内记录上任务的完成的详细时间
- 使用markdown格式记录
编程语言中的线程安全
当前冯诺依曼体系下所谓的并行安全，就是那几种模式的，rust也不例外。 据我个人所知，并行只有
- 锁死竞争： 各种锁或原子操作
- 不可变： 共享的都是只读的
- 隔离：没有竞争，也就没有所谓的安全问题了。 其他各种手段也都是这几种基本做法的调优和组合。 针对变成语言提供的所谓线程安全：
- C/C++ 是默认不优先使用任何一种而已。
- Rust只是默认用了 不可变 ，提供了 锁/原子 而已。
- Go和erlang是默认提供 隔离 方式，然后基于隔离又提供了一套通讯机制。 所谓并发语言，也就是提供了优选机制，把此机制用语法糖 好用了而已。
大模型高效沟通的技巧
一、 核心心态：把AI当作“超级实习生”
和AI沟通最有效的心态是：把它想象成一个能力超强、知识渊博、但缺乏常识和背景信息的实习生。
- 它不会读心术：你必须清晰地交代背景、目标和约束条件。
- 它非常听话：你的指令越精确，它的产出越符合预期。
- 它会犯错：你需要像导师一样，检查、追问、纠正它的输出。
记住这个黄金法则：垃圾进，垃圾出。你输入的提示词质量，直接决定了输出的质量。
二、 提问的基本规范与结构
一个高质量的提问，通常包含以下四个要素。你可以把它看作一个万能公式：
1. 角色
- 是什么：明确你希望AI扮演什么角色。
- 为什么：这能设定对话的基调和知识领域，让AI使用更专业的语言和思维模式。
- 示例：
- ❌ “写一份市场计划。”
- ✅ “请你作为一名资深市场营销总监，为一款新的低碳水化合物能量棒制定一份进入中国市场的初步计划。” 继续阅读“大模型高效沟通的技巧”
不如D：D语言GC暂停时间简单测试
注：测试不严谨，只是为了了解下D语言GC不同堆下暂停情况，目的是为了根据实际项目使用部分@nogc进行堆大小控制。实际情况下堆中一般还有string，ubyte[]等一些可以块跳过扫描的，理论上暂停会更小
D 语言默认GC算法
D语言默认是保守式扫描清除算法。默认执行时期为 新分配内存，GC堆中可用内存不足时才触发（也就是如果欲分配堆够大，并且手动归还GC内存，GC堆中一直有可分配内存就不出触发GC）。D的GC使用的算法比较简单，GC耗时主要在标记和清除两个阶段。其中标记是GC增加的耗时，清除是不可避免的耗时，只是清除是把原来手动管理散点式，集中起来一起执行（RC可能出现集中清除产生的短暂暂停）。GC标记时程序会STOP THE WORLD（暂停程序所有线程执行），这个耗时也就是大家常说的GC暂停时间。GC清除时间只会占用启动GC的线程。GC标记的时间受堆大小与存活对象数量相关，GC清除与不存活对象数目相关。
触发GC的执行工作流程：
- 停止除了分配内存的当前线程外的所有受GC管理的线程（core.thread新建的线程，以及thread_attachThis的线程）（STOP THE WORLD开始）。
- 劫持当前线程开始GC工作（分配逻辑转而调用GC收集工作）。 继续阅读“不如D：D语言GC暂停时间简单测试”
不如D：Dlang（D语言）下ARM嵌入式板子开发
最近自己开发一个板子上的数据处理与转发。无需UI，本来都是基于Qt/C++进行板子开发的。但是不同型号和板子基本都是靠厂商的虚拟机开发。于是想到之前用Dlang支持交叉编译的，于是测试了下Dlang下ARM嵌入式开发，结果让人惊喜。十分愉快。 Dlang进行ARM开发基于LDC，可以选择完全betterC或完整D语言。本次小项目考虑周边的库，就采用的完整D语言开发的方案。至于GC，作为一个安全的内存池使用。
开发依赖：
- Linux 主机，因为基本ARM交叉编译GCC都是linux运行的，我是在 openSUSE-Tumbleweed下
- LDC 编译器，dmd不支持arm，需要使用LDC
- arm-gcc 交叉编译器（开发板厂家会提供，只需要C语言编译器就行。）
开发步骤：
- 交叉编译 DRuntime 和 Phobos
- 配置LDC交叉编译的依赖库和链接器（GCC）
- 使用D语言编写程序（注意依赖，如果依赖需要C库，相应库也需要交叉编译）
- 进行交叉编译程序（dub build –compiler=ldc2 –arch=你的交叉编译配置）
记一个QSharedPointer 和 QTcpsocket一起使用的断开连接导致段错误问题
记一个QSharedPointer 和 QTcpsocket一起使用的断开连接导致段错误问题
写了一个简易的TCPserver，需要很多回调需要socket再回调内写数据，就需要保证回调执行的时候，socket不能被删除，所以采用智能指针老保证QTcpSocket 类的生命周期，加上本地管理，写了如下代码： 继续阅读“记一个QSharedPointer 和 QTcpsocket一起使用的断开连接导致段错误问题”