铃阅时讯
❌

阅读视图

人生周报v083:心力

原创 李继刚 2026-07-27 22:56 北京

「问君何能尔?心远地自偏。」

《剑来》里,陈平安遇到眼前一亮的句子,会一笔一画刻在竹简上,时不时拿出来晒晒太阳,翻拣重读。

以陈平安为师,我想记录一下每周在这世上遇到的好句子。

每周读到的好句子,收下来晾一晾 —— 是以有「读」。

心里总有话忍不住想对这个世界讲 —— 是以有「说」。


读

创作喜欢的产品,和喜欢的人一起工作和生活,投喜欢的 founder,把每一秒都投在喜欢的人和事上。

负能量的人和事,每日物理上心理上彻底删除拉黑隔离。人就高兴很多。人高兴了一切都好了,特别简单。

人生就是一场场体验。尽可能精彩,感受深度和广度,体验极致的喜怒哀乐。每次体验,都迭代成更好的自己。

最近重新进入 2020 年同款状态:心情灵动,非常放松,感官极致感受,极致创造力和执行力。

20—35,想探索的全都用尽全力探索了,想要的都实现了。

35—50,玩更大型的游戏。世界就是一个游乐场,请尽情疯狂。

即刻 @Vakee_Bobby.RockFlow

想做任何事情都不用喊,做就完事儿了。就平静的做,不用管结果,不用管做不做得成,不用想别人怎么看。因为只要你是真想做,这些都不重要。

就专注做每一件能构筑它、成就它的小事,扣每一个能扣的细节。尽力去做,不要留力气,不要说我就是随便做做的。没有随便,想做的事情就是要做。做出来就是厉害,做不出来啥都不用说了。

即刻 @丸籽本丸

朱光潜先生的座右铭:此身、此时、此地。

此身,凡此身应该做而且能够做的事,决不推诿给别人。

此时,凡此时应该做而且能够做的事,决不推延到将来。

此地,凡此地应该做而且能够做的事,决不等待想象中更好的境地。

即刻 @ChatV

最近看《金钱心理学》这本书,书里在前面一两章的时候说到:我们对他人行为的指指点点,本质上是来源于我们对他人的无知。

任何一个人在当时做出的行为和决定,其实都是基于他当时所处的环境,以及他对应的认知。

你其实没有办法去衡量或指点,说这个人的某个动作就一定是错的或者对的。

因为你并不具备那个人当时身上所对应的那些条件。

所以说啊,论人论事,设身处地。

站在自我的环境下评价他人,也是不太 ok 的一件事。

当然,能做到这样的人,很少很少很少,也算是检验一个人是否 ok 的条件之一吧。

即刻 @sincere-real

获得幸福的根本原理:

  • 长期高追求(要做好事、难事、独特的事)

  • 每日低预期(不期望顺利、完美、幸运)

  • 永远不违心(不追求自己不认可的东西,不做自己不认可的事,不否定自己的选择,不回避自己的需求)

即刻 @二当家李多余

关于领袖的人格魅力,两个直观体现:

  1. 带给他人信心、希望、安全感与勇气

  2. 引导他人呈现人格中美好的一面

即刻 @王盐

重要的事,最好在变紧急之前开始。

即刻 @笑里不藏刀老老王

美国的模型公司让智力产生通缩

中国的模型公司让模型产生通缩

即刻 @志达

对他者的贬损和轻佻并不会带来自我的崇高。

即刻 @哈雷 Halley

Language doesn’t just describe reality. It edits it.

X @MoZarrinsadaf

Taste is compressed experience.

X @MoZarrinsadaf

说

常识,是将世界经验压缩后得到的先验概率。

在「行动」上闭合,在「认知」上开放。

我们努力、成长,不断把自己推向更高处,是为了面对世界时获得更多的「选择权」,少一些「不得不」。

但选择权并不是终点。

当那些曾经遥不可及的道路终于铺展在眼前,我们仍需完成关键的一跃:作出选择,并承担对应的责任。

书

本周推荐书籍《乔布斯、禅与投资》。

书名把乔布斯、禅与投资并置,表面像跨界随笔,真正讨论的问题却很具体:在信息过载、价格波动、因果关系脆弱的世界里,人如何形成判断并付诸行动?只有理性模型不够,因为注意力会被仓位和情绪劫持;只有强烈意志也不够,因为意志很容易变成执念,用选择性信息保护自己。

作者对此作了两层回答:

第一层回答是「缘起性空」。空不是一无所有,而是没有任何事物能脱离条件独立、恒常地存在。公司、竞争优势、市场价格和人的自我,都是因缘聚合的阶段性结果。理解空性,不是从现实撤退,而是追问:它由哪些条件形成?哪个条件正在变化?改变哪些条件,结果会不同?

第二层回答是「心力」。心并不凭意念制造客观世界,却会决定我们感知什么、把注意力放在哪里、理解到多深,并能否重组条件创造新事物。

把「心力」拆成四种力:

  1. 愿力选择长期方向;

  2. 专注力把分散能量收拢到当下;

  3. 洞察力穿过表象寻找条件与规律;

  4. 创新力重新组合条件,使尚不存在的东西成为可能。

跳转微信打开

  •  

Obsidian 的三个问题|模板开发日志(二)

原创 二一的笔记 2026-07-27 14:05 福建

吉祥物、囤积癖、热衷表演

前情提要:Obsidian 模板开发日志(一)下定决心


最近这两个月我的内心总是惴惴不安,却又常常涌现出一些美好画面,我期待着模板发售那天可能迎来的好评,念头一转又惶恐害怕,到时画面也可能是混乱狼狈,插件也许会出现 BUG,想起来实在紧张得恶心晕眩。

我在想,这和表白的前一天也没多大区别。

幸好我还有时间去打磨模板、插件、以及配套的教程,因此在这套系统正式发布之前,我想先和你聊聊,我所观察到的三个与 Obsidian 有关的问题。

如果你正在犹豫是否要选择 Obsidian,那么本文或许会将你劝退,但应该也能给你一些使用上的建议。

如果你好奇模板长什么样子
文末有图片预告

问题一、Obsidian 正在成为吉祥物

在我眼里 Obsidian 已经成为一种类似「抖加」的东西,如果你做过自媒体应该能理解这是什么概念,这个东西用了就会有流量,只不过抖加要花钱,而把 Obsidian 放在标题里是免费的。

半懂不懂的人大肆夸耀 Obsidian + AI 能搭建如何强大的知识库,然后从头到尾展示的是 Claude Code 或者 Codex 在卖力地喷薄智慧。蜂拥而至的 AI 高手所能分享的洞察就是,Obsidian 是个新潮的时尚单品,除此之外有相当一部分人也许并不明白,自己用 AI 写下的稿子到底都在念些什么。

然后渐渐地,雷同的内容变得供大于求,味同嚼蜡的内容正在占领我的主页。

我不禁想问,Obsidian 在这些场景里,到底在发挥什么不可或缺的作用,这和随便创建一个本地文件夹有什么区别?我没有看到实践,只看到垒在大模型之上的空中楼阁。

因此关于使用 Obsidian,我的第一个诚恳建议就是请务必降低你的预期。

那些鼓吹十分钟就可以搭建好的知识库、一键就可以拆分概念并创建关联的自动化,最大的作用就是用来拼凑出几个一闪而过的神奇镜头,或者让你迷失在一堆串联的节点里。实际上他们可能并不希望你继续深究,这东西除了可以变成一个选题之外还能有什么实际的作用。

为什么我这么清楚,仔细想来,曾经的我或许也是其中的一个。

问题二、Obsidian 让囤积癖病入膏肓

在信息稀缺的年代,囤积是理性的,但这样的苦日子过惯了,导致陈旧的笔记习惯在 AI 时代依然主导着我们今天使用 Obsidian 的方式。

哪怕 AI 模型已经可以批发知识,PKM 的生态还维持着过去的惯性,不仅要把看到的文章都剪藏下来,甚至连 Agent 的每一个几万字的会话都想导入到 Obsidian 里面,然后期待 AI 可以从中涌现出可能改变人生的智慧。

殊不知如果智慧真的有用,那早在 GPT3.5 问世之时,我的人生早该获得某种跃进。

你以为你在搭建个性化知识库,其实用的还是末日爱好者的思考方式:一个坚不可摧的地下堡垒塞满了各种罐头物资、一觉醒来全世界智慧程度下降 1000 倍,而我独享一个超级大脑。

这怎能不让人有成就感拉满的喜悦?

但其实,地下室里残缺的图书馆远不如一个大小只有 3B 的模型来得有智慧,因此我的第二个建议就是,请不要再漫无目的地囤积以下四类东西:

问 AI 更快的事实和概念

完整的 Agent 会话

自动化、批量导入的信息源

未经自己判断的二手观点

这些东西存下来的唯一作用,是浪费你的 Token 并让你误以为自己真的拥有了它们。如果知识的数量可以带来质变,那么就算是豆包也可以让人一步登天了。

问题三、Obsidian 让人热衷表演

那现在,如果我已经正视了 Obsidian 的价值,不把它当成是展示 AI 能力的舞台布景,如果我已经正视了记录的价值,只用 Obsidian 记录独属于自己的学习过程、灵感和思考,又为何 AI 已经如此强大,我依然在工作里困顿叹气,在夜里辗转难眠、不知方向?

我当然知道学习的重要性,所以每天都在追踪前沿资讯,加入各种新潮社群,不停地输入和思考,为了掌握新的方法而拆解概念、创建关联,企图在星星点点的 LLM Wiki 图谱里洞察一切。

显然 Obsidian 的各种功能为这些需求都做好了准备,它在 AI 时代简直是天选之子,让这一切看起来优雅又体面,勤奋又执着。

于是我看着枝繁叶茂的笔记库图谱,生出的是「我很努力」的满足,而不是「我又没开始」的愧疚。

但整个笔记库还是像空转的引擎,把昂贵的 Token 当燃料般库库一顿炫,动力强劲嗷嗷作响,仔细一看却又是原地踏步,该做的事情毫无进展,但人却感觉还怪充实的。

有大智慧的人则会诉诸第一性原理,事情做不到的根本原因还是得怪 AI,是模型还不够强,有了 Fable 5 还想要 Mythos。

我想我们都需要坦诚面对,知识已经廉价到像水龙头里的水,看似充满智慧的信息已经随处可见,真的不必再费劲地到处打井,表演给自己看。

因此,在搭建 Obsidian 模板系统的这半年时间里,我最终得到的结论是,任何一开始就盼着你先捕捉再行动的系统,也就是把 Info Capture 列为最优先的系统,最终都会重蹈覆辙,覆水难收。

各种被 AI 批量生产的文章,加上被 Skill 强化过情绪的标题,以及各路自媒体不知疲倦地散播焦虑,让你永远都会有读不完的文章、学不完的技能、跟踪不完的资讯,美其名曰要终身学习,实际上你在这条流量分发的生产线上,只能被量化成点击率和完播率。

学习带来了一种一直在进步的错觉,你剪藏的文章越来越多,笔记永远整理不完,然后行动永远停留在明天,这让人很难区分,自己到底是在为真正的目标做准备,还是仅仅只是享受摄入信息的带来的饱腹感。

一定要警惕,精致的碳水真的会让人变胖。

过度准备却从不开始、假装学习实则消遣逃避、不知道要做什么但每天都过得很忙很焦虑,我想是每一个用 Obsidian 搭建知识库的人不得不品的一个环节。

所以我的第三个建议就是,如果你想做什么事,就直接去做,立刻去做,把那些第一时间在脑海里浮现的「是什么」和「怎么办」先放一放,让肌肉先于大脑动起来,这里的大脑当然也包括所谓的第二大脑。

具体表现在工具逻辑里,你应该优先创建的必须是「任务」而不是「笔记」,你应该优先写下的是「我的目的」而不是「我的想法」。

行动是最好的过滤器,事情没开始之前,你会有一百种「怎么办」的顾虑,每一种都会让你对各种信息蠢蠢欲动,于是什么都想存档下来。

但只要你真正动手,凌乱的思路就能收敛成一两个具体的困难,这时该学什么、该记什么就可以变得很清晰,AI 才能给出实现目的的最短路径。

因此我认为,让知识管理有效的前提是先做好目标管理,Obsidian 不能只是一个纯粹的承载知识的信息容器。

有了具体的目标和正在推进的事,学习和记录才能被真实的需求所拉取,你也才能有一个不可动摇的支点去撬动 AI 的能力,而不是纯粹在享受燃烧 Token 的快感。

Obsidian 还能做什么

预期给得太高,东西囤得太多,事情做得太少,前文所述的这三个问题看起来各有原因,但其实是一体三面,本质相同,那就是我们一直在让一个软件替自己回答「我到底要做什么」,但这恰好是它唯一回答不了的问题。

不过好在这并不意味着 Obsidian 只能做个摆设。

它无法替你决定方向,但可以让你的方向变得具体,让你看见自己现在要完成什么,手上的事情推进到了哪一步,上一次为什么改变主意,踩过的坑又该如何避免。

只要这些东西能够持续呈现,下一次打开电脑时,迎接你的便不会是一个包罗万象却和今天毫无关系的笔记仓库,你可以立刻接着昨天没有做完的事情继续往前。

知识的供应已经可以放心交给 AI,Obsidian 更应该保管的是这一路上产生的犹豫、判断、错误和改变。这些东西看起来稀碎,很难被包装成什么闪闪发光的知识卡片,但正因为它们既无法下载,也无法让模型凭空生成,才能真实地描述清楚你到底是谁。

这也逐渐变成我最近几个月不断删改这套模板时,最重要的一条判断标准。

每增加一个字段、视图或者自动化,我都需要反复思考,它究竟是能让人更明确地看见自己的目标,还是只让系统看起来更加厉害?它是在减少使用者的笔记负担,还是又一次把维护知识库本身变成了新的工作?

我如此忐忑,是因为我即将交出去的并不只是一堆文件夹、模板和插件,它会深刻地影响一个人如何记录、如何行动,又如何理解自己。倘若它只是看起来厉害,用不了多久便会成为另一个需要维护的数字盆栽,那我前面所批评的一切,最后也会成为打到自己身上的回旋镖。

不过紧张只是习惯性的,其实我对最终成品真的非常有信心,这套模板和插件将完全革新你对 Obsidian 的陈旧印象。

我会在下一篇开发日志里完整介绍它的样子,感谢你能看到这里。

篇幅有限

以下预告仅占全部功能的三分之一

📢

感兴趣的话,可以通过下方链接提交你的愿望单,届时会有首发优惠,也会让我有更多动力,加速我的工作。

21obsidian.com/waitlist

阅读原文

跳转微信打开

  •  

Zabbix 官方插件市场来了:14 个插件,一键补齐运维短板

Zabbix开源社区 2026-07-27 11:30 北京

以下文章来源于:Zabbix开源社区

Zabbix开源社区

Zabbix开源社区由Zabbix大中华区唯一总代理宏时数据建立并维护,负责商务、业务等相关事宜,也为国内Zabbix爱好者提供交流学习的平台和专业的技术支持。

Zabbix Plugins 正式上线!

同天晚上20:00

一场与飞致云联合发布的纯演示直播

带上你遇到的真实监控场景

现场拆解插件怎么解决问题

导语

作为企业基础设施监控的主流开源方案,Zabbix 凭借稳定、通用、低成本的优势覆盖数万政企机房,在 20 年的发展历程中服务过成千上万家客户,其能力获得了用户的一致认可。

但有些用户也向原厂反馈,Zabbix 的原生功能在可视化、运维报表、资产管控等方面可以继续优化。

好的,用户想要,用户得到!!!

今日,Zabbix 中国官方插件市场一次性上线多款自研原生扩展插件,覆盖 AI 智能告警分析、网络可视化、批量资产管理、性能报表、系统运维诊断、品牌 Logo 定制等多个场景,全部以 Zabbix 原生模块方式部署,开箱即用、无需修改核心源码、支持中英文双语切换,从告警处置、配置上线、资产盘点、系统健康巡检到平台 Logo 自定义,补齐 Zabbix 运维多场景下短板。

插件详情与适用场景

插件 1|

AI 告警分析助手 AI Alert Analyzer Assistant

运维痛点:

突发告警多、含义模糊,跨工具查资料、手动梳理故障根因,排障耗时久、依赖运维经验。

适用场景:

7×24 小时值班巡检、线上故障快速根因定位、企业私有化大模型对接监控平台。

核心功能:

  • 支持 OpenAI/DeepSeek/Qwen/Claude 等多厂商大模型接口,私有化模型无缝接入;

  • 在「监测 - 问题」列表内置 AI 分析按钮,弹窗输出结构化故障解读、影响评估、分步排查等方案;

  • 自定义提示词、API 全参数可调、会话缓存减少重复请求,不离开 Zabbix 即可完成告警研判。

插件 2|

网络交换机可视化面板 Network Switch Panel

运维痛点:

交换机端口分散,流量、状态、告警无法统一查看,巡检需要逐台设备切换。

适用场景:

网络运维大屏、机房交换机日常巡检、端口流量容量评估。

核心功能:

  • Dashboard 原生组件,自动识别交换机端口监控项,卡片化展示端口 Up/Down/ 告警三色状态;

  • 实时展示入出流量、端口速率、利用率仪表盘;

  • 自动统计异常端口,联动触发器告警上色及问题跳转,多品牌交换机统一可视化。

插件 3|

主机导入导出 Host Import/Export

运维痛点:

多环境克隆、主机批量迁移只能手动新建,配置丢失风险高,无操作审计。

适用场景:

测试 / 生产环境配置克隆、机房批量上新设备、监控配置备份迁移、多分支机构统一纳管。

核心功能:

  • 支持 JSON/CSV 双格式批量导出主机,资产、接口、模板、宏、标签全字段可选;

  • 导入模拟预检,提前识别缺失依赖、冲突主机,降低误操作;

  • 全量操作记入审计日志,操作者、时间、主机数量全程可追溯。

插件 4|

性能报表 Performance Report

运维痛点:

服务器 CPU、内存、负载需要手动拉取趋势、人工统计均值峰值,容量规划无数据支撑。

适用场景:

月度服务器容量巡检、业务扩容评估、闲置资源回收、运维周报自动产出。

核心功能:

  • 多维度筛选主机 / 主机组,自定义时间范围自动统计 CPU、内存、负载最大 / 平均值;

  • 基于指标阈值自动输出服务器资源优化建议,零代码生成性能分析报告;

  • CSV 报表一键导出,高效获取原始性能数据,支持深度分析。

插件 5 -- 插件6|

配置数据备份-MySQL / PostgreSQL

运维痛点:

Zabbix 数据库配置备份需登录服务器执行命令,备份文件难管理。

适用场景:

版本升级前配置快照、定期监控系统备份、故障后配置快速恢复、等保合规数据留存。

核心功能:

  • 一键备份核心配置表,自动排除历史趋势大数据表,gzip 压缩后文件<10MB;

  • 自动读取 Zabbix 数据库配置,无需手动输入账号密码,Web 端直接下载 / 删除备份包;

  • 区分 MySQL、PostgreSQL 双数据库适配,适配不同企业 Zabbix 部署架构。

插件 7|

Zabbix 队列报表 Zabbix Queue Report

运维痛点:

采集队列积压只能后台执行 SQL 查询,无法直观区分延迟等级,大规模环境采集故障难定位。

适用场景:

Zabbix Server 性能巡检、百万级监控项采集瓶颈排查、Proxy 负载异常定位。

核心功能:

  • 三色分级展示延迟监控项(黄 / 橙 / 红),表格展示延迟时长、采集间隔、代理信息;

  • 按主机组、主机、监控项键值筛选,队列清单一键导出 CSV 离线分析。

插件 8|

主机可用性报表 Host Availability Report

运维痛点:

无法统一查看 Agent/SNMP/IPMI/JMX 多接口采集状态,大量主机采集失败无法批量筛查。

适用场景:

每日监控可用性巡检、新设备监控上线验收、监控主机采集故障批量排查。

核心功能:

  • 红绿灰三色标识主机可用 / 不可用 / 未知,区分四类采集接口独立状态;

  • 支持维护期标识、多条件组合过滤,持久化筛选条件,适配数千台主机大规模环境。

插件 9|

主机Tree 树形视图 Host TreeView

运维痛点:

主机列表平铺展示,多层级主机组资产分布不直观,故障主机分组查找繁琐。

适用场景:

多业务集群统一巡检、机房资产分组管理、值班快速定位告警集中区域。

核心功能:

  • 自动解析主机组分隔符支持子组层级树形结构,支持折叠展开;

  • 各级分组实时统计各级别告警数量,一眼定位故障业务集群。

插件 10|

不支持的监控项 Unsupported Items

运维痛点:

Not supported 采集失败项分散在各主机,遗漏形成监控盲区,逐个排查效率极低。

适用场景:

监控体系健康度治理、新模板上线校验、定期消除监控盲区。

核心功能:

  • 集中展示所有启用主机异常监控项,标注失败原因、最后采集时间;

  • 多维度筛选,一键导出CSV 报表。

插件 11|

自定义品牌 Logo  Custom Brand Logo

运维痛点:

原生 Zabbix 界面无企业标识,多套测试 / 生产环境界面无区分,无法匹配企业运维平台视觉规范。

适用场景:

政企内部监控平台标准化、多环境视觉区分、对外交付客户监控系统品牌定制。

核心功能:

  • Web 可视化配置登录页 Logo、侧边栏图标、Favicon、页脚信息与帮助链接;

  • 资源持久存储,卸载模块后品牌配置不丢失,无需修改 Zabbix 前端源码;

  • 上传文件大小校验、格式过滤,适配深浅主题界面展示。

插件 12|

未知触发器 Unknown Triggers

运维痛点:

触发器表达式异常、依赖缺失导致 Unknown 状态,原生无统一汇总页面,告警规则失效难以发现。

适用场景:

告警规则月度巡检、模板批量更新后校验、监控故障根因排查。

核心功能:

  • 全量汇总评估失败触发器,展示报错详情、检测周期;

  • 结果导出 CSV 报表。

插件 13|

主机资产报表 Hosts Inventory Report

运维痛点:

原生资产清单展示字段固定,无法自定义视图,资产盘点只能导出 Excel 二次整理。

适用场景:

机房资产盘点、设备维保统一管理、硬件报废评估、IT 资产合规审计。

核心功能:

  • 支持 60 + 项 Inventory 资产字段自由展示,用户视图配置持久保存;

  • 硬件配置、维保日期、联系人、软件参数等字段统一汇总,多关键词筛选资产;

  • 筛选结果一键导出 CSV 报表,适配审计台账。

插件 14|

ItemID 数据查询 ItemID Datas

运维痛点:

查询单指标历史数据需要多层点击主机 - 监控项,异常指标快速溯源效率低。

适用场景:

突发指标异常快速溯源、单监控项长期趋势分析、故障精准数据取证。

核心功能:

  • 输入 ItemID 直达监控项,一键切换表格 / 趋势图表两种展示模式;

  • 自定义页面展示数据行数,快速调取指标历史波动数据。

视频号

扫码观看

 更多插件详情

插件优势

01

原生兼容

全为 Zabbix 标准 Web 模块,开箱即用,不侵入核心代码,兼容主流 7.0LTS 版本

02

轻量化无性能损耗

无后台常驻进程,仅前端交互,不占用 Server 采集资源

03

零开发门槛

全部可视化 GUI 操作,无需编写脚本、API、SQL,运维新手快速上手

04

场景多覆盖

从故障处置、设备纳管、资产盘点、系统自检到平台 Logo 自定义

05

合规可追溯

批量导入导出、备份操作全量记录审计日志,满足等保、ITIL 审计要求

06

双语适配

界面跟随 Zabbix 系统语言自动切换中英文,适配国内出海、外资企业运维团队

07

官方标准化维护

由 Zabbix 原厂团队开发和统一维护,质量保障、服务托底

谁应该立刻使用这套插件?

  • 服务器运维团队:批量纳管、性能报表、监控系统自检、配置备份

  • 网络运维团队:交换机面板可视化

  • 数据中心运维:资产盘点、设备上下架管理

  • 7×24 值班运维:AI 告警智能分析、队列 / 可用性快速巡检

  • 政企 IT 合规岗:资产审计报表、操作日志留存、监控配置备份

  • 多分支 / 多环境运维:主机批量导入导出、企业品牌 Logo 定制

在哪里下载插件?

目前插件已正式上架 Zabbix 中国官方插件市场

(zabbixplugins.grandage.cn)

欢迎运维小伙伴前往下载体验,

高效简化日常监控运维工作!

注:联系官方客服【400-823-0118】获取更多信息,

或添加Plugins小助手【13524209482】

扫码预约

B 站同步直播

跳转微信打开

  •  

【第3733期】用 Web Locks API 优雅解决跨标签页并发问题

Cesar Contreras 2026-07-27 09:00 日本

介绍了如何利用原生 Web Locks API 实现跨标签页并发互斥,高效解决大文件重复上传问题。

前言

大文件断点续传遇上多标签页,每个标签页都争着恢复同一个上传,重复请求接踵而至。localStorage 有竞态风险,BroadcastChannel 又过于复杂。本文分享如何用浏览器原生 Web Locks API 实现原子级跨标签页互斥,优雅杜绝重复上传问题。今日前端早读课文章由 @Cesar Contreras 分享,@飘飘编译。

用于解决实际工作中的 前端多标签页状态同步 / 资源竞争 问题,最值得借鉴的一点是:对用户主动触发的操作使用 “非阻塞锁”(有锁就持有,无锁也继续),而对系统自动恢复的操作使用 “条件锁”,既保障体验又不产生冗余。

译文从这开始~~

编程中的并发,是指同时管理和执行多个任务或进程的能力(或至少看起来如此),使程序保持响应迅速且高效运行。你可以把它想象成一位忙碌厨房里的大厨:他不会把每道菜从头到尾按顺序一道道做完,而是一边切着蔬菜,一边看着这口锅在炖煮、那口锅在烘烤 —— 同时推进着好几道菜的进度。

我是 OLX 的一名前端工程师,日常主要使用 React 和 Next.js,但我的技术背景其实是 Java 并发编程。开发多线程应用是件让人头疼的事,要跟锁、信号量打交道…… 还有我的 "最爱"—— 死锁(在大型代码库里简直是噩梦)。当我完全转向 Web 开发时,从没想过还会遇到类似的场景。

Web 开发已经演变成了一个极其强大的生态系统。从早期那个只有用 HTML marquee 做些花哨滚动动画的年代(这里有点玩笑的意思 😆),从 JQuery 一统天下的时代,发展到如今这个强大的环境 —— 你可以使用 Workers、用 WebGL 和 Canvas 做 2D 和 3D 动画、用 Service Workers 实现离线功能,等等不一而足。这充分说明,Web 如今已经能够应对真正复杂的挑战,遇到类似问题只是时间早晚的事。

问题所在

最近,我们在 OLX 面临了一个大文件上传的挑战。在处理上传时想要提供最佳用户体验并非易事,现实中大多数场景都要求用户留在页面上等待上传完成,但我们不想这样。由于文件体积可能非常大(最高达 20GB),我们希望用户可以自由地去做其他事情,即使关闭了浏览器或标签页再重新打开,上传也能自动继续,无需任何手动操作。为此,我们需要提供一种断点续传机制。

但麻烦也随之而来。如果用户打开了你应用的多个标签页会怎样?每个标签页都会尝试恢复并继续同一个上传任务。后果呢?多个重复的上传请求打到你的 S3 存储桶,带宽被白白浪费,产生不必要的处理成本,而用户则眼睁睁看着上传进度条毫无规律地跳来跳去,一脸困惑。

两个标签页各自恢复后,独立触发了同一个上传任务;由于缺乏协调,视频被上传了两次。

如果你正在现代 Web 应用中构建文件上传体验,大概率遇到过这个场景。今天,我将带你了解我们使用 Web Locks API 实现的一套稳健方案,来解决这个令人抓狂的协调难题。

不过,在深入讲解我们的解决方案之前,我们需要先理解同步与锁的概念。

首先,什么是锁?

锁是一种机制,用于确保共享资源(变量、对象、函数调用等)在同一时刻只能被一个调用者访问,并且每个调用者都能获取到最新的信息。你可以想象一个非常经典的场景 —— 一家银行在共享内存中存有多个账户,同时有多台 ATM 机在进行取款、存款和余额查询操作。如果没有协调机制(同步),结果将一团糟,如下图所示。

为了解决这个混乱局面,我们必须通过对账户的读写操作加锁来控制访问。这样一来,无论执行什么操作(取款、存款还是查询余额),第一个获得锁的调用者将独占资源,其他调用者必须等待,直到第一个持有者完成操作并释放锁。下图展示了对账户访问进行同步后的效果。

现在我们已经理解了同步和锁的工作原理,接下来让我们看看如何将它付诸实践 🚀。

跨标签页协调的技术全景

在深入我们的解决方案之前,先来看看在浏览器标签页之间协调操作有哪些可选方案:

方案一:localStorage + 轮询

这是一种 "经典" 做法,利用 localStorage 作为共享锁机制:

 // 简化示例 - 请勿在生产环境使用
 if (!localStorage.getItem('upload-lock')) {
   localStorage.setItem('upload-lock', Date.now());
   // 开始上传
 }

存在的问题:

  • 竞态条件:localStorage 的读写操作不是原子性的

  • 过期锁:如果标签页崩溃,锁会永远残留

  • 轮询开销:需要持续检查锁的状态

  • 事件局限:storage 事件只在其他标签页触发,当前标签页收不到

方案二:Broadcast Channel API

这种方式通过 Broadcast Channel API 在标签页之间发送消息来进行协调:

 const channel = new BroadcastChannel('upload-coordination');
 channel.postMessage({ type: 'REQUEST_UPLOAD_PERMISSION' });

面临的挑战:

  • 缺少互斥原语:你需要从零开始构建状态机

  • 竞态条件:同时发出的消息可能产生冲突

  • 协议复杂:需要手动处理心跳、崩溃检测和冲突解决

  • 容易出错:消息排序和时序问题非常常见

Web Locks API 登场:浏览器原生互斥锁

Web Locks API 恰好提供了我们所需要的东西:一个真正的、原子性的互斥锁系统,直接内置于浏览器中。它的优势在于:

  • 原子性锁获取 —— 没有竞态条件

  • 自动清理 —— 标签页关闭或崩溃时锁会自动释放

  • 非阻塞选项 —— 避免 UI 冻结

  • API 简洁 —— 无需实现复杂协议

  • 浏览器兼容性 —— 所有主流浏览器均已支持 😃

我们的实现:useUploadCoordinator

以下是我们通过自定义 React Hook 解决该问题的方式:

核心策略

针对两种场景采用两种不同的处理方式:

 // 1. 全新上传(用户主动发起):非阻塞
 // 尝试获取锁,但无论是否获取到都继续执行
 navigator.locks.request(LOCK_NAME,
   { ifAvailable: true },
   async (lock) => {
     if (lock) {
       // 持有锁直到上传完成
       await holdLockUntilComplete(abortController);
     }
     // 无论如何都继续上传 - 绝不阻塞用户
   }
 );
 // 2. 恢复上传:有条件执行
 // 只有获取到锁才继续
 navigator.locks.request(LOCK_NAME,
   { ifAvailable: true },
   async (lock) => {
     if (lock) {
       uploader.emit("restore-confirmed"); // 继续恢复上传
       await holdLockUntilComplete(abortController);
     }
     // 如果未获取到锁,静默跳过 - 另一个标签页正在处理
   }
 );
关键实现细节

锁的生命周期管理:

 const holdLockUntilComplete = (abortController: AbortController) => {
   return new Promise<void>((resolve) => {
     const cleanup = () => {
       // 移除所有监听器并 resolve(释放锁)
       uploader.off("complete", cleanup);
       uploader.off("error", cleanup);
       uploader.off("cancel-all", cleanup);
       resolve();
     };
     // 在任何终态事件发生时释放锁
     uploader.on("complete", cleanup);
     uploader.on("error", cleanup);
     uploader.on("cancel-all", cleanup);
     // 组件卸载时也释放锁
     abortController.signal.addEventListener("abort", cleanup);
   });
 };

浏览器兼容性与优雅降级:

 const checkWebLocksAvailable = (): boolean => {
   return typeof navigator !== 'undefined' && 'locks' in navigator;
 };
 // 降级处理
 if (!checkWebLocksAvailable()) {
   // 允许恢复操作继续(接受可能出现重复的风险)
   uploader.emit("restore-confirmed");
   return;
 }

实际收益

自从上线这套方案以来,我们看到了:

  • 跨标签页协调导致的重复上传归零

  • 更好的用户体验 —— 上传永远不会因协调逻辑而卡住

  • 基础设施成本降低 —— 不再有重复的处理和存储开销

  • 代码更简洁 —— 不再需要复杂的状态机或轮询逻辑

现在,我们的方案效果如下:

通过共享锁,只有第一个获取到锁的标签页会继续执行上传;第二个标签页检测到锁已被占用后,便悄然退让。

实际应用中的注意事项

适用场景:
  • 支持持久化 / 恢复的文件上传

  • 后台同步操作

  • 任何在同一时间只应在一个标签页中运行的单例操作

性能影响:
  • 极小 —— 没有轮询开销

  • 自动清理机制避免内存泄漏

  • 非阻塞设计确保 UI 始终流畅响应

测试策略:
  • 在所有目标浏览器中进行测试

  • 验证标签页意外崩溃时的行为表现

  • 确认在不支持该 API 的环境中能优雅降级

结语

跨标签页协调不必成为一场噩梦。Web Locks API 提供了一个稳健的、浏览器原生的解决方案,免去了自定义协调协议的复杂性和脆弱性。

在构建这套方案的过程中,我们总结出跨标签页协调成功的关键在于:

1、绝不阻塞用户操作 —— 对用户主动发起的操作使用非阻塞锁
2、安全地失败 —— 优雅降级胜过功能崩溃
3、保持简单 —— 善用平台原生能力,而非重新造轮子

Web Locks API 不仅仅适用于上传协调;任何时候你需要在标签页之间实现互斥,都值得考虑使用它。随着浏览器支持的持续完善,它正在成为现代 Web 开发者工具箱中越来越实用的利器。

关于本文
译者:@飘飘
作者:@Cesar Contreras
原文:https://tech.olx.com/handling-concurrency-on-the-web-with-web-locks-api-163b7e07eddd

这期前端早读课
对你有帮助,帮” 
赞 “一下,
期待下一期,帮”
 在看” 一下。

阅读原文

跳转微信打开

  •  

【开源】口播视频(Talking-head)AI 视频编辑器:pireel/pireel

原创 木瑾 2026-07-27 09:00 日本

一款纯前端运行、隐私优先且可被 AI Agent(MCP 协议)驱动的开源口播视频编辑器。

📌 项目:pireel/pireel

Pireel Studio editor

项目地址:https://github.com/pireel/pireel

🧩 核心作用

一个开源、无需后端的口播视频(Talking-head)AI 视频编辑器,支持分镜设计、花字图形、动态字幕、设计主题,并可在浏览器端通过 WebCodecs 直接导出视频。

❗ 解决的核心问题

解决了传统视频剪辑软件依赖云端服务器处理、用户隐私易泄露、订阅成本高以及跨端 / AI 协作门槛高的问题;它提供完全纯前端本地运行的轻量剪辑体验,并支持通过 MCP 协议让 AI Agent 直接驱动视频剪辑。

👥 适用人群

  • 自媒体创作者 / 口播博主:需要快速制作带花字、动态字幕及设计主题的口播短视频。

  • AI 开发者 & Agent 开发者:希望通过 MCP(Model Context Protocol)接入视频剪辑能力,实现自动化视频生成与编辑。

  • 注重隐私的用户:希望所有视频素材与草稿仅保存在本地(OPFS /localStorage),不上传任何云端服务器。

🔍 关键特性

  • 纯前端 / 无后端架构:草稿与视频数据全部保存在本地浏览器,无需注册账号或连接服务器。

  • AI Agent 原生驱动:支持通过 MCP 协议被 Codex、Claude Code 等 AI Coding Agent 直接调用控制。

  • 丰富的 Frame 丰富主题系统:内置多样化的视觉设计系统(如 Cinema, Neon, Y2K 等),可一键切换视频整体配色与排版风格。

  • WebCodecs 本地导出:利用现代浏览器(Chromium 等)的能力实现所见即所得的高效视频导出。

🚀 快速了解建议

1、优先阅读 README.md 中的 * Quick start,体验如何使用 npx skills add pireel/pireel-agent 将其接入 AI Agent。
2、本地运行体验:执行 pnpm install 与 pnpm dev 打开编辑器,拖入一段口播视频亲自感受纯前端剪辑与主题切换。

阅读原文

跳转微信打开

  •  

从PRD到可验证代码:AI需求开发闭环实践_有意思小周刊vol.170

原创 强少Qone 2026-07-27 08:30 广东

有意思小周刊 vol.170

「有意思小周刊」是我利用零碎时间,梳理记录一周的日常阅读与思考内容。目的是为以后更好构建自己知识体系,也为了将这些内容分享给你。

以下是这期值得关注的内容

📰 推荐阅读

1. 从 PRD 到可验证代码:AI 需求开发闭环实践

2. 我的 AI 驱动开发工作流:基于 Cursor 的全流程实战开发 SOP

3. 货拉拉标注平台 - 拉拉标注

4. skill怎么写、怎么用、怎么迭代?把我踩过的坑和方法全交代了

5. 让 Claude Code 拥有自我进化和记忆系统|得物技术

6. 如何利用 Harness “一句话交付产品功能”?

7. 揭秘:资损下降 99.96% 的背后—AI 资损防控平台实战

8. AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

9. AI Agent 的 Skill 系统设计

10. 一文了解|SkillScan 智能体技能安全扫描最佳实践

11. 经验|提升Vibe Coding设计质量的10个技巧!

12. Agent 评测:方法论与体系设计

13. 复杂业务规则太多?我们搭了一个规则可视化配置平台

14. 海外Agent实践:让问题直达源码,助力团队提效!

15. 复杂业务场景下 RCA Agent 的探索实践

🔎 发现新大陆

1. Pi Agent:原理与实现,从零到一实现一个 AI Agent

2. MotionSites AI:高端 AI 网站提示词

🛠️ 资源·工具

1. 中国传统配色

💡 Skill 推荐

1. 你的微信读书数据面板

2. Gorden Super PPT Skills

▌从 PRD 到可验证代码:AI 需求开发闭环实践

链接:https://mp.weixin.qq.com/s/31ci2aTXgAnKEErr5cQVtA

本文提出了一套面向 React Native(RN)项目的 AI 需求开发闭环实践框架,旨在解决“一句话生成代码”方式中因需求未对齐、接口不稳、设计还原偏差大而导致的反复返工问题。该框架通过将输入源(PRD、接口文档、Figma)转化为可审阅的“需求规格”,并设置人工门禁进行需求审阅和架构确认,确保实现基于证据。随后,代码生成、编译验证和视觉审计三个环节依次执行,分别按架构实现、验证代码工程正确性以及对照设计稿追溯UI还原证据,形成一个从需求到可验证代码的稳定人机协作流水线,并最终通过经验沉淀使流程持续改进。

▌我的 AI 驱动开发工作流:基于 Cursor 的全流程实战开发 SOP

链接:https://mp.weixin.qq.com/s/d8lcMKS_zgfCMt_HOlzFKw

本文提出了一套基于 Cursor 的“五段式”AI 辅助开发标准化工作流(SOP),其核心理念在于“人工主控、AI 赋能”,即由开发者主导业务拆解、架构设计和核心逻辑,而 AI 负责高效落地模板化代码、辅助排错及优化。该流程不仅强调通过前置的需求分析和架构设计来避免返工,还独创性地提出了 Token 消耗治理策略,通过精准上下文投喂、会话重置和模型分级选型,实现以最低成本获取最高质量的 AI 输出,从而将模糊的业务需求转化为稳定、高效、可维护的代码资产。

▌货拉拉标注平台 - 拉拉标注

链接:https://mp.weixin.qq.com/s/E-3wlSwAU9gqPLuNrWYpiw

货拉拉自研的“拉拉标注”平台是一体化线上数据标注系统,旨在解决传统标注方式效率低、质控弱、管理成本高等问题。它通过标准化流程(创建队列、数据导入、标注质检、数据导出及统计报表)和丰富的模板(支持图像、文本、语音、视频及多模态),覆盖从数据采集到模型训练的全链路。该平台最终实现了全场景效率提升100%以上和准确率达99%以上的显著效果,为AI模型迭代和业务高效判定提供了可靠支撑。

▌skill怎么写、怎么用、怎么迭代?把我踩过的坑和方法全交代了

链接:https://mp.weixin.qq.com/s/EyrbFVz4eGafTJylIUbNsQ

本文系统性地介绍了 AI Skill(技能)的概念、编写、安装、使用及迭代方法。Skill 本质上是一个包含 SKILL.md 文件的文件夹,用于为 AI 设定工作规则和偏好,可被理解为“给实习生的工作手册”。作者通过自身使用语音输入法和 AI 组合高效记录想法的实践案例,详细拆解了 Skill 文件的组成部分(如 frontmatter 元数据和具体规则正文),并对比展示了使用 Skill 前后 AI 输出效果的巨大差异。文章还强调了 Skill 的迭代方法(让 AI 从用户修改中学习)、不同模型对 Skill 遵循能力的差异、安装与寻找资源的途径,以及避免安装过多 Skill 导致上下文冲突等常见陷阱,最终指出撰写 Skill 的本质是将个人工作方式和审美标准沉淀为可复用的显性规则。

▌让 Claude Code 拥有自我进化和记忆系统|得物技术

链接:https://mp.weixin.qq.com/s/PGT49KORSVZYpJxykWnwOw

本文详细介绍了为 Claude Code 构建的一套自我进化与记忆系统,该系统通过行为观测层、模式提炼层和记忆注入层三个核心子系统协作,形成一个完整的自学习闭环。系统利用 Hook 机制100%捕获工具调用以收集数据,在会话结束时通过统计模式检测和AI语义分析提炼出原子化的行为规则(Instinct),并利用向量检索技术在下次对话启动时自动注入相关记忆,从而让AI助手能够跨越会话边界学习用户习惯。根据数月的真实使用数据,该系统带来了显著收益:上下文冷启动时间从10分钟降至30秒,Token消耗降低约78%,错误重复率下降80%,并展现了知识复利效应。

▌如何利用 Harness “一句话交付产品功能”?

链接:https://mp.weixin.qq.com/s/2vO99OlOInapWZSEbJau8A

本文分享了团队将AI驱动的开发模式从“Vibe Coding”(AI写代码,人统筹)升级为“Harness模式”(代码库为唯一事实源,Agent自治流转)的实践。核心是通过重构代码仓库为单仓(使用Git Submodule整合前后端),并设计了一个由6个专业Sub-Agent组成的自动化协作流水线,覆盖从需求分析、前后端开发到集成测试与E2E测试的全流程。通过定义清晰的Agent Handoff协议,实现了任务状态在不同Agent间的安全、自动化流转。实践表明,该模式成功将原本需要1天完成的功能开发缩短至约2小时,效率提升约4倍,显著降低了前后端联调的沟通成本。

▌揭秘:资损下降 99.96% 的背后—AI 资损防控平台实战

链接:https://mp.weixin.qq.com/s/OcuSQ-aGWpwzDR8Lqx-mSQ

在交易型互联网平台中,资金安全是生命线。传统资损防控高度依赖人工经验与后置规则,面临覆盖度低、响应滞后、规则易腐化等顽疾。本文以货拉拉 AI 资损防控平台的工程实践为例,详细拆解如何通过“数据飞轮 + 模型蒸馏 + 多智能体协同”架构,年度资损降幅 99.96%,并实现从“人工布防”到“AI 原生防控”的体系化跃迁。文章聚焦工程落地细节,涵盖自动化标注链路构建、代码/文本双模态风险识别、防腐化 Agent 设计,为同类业务提供可复用的技术范式.

▌AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

链接:https://mp.weixin.qq.com/s/lJCSdQlwqiUe3Y1K8cGAvQ

本文介绍了得物技术推出的AI原生UI自动化测试新范式“ai_uitester”,该方案通过视觉语言模型(VLM)驱动,以“截图→理解→执行”的闭环替代传统基于元素定位的测试方法,有效解决了传统方案中用例迁移成本高、调试效率低、跨平台维护难三大痛点。其核心能力包括:利用LLM将平台描述性用例自动转化为可执行脚本、AI智能调试与用例自愈机制(可自动诊断并修复因UI变更或流程变动导致的失败),以及VLM驱动的跨平台统一执行能力,使得同一套JSON脚本能在Android、iOS和HarmonyOS上通用。此外,嵌入式的Wiki知识库与系统各模块深度耦合,为用例生成、自愈诊断和运行时执行提供背景知识,并通过“宁缺毋滥”的置信度机制确保测试的可靠性。该方案已在得物App落地,显著提升了用例转化效率与脚本自愈率,代表了从“代码驱动”到“视觉驱动”的测试范式转变。

▌AI Agent 的 Skill 系统设计

链接:https://mp.weixin.qq.com/s/idzAV3XkWWm7GnFOFyZUBw

本文系统阐述了 AI Agent Skill 系统的设计理念与工程实践,核心观点是将 Skill 视为“行为编程”而非文档,旨在通过结构化设计(YAML+Markdown、DOT 流程图、检查表)和严格的约束机制(门控、合理化防御、说服原则)来规范 AI 代理的行为。文章详细探讨了在有限上下文窗口下的 Token 经济策略,包括基于触发条件的发现机制、两阶段加载及声明式引用;提出了单向管道工作流编排、子代理上下文隔离及分级模型选择方案;强调了基于 TDD 理念的 Skill 测试方法,即通过压力场景观测并封堵代理的违规行为;最后总结了跨平台适配策略及从“建议”走向“强制”、从“手动”走向“自动”的演进教训,旨在构建高合规性、低成本且可维护的 AI 代理技能体系。

▌一文了解|SkillScan 智能体技能安全扫描最佳实践

链接:https://mp.weixin.qq.com/s/GaefP5FMN8b-1JBfrUMqzQ

本文档详细介绍了火山引擎推出的SkillScan智能体技能安全扫描方案,该方案针对AI Agent技能生态中日益突出的安全问题,从风险全景、检测能力、实践场景和接入方案等维度提供了全面的安全保障体系。文档首先系统分析了技能安全面临的风险,包括包体文件、声明层、代码层、网络与资源以及开源合规与供应链五大类风险,并针对不同的攻击向量和潜在影响进行了阐述。在此基础上,SkillScan构建了多层次的安全检测能力,涵盖基础检测、增强检测和运营保障,并提供了云上市场、内场共享等典型业务场景的定制化防护策略。最后,文档介绍了四种接入模式和具体的安全准入要求,并总结了技能安全开发的七大最佳实践原则,旨在从源头降低安全风险,为智能体技能生态构建全方位的安全防线。

▌经验|提升Vibe Coding设计质量的10个技巧!

链接:https://mp.weixin.qq.com/s/dF-0n3iqWJCMSDpiCqekYA

本文提供了提升 Vibe Coding 设计质量的10个实用技巧,分为前期准备和代码产出两个阶段。核心思想包括:通过设定专属AI Agent来固化项目技术栈和设计规范,确保输出一致性;利用其他AI模型优化设计需求的Prompt描述,弥补非技术人员在代码层面的表达缺陷;以及采用分阶段、由粗到细的还原策略,将复杂页面拆解为布局、模块和细节,避免AI一次性生成大量代码导致的结构混乱。

▌Agent 评测:方法论与体系设计

链接:https://mp.weixin.qq.com/s/7a2L-GatYYwI6s1uK9mTjA

本文系统阐述了Agent评测的体系化方法论,强调评测不应是上线前的临时抽查,而应嵌入研发流程,将不稳定的智能行为收敛为可发布的工程质量。文章的核心在于,通过区分Agent类型(如对话型、任务执行型),设计分层次、可定制的五类指标体系(正确性、鲁棒性、效率、安全性、用户体验),并构建包含专家设计、扩展用例、线上回流和Badcase的多元化评测数据集。此外,文章详细介绍了采用规则与LLM Judge相结合的“分层筛查”评分机制、基于问题现象与功能模块映射的结构化根因定位(RCA),以及最终将Badcase转化为行动项和可复用质量资产的闭环流程,以实现Agent的持续迭代与优化。

▌复杂业务规则太多?我们搭了一个规则可视化配置平台

链接:https://mp.weixin.qq.com/s/GYDtswtqEfbvCxpHTvjR6g

本文详细介绍了一个规则可视化配置平台的建设背景、核心能力、设计原理与实践效果。该平台旨在解决复杂业务规则散落在代码和配置中导致的变更风险高、治理困难等问题,通过将业务逻辑抽象为字段、组件和链路等可视化、可复用的策略资产,并集成了测试验证、发布审批、灰度对比、热更新与快照回滚等完整的发布治理体系。其核心设计采用管理面与运行面分离的架构,管理端负责规则配置与治理,运行端以SDK形式嵌入业务服务本地执行,并基于LiteFlow流程引擎实现高性能的热更新执行,从而在提升规则变更效率的同时,有效降低了线上风险。

▌海外Agent实践:让问题直达源码,助力团队提效!

链接:https://mp.weixin.qq.com/s/xCAjA9QK0DQBZYm_iKKlng

本文档介绍了爱奇艺海外事业部在AI编程全面普及的背景下,基于Cursor TypeScript SDK构建了“Code Chat MCP”(代码即时问答)和“Intl Chat Debug Agent”(国际站排障助手)两个云端智能服务。其核心思路是“让问题直达源码”,通过自动串联代码、配置、日志、接口等多系统数据,打破产品、运营、研发等多方人员的串行依赖,为业务咨询、反馈排障、迭代联调等场景提供即时、精准的分析结论,旨在提升团队整体工作效率。

▌复杂业务场景下 RCA Agent 的探索实践

链接:https://mp.weixin.qq.com/s/lJxoCr5-VwpfYTqfcVbjhg

本文探讨了在AI编码能力日益成熟但软件工程全局难题未解的背景下,快手如何构建基于大模型的业务排障体系(RCA Agent)。文章详细阐述了四个核心挑战:让AI理解业务(通过引入代码抽象层“业务资产”)、对抗高占比告警噪声(采用置信度评估和证据金字塔分级)、衡量推理不确定性(建立基于真实线上案例快照的评测体系)、以及抑制模型幻觉(将确定性任务工程化为标准化算子)。最终,文章提出了一个分层架构,结合“快思考”的Workflow与“慢思考”的Multi-Agent,并展望了向AI Native自主化、自进化方向发展的目标。

▌Pi Agent:原理与实现,从零到一实现一个 AI Agent

链接:https://how-pi-agent-works.vercel.app/

该文档是一个关于“Pi Agent”原理与实现的教程,旨在指导读者从零开始构建一个AI Agent。教程的核心在于通过工程化视角,拆解模型流、Agent循环、工具调用、会话树、资源加载与上下文压缩等关键概念。它提供了渐进式的Demo和可运行的教学版项目,适合具备TypeScript、Node.js等基础但尚未构建过完整Agent系统的开发者。

▌MotionSites AI:高端 AI 网站提示词

链接:https://motionsites.ai/

本文档展示了 MotionSites AI 提供的一系列高端 AI 网站提示(Prompts),内容涵盖从时尚、旅行、SaaS、健康、房地产到艺术和 Web3 等多个领域的网站设计模板,其核心价值在于帮助用户利用 AI 工具快速创建具有专业视觉效果的动态网站。同时,文档推广了 DesignRocket 平台,该平台旨在教授用户如何利用 AI 工具设计出通常代理机构收费高达 5000 美元的网站,从而赋能用户掌握高价值的 AI 设计技能。

▌中国传统配色

链接:https://colors.xiaoxiaodong.ai/

这里收录 742 张中华传统色高清色卡,已按原始 742 色清单完整覆盖。每张色卡包含色名、HEX、RGB、CMYK、配色推荐和气质关键词。现在它不只是素材库,也是一套可交互的中国色工作台:可以查色、试场景、生成色板、浏览配色关系、查看渐变逻辑、制作用途卡片、生成 shadcn 主题、配置终端调色板,并把喜欢的色卡和整组方案收藏到本机。

▌你的微信读书数据面板

链接:https://readneo.vercel.app/

你的微信读书数据面板 -- 连接微信读书 Skill API,可视化书架、阅读统计、笔记划线,一键导出到 Notion 和 Flomo。

▌Gorden Super PPT Skills

链接:https://github.com/GordenSun/GordenSuperPPTSkills

AI PPT赛道终结者,史上最最最强 PPT Skill!!! 使用GPT生成豪华的图片格式PPT,然后转换为完全可编辑的PPTX文件。

END

如果本文对你有帮助,请点赞、在看和分享给身边的朋友!

别忘了关注「强少来了」

获取更多前端 · 后端 · B端产品思维的精彩内容!

👇👇👇

你的认可,是对我最大的鼓励

求转发,朋友圈

另外我建了一个读友交流群

你可以回复关键词「进群」

添加我个人微信,邀请你入群

跳转微信打开

  •  

火山引擎开源 Agent 驱动的搜索自迭代技术

原创 Viking AI 搜索 2026-07-24 17:30 北京

会调用搜索,只是Agent搜索能力的第一步。更难的是:当结果不好时,它能不能找到改进方向,并通过一轮轮实验把搜索变好?

假设你刚上线一个商品搜索应用:搜品牌、品类和型号基本正常,但用户输入“适合通勤的轻便双肩包”,结果就开始跑偏。

你提高语义召回权重,长句理解变好了,精确型号词却可能变差;提高关键词匹配门槛,前几条结果更准了,零结果又开始增加;放大候选集,召回更多了,噪声和延迟也可能随之上升。

很多搜索项目都会遇到类似的调优困境。问题不是没有参数可调,而是这些参数彼此影响:一次看似简单的修改,往往同时改变召回、排序、零结果率和延迟。要判断一组策略是否真的更好,还需要准备 Query、批量搜索、相关性标注、离线评测和 Bad Case 分析。

过去,这套工作依赖搜索专家反复试验。每一轮都能做,但很难低成本、可复现地持续做。

于是我们开始思考:既然 Agent 已经能够理解目标和调用搜索,它能不能再向前一步——根据当前数据和 Query 分布,自动提出候选策略,用实验验证收益,并告诉开发者“为什么这组配置更好”?

围绕这个问题,火山引擎在开源项目 SearchCLI 中开放了 vs search tune。开发者提供应用、数据集和 Query Set 后,Agent 可以调用它完成 Query 校验、实验规划、候选策略生成、批量搜索、相关性标注、指标计算、结果对比和候选 Scene 创建。

在服饰商品、综合商品和图片内容等三个业务数据集的阶段性离线评测中,自动调优策略相较默认策略,NDCG@20 提升 11.66%~13.50%,Precision@10 最高提升 21.17%。

这组结果首先说明了一件事:底层模型和数据不变时,仅仅围绕具体业务的 Query 分布重新组织召回模式、关键词与语义权重、匹配门槛和候选规模,也能释放出可观的效果空间。以上为阶段性离线结果,实际收益仍取决于 Query 代表性、标签质量和业务数据分布。

我们把这套能力称为:Agent驱动的搜索自迭代。

“自迭代”不是让 Agent 绕过控制、直接修改线上策略,而是把“发现问题—提出假设—分配评测预算—筛选候选—验证收益—输出候选配置”变成一套可以重复运行、结果可以审阅的闭环。

接下来,我们将拆解这套闭环如何运转,以及背后的 SPA 策略优化框架,如何在有限搜索和标注预算下,把更多实验机会留给真正有希望的策略。

一、从“会搜索”到“会把搜索变好”

一个 AI 搜索系统通常包含召回模式、关键词与语义权重、关键词匹配门槛、候选集规模等配置。参数越多,适配不同场景的能力越强,但人工调优的门槛也越高。

真正困难的不是修改某一个参数,而是持续回答:当前策略在哪些 Query 上不好?应该加强关键词还是语义召回?平均指标提升是否掩盖了某类 Query 的退化?新策略是否会增加零结果和延迟?

搜索自迭代把这套专家工作流转化为一个反馈闭环:

Query 与业务数据
  → 评测当前效果
  → 生成候选策略
  → 执行搜索与标注
  → 比较指标和 Bad Case
  → 输出候选配置
  → 人工确认后进入验证

这里的“自”指流程可以由 Agent 持续驱动;“迭代”指每一轮都有 Query、标签和指标作为证据。生产变更仍保留明确的人为边界。

二、为什么是 Agent + Skills + CLI?

搜索调优既包含上下文判断,也包含领域知识和大量确定性执行。我们将三类工作拆给不同层次:

组成

职责

Agent

理解目标、选择评测路径、解释结果并决定下一步

Skills

提供参数语义、调优边界、安全规则和标准工作流

SearchCLI

执行批量搜索、标注、缓存、指标计算、恢复和报告生成

例如,Agent 会先判断用户是否有真实 Query;没有时,才生成合成 Query 并交由用户审阅。昂贵评测前必须先执行 Plan,确认策略数、Query 数和最大标注量。最终应用策略时,也必须先 dry-run,再由用户确认是否创建候选 Scene。

一次完整调优可能包含数千次搜索请求和大量 Query-item 相关性判断。如果让 Agent 临时拼脚本,网络抖动、限流或进程中断都可能让结果丢失。CLI 的价值,是把这些长任务变成稳定命令和机器可读的运行产物,让 Agent 决定“做什么”,让执行层保证“可复现地做完”。

一次自迭代如何发生

第一步是准备 Query Set。真实搜索日志、客服问题和人工整理的典型 Query 最有价值;如果暂时没有,也可以从数据集样本生成合成 Query,但必须先展示样例和类型分布,由用户判断它们是否代表真实意图。

第二步是校验和规划。validate 会检查格式、重复 Query、类型倾斜和 sourceItemIds 覆盖率;plan 则在不调用搜索和 LLM 的情况下,提前计算策略数量、搜索请求数与最大标签量。用户可以在真正花费预算前缩小 Query Set、减少候选或先选择低成本标签。

第三步是运行和复核。CLI 对每个候选执行批量搜索,先用 Source-item 银标快速筛选,或直接使用 LLM Judge 进行语义相关性判断,再计算 NDCG、MRR、Precision、零结果率和延迟。报告不仅给出推荐策略,也保留每条 Query 的明细,方便 Agent 解释收益来自哪里、是否存在退化。

最后,Agent 可以比较不同 Run,并把确认后的推荐配置转成候选 Scene。整个过程对应 query-generate → validate → plan → run → report → compare → apply,每一步都有结构化输入、输出和检查点。

三、SPA:把预算花在更值得评测的策略上

搜索调优看起来像参数优化,实质上却是一个评测成本高、反馈有噪声、参数存在约束、结果还必须可解释和可落地的实验设计问题。

候选策略、Query 数量和 TopK 增加后,最坏情况下的标注量近似为:

strategy_count × query_count × topK

因此,算法的核心任务不是生成尽可能多的组合,而是决定:哪些策略值得先测,哪些应尽早淘汰,下一轮沿什么方向探索,以及何时已经有足够证据停止。

SPA(Strategy Population Annealing)把搜索策略编码为带领域语义的 Genome,以专家先验构造初始种群,通过多保真评测、多视角 Elite、语义化进化和退火机制分配预算,再用鲁棒统计选出稳定、可解释的候选策略。

1. Genome:搜索参数不是普通数值向量

{
"user_defined_recall_mode": "KeywordSemantic",
"dense_weight": 0.25,
"text_weight": 0.75,
"query_keyword_match_percent": 0.3,
"max_retrieved_num": 100
}

这组参数既有枚举值,也有近似连续值和请求侧参数;同时还存在约束,例如 dense_weight 与 text_weight 需要归一,不同召回模式下参数含义也不同。SPA 的交叉、变异和移动都必须先理解这些语义,生成后还要经过裁剪、归一化、合法性校验和去重,才能转化为可执行配置。

第一阶段聚焦 similarity-only:只优化召回模式、关键词/语义权重、关键词匹配比例和最大候选数,不同时调整 Rerank、个性化、热度或运营规则。这样才能把效果变化归因到文本相关性策略本身。

2. 初始种群:覆盖搜索行为,而不是平均撒点

Matrix Optimizer 会在若干固定档位上组合参数,优点是简单、稳定;缺点是不同参数不一定产生不同搜索行为,有限预算可能被大量相近或低价值组合占用。

SPA 的初始种群由当前策略、默认 Baseline、KeywordOnly / SemanticOnly 等边界策略、粗粒度 Matrix 和行业 Prior 组成。商品搜索可以多保留关键词主导的混合策略,知识库问答则保留更多语义增强分支。算法从有意义的行为区域出发,而不是从随机点开始。

当前开源首版已实现这一层:基于多个代表性中心,建立粗、细两种搜索半径,生成边界、中心和邻域候选,再执行合法化与去重。粗粒度邻域用于判断方向,细粒度邻域用于比较局部差异。

3. 多保真评测:先排除错误方向,再提高置信度

完整设计将评测分为三层:

阶段

评测方式

目的

Fast Pass

小 Query Set + Source-item 银标

淘汰明显无效策略

Middle Pass

按 Query 类型扩大评测

识别只在局部场景有效的策略

Confirm Pass

完整 Query Set + LLM Judge / 人工标签

高置信确认最终候选

如果一个策略连生成 Query 的源 Item 都召不回来,就没必要继续为它的 Top20 结果支付 LLM 标注成本。反过来,Fast Pass 高分也不能直接胜出:它还要证明收益不是只集中在标题改写等少数 Query 类型上。

4. 多视角 Elite:保留一条策略前沿

只按平均 NDCG 选 TopN 很危险。某个策略可能在短词 Query 上很强,却让自然语言 Query 明显退化;另一个策略平均分略低,但零结果率、延迟和分类型表现更稳定。

因此,SPA 同时保留 Global Best、Query-Type Best、Stable Best、Low-Latency Best、Low-Zero-Result Best、Baseline-Improver 和差异足够大的 Diverse Candidate。每个 Elite 都回答一个问题:它为什么值得继续消耗预算?这比单一排名更能防止种群过早塌缩。

5. 语义化进化与种群退火

下一代候选来自三类动作。交叉会组合两个 Elite 中已被验证的有效结构,例如采用策略 A 的关键词/语义权重和策略 B 的关键词门槛;局部变异会在优秀策略附近调整权重、候选规模或匹配比例;方向移动则让候选向全局最优或某类 Query 的局部最优靠近。

这些动作都不是随机拼 JSON。例如,高关键词门槛导致零结果上升时,下一代会降低门槛;候选数从 100 增加到 200 没有提升却增加延迟时,搜索会向较小规模收敛。

退火温度控制探索幅度:早期温度高,允许接受少量当前略差但差异较大的策略;中期围绕 Elite 交叉和变异,同时保留边界探针;后期温度降低,只在高价值区域细调。与单点模拟退火不同,SPA 同时保留多个策略分支,因此既能跳出局部最优,也不容易被一次随机移动带偏。

6. 鲁棒目标:不被一次高分欺骗

RobustScore =
  NDCG@20
  + α × MRR@10
  - β × zero_result_rate
  - γ × latency_penalty
  - δ × query_type_variance
  - ε × confidence_interval_width

NDCG 衡量整体排序,MRR 强调首个高相关结果的位置;零结果率和延迟是落地约束;Query 类型方差用于惩罚“只在少数类型上好”的策略。置信区间可通过 Bootstrap 得到:对 Query Set 多次重采样,如果一个策略均值高但区间很宽,说明它可能只是碰巧在这批 Query 上表现好。

因此,完整 SPA 要找的不是一次实验中的最高分,而是在 Query 分布和 Judge 噪声下仍然稳定的策略。

四、实验结果

实验比较自动调优策略与默认策略。在三个不同业务数据集上,

  • NDCG@20 提升 11.66%~13.50%

  • NDCG@10 提升 9.56%~15.08%

  • MRR@10 提升 7.74%~14.95%

  • Precision@10 提升 7.36%~21.17%。

五、让算法真正可用的 CLI 工程层

算法决定评估什么,工程层决定实验能否稳定完成。SearchCLI 重点沉淀了四类能力。

Plan:先把实验成本编译出来。vs search tune plan 不实际调用搜索或 LLM,而是提前给出 Query 数、候选策略数、预计搜索请求和最大标注量,让 Agent 在昂贵任务开始前缩小范围或调整标签来源。

受控并发:把长任务拆成小任务。  当前开源实现将评测拆为 strategy × query 任务,并采用有界批次调度;每批通过 Promise.allSettled 汇总结果,单个失败不会丢掉同批已完成的数据,也不会无限放大请求。任务队列与 Worker Pool 是后续可继续演进的方向。

标签缓存:让 LLM 判断成为可复用资产。  不同策略经常召回相同 Item。SearchCLI 的缓存 Key 同时包含数据集、Query、Item 内容和 Judge 配置;只有这些信息一致时才复用,内容或评测标准变化后旧标签会自然失效,从而在节省成本的同时避免误用历史结果。

Checkpoint / Resume:中断后接着跑。  CLI 会持续保存运行状态、搜索结果、已用标签、失败记录、中间指标和性能摘要。任务中断后,Agent 可以使用原 Run ID 继续未完成部分,不必重新支付已经完成的搜索与标注成本。

最终的 apply 也保留安全边界:先 dry-run 展示配置,获得确认后只创建新的候选 Scene,不会自动切换默认入口。自动化减少的是重复劳动,不是取消人的业务判断。

六、快速开始

SearchCLI 要求 Node.js 20 或更高版本,并采用 Apache-2.0 License 开源。安装 CLI 与 Viking Skills:

git clone git@github.com:volcengine/SearchCLI.git vs
cd vs
bash ./scripts/install.sh
npx skills add "git@github.com:volcengine/SearchCLI.git" -y -g
vs auth login
vs doctor --json

Agent可以通过以下指令进行调优:

vs search tune validate --queries ./queries.jsonl --json
vs search tune plan \
  --application-id <application-id> \
  --dataset-id <dataset-id> \
  --queries ./queries.jsonl \
  --profile similarity-only \
  --optimizer spa \
  --json
vs search tune run \
  --application-id <application-id> \
  --dataset-id <dataset-id> \
  --queries ./queries.jsonl \
  --profile similarity-only \
  --optimizer spa \
  --label-source llm \
  --json
vs search tune report --run-id <run-id> --json

项目地址:https://github.com/volcengine/SearchCLI

结语

Agent 时代,搜索系统面对的问题正在从“能不能提供足够多的策略参数”,转向“能不能根据当前数据和 Query,持续找到更适合的策略”。

SearchCLI 给出的答案,是用 Skills 沉淀搜索专家知识,用 CLI 承担确定性实验,用 SPA 提高评测预算的有效性,再由 Agent 把它们组织成一个可审阅的闭环。

从“可调用”到“可评测”,从“可配置”到“可迭代”。

这正是我们开源 Agent 驱动搜索自迭代技术的初衷。

未来,Viking AI搜将推出更多能力,和我们一起,让搜索变得更简单、让自迭代这件事持续向前!

点击「阅读原文」,立即体验

阅读原文

跳转微信打开

  •  

CVPR 2026 Highlight 丨 用“几何感知”把扩散 Transformer 采样做成免训练加速器

原创 AI 2026-07-24 12:00 上海

扩散采样不是在平直空间里走直线,而是在模型学到的弯曲特征流形上前进。

前言

扩散模型已经成为图像生成和视频生成中最重要的一类基础模型。从 DiT 到 FLUX,再到 HunyuanVideo,越来越多的高质量生成系统都依赖扩散 Transformer 来逐步完成从噪声到图像、从噪声到视频的生成过程。

但一个非常现实的问题是:扩散模型很慢。

这种慢并不是因为单次前向传播特别复杂,而是因为生成过程通常需要很多轮连续去噪。每一步都要调用一次大模型,几十步甚至上百步串行执行下来,推理延迟和计算成本都会变得很高。对于交互式图像生成、视频生成、移动端部署或大规模内容生产来说,这种成本很难忽视。

一个很自然的问题于是出现了:

既然扩散模型慢在采样步数多,那能不能直接少采几步?

直觉上,这似乎是最直接的加速方式。但在实际系统中,粗暴减少采样步数往往会带来明显的质量下降:图像结构变形、语义不稳、细节丢失,视频中还可能出现闪烁和运动不连续。

也就是说,扩散模型加速并不是简单地“少算几步”。真正困难的是:

如何在大步采样时,仍然让生成轨迹沿着模型学到的正确方向演化?

我们的论文 GeoRK2: Geometry-Guided Runge-Kutta Integration for Diffusion Transformer Acceleration 正是围绕这个问题展开。目前文章已被CVPR2026收录为HIGHLIGHT。GeoRK2 是一个免训练、可插拔的扩散 Transformer 加速框架。它把数值积分中的二阶 Runge-Kutta 方法和深度特征空间中的几何结构结合起来,使扩散采样在更少计算下仍然保持稳定的生成质量。

简单来说,GeoRK2 的核心思想是:

扩散采样不是在平直空间里走直线,而是在模型学到的弯曲特征流形上前进。加速采样时,必须尊重这个几何结构。

图片 1 - 多种方法在多个提示词下生成图像的可视化结果。在高加速比下,FORA 和 TaylorSeer 等方法会出现不同程度的图像质量下降,而 GeoRK2 仍能保持更优的性能。

动机:为什么扩散模型一加速就容易“跑偏”?

传统扩散采样器通常把去噪过程看成一个普通的数值积分问题。给定当前噪声状态,模型预测下一步应该往哪里走,然后采样器沿着这个方向推进。

在 DDIM、DPM-Solver 以及很多后续加速方法中,一个隐含假设是:

扩散状态的演化发生在一个近似平直的欧氏空间中。

如果这个假设成立,那么大步采样就可以被理解为在平直空间中做更大的跳跃。只要数值积分公式足够高阶,采样轨迹就应该能够保持稳定。

但扩散 Transformer 的内部特征并不是这样工作的。

我们在 DiT-XL/2 和 FLUX.1-dev 的中间激活上观察到一个非常明显的现象:模型的特征变化高度集中在少数主方向上。换句话说,虽然特征向量位于一个高维空间中,但真正承载主要变化的方向其实很少。

论文中的激活谱分析显示,前 64 个主方向已经能够解释超过 99% 的特征方差。这说明扩散 Transformer 的去噪过程更像是在一个低维、弯曲的特征流形上运动,而不是在整个高维欧氏空间中自由移动。

图片 2 - 主导方向解释的方差。针对 (a) DiT-XL/2 和 (b) FLUX.1-dev 的热力图显示,前 64 个主成分方向解释了超过 99% 的方差。

这带来一个关键问题:

当采样步长变大时,如果仍然使用普通欧氏空间中的直线外推,轨迹就可能逐渐偏离模型真正学到的特征流形。我们把这种现象称为:

manifold drift,流形漂移。

直观来说,模型知道一张图像应该如何从噪声中逐步成形,但这个过程发生在它内部学到的特征几何结构上。普通加速方法只看到“往前走”,却没有看到“应该沿着哪条弯曲的路走”。当步子迈得很大时,轨迹就容易切过流形曲率,而不是贴着流形前进。

图片 3 - (a) GeoRK2 遵循内在流形几何结构,相比忽略曲率的欧氏空间预测方法,能够生成更平滑且更忠实的特征轨迹。 (b) 在大步长条件下,GeoRK2 仍保持稳定,而与几何无关的预测器会因误差快速累积而性能受损。

最终表现出来的就是:

  • 图像结构开始扭曲;

  • 语义条件逐渐变弱;

  • 局部纹理和全局布局不一致;

  • 视频生成中出现帧间闪烁和运动不连续。

因此,扩散 Transformer 加速的核心矛盾可以概括为:

我们想减少采样步数,但不能让采样轨迹偏离模型学到的特征流形。

GeoRK2 的出发点,就是把这个被忽略的几何问题显式建模出来。

方法:GeoRK2 = 几何感知预测 + 

流形校正 + 自适应稳定

图片 4 - GeoRK2 通过将黎曼积分嵌入 Transformer 推理流程,实现具有几何感知能力的扩散采样。(左)预测阶段利用缓存的激活值,在较大时间间隔上外推潜在动态;校正阶段则在局部构建的几何流形上细化轨迹。(右)在每个 Transformer 块内,GeoRK2 引入轻量级的预测-校正模块,用曲率感知的二阶积分替代现有采样器(如 DDIM、DPM-Solver)的默认数值更新,从而在无需重新训练的情况下实现稳定且加速的生成。

GeoRK2 的方法设计可以用一句话概括:

在 RK2 二阶积分的基础上,用模型内部激活估计局部特征几何,并用这个几何结构约束大步采样。

从整体上看,GeoRK2 包含三个核心模块:

1.  几何感知的 RK2 预测;

2.  低秩度量预条件校正;

3.  自适应稳定机制。

下面分别来看。

1. 几何感知 RK2:不是直接外推,

而是沿主特征方向外推

Runge-Kutta 方法是经典数值积分中的一类高阶方法。普通的一阶方法只看当前位置的速度,而 RK2 会额外估计一个中点,从而更准确地预测下一步状态。

在扩散采样中,这意味着:

不要只根据当前一步的方向前进,而是先估计中间位置,再用中间位置的方向来决定大步更新。

但 GeoRK2 并不是直接把标准 RK2 套到扩散 Transformer 上。原因在于,高维特征空间中并不是所有方向都同样可靠。很多方向可能只是噪声,或者并不位于模型真正使用的特征流形上。

因此,GeoRK2 在做中点预测时,会先把更新投影到主导特征子空间中:

    h_mid = Projection(h_t + step / 2 * v_t)

    这里的 Projection 不是任意设计的,而是来自模型中间激活的低秩主方向。也就是说,GeoRK2 会先问模型:

    当前这个阶段,哪些特征方向才是真正重要的?

    然后只在这些方向上进行大步预测。

    这样做的直观效果是:

    • 保留模型最有信心的主要变化方向;

    • 抑制偏离流形的噪声方向;

    • 避免大步采样时轨迹漂到不可靠区域。

    可以把它理解成:普通 RK2 是“往前走得更准”,而 GeoRK2 是“沿着模型认为可靠的路往前走”。

    2. 低秩几何校正:用激活协方差

    估计模型内部的局部度量

    只做投影还不够。因为扩散模型的去噪过程并不是一条直线,而是在不同噪声阶段经历不同曲率的轨迹。特别是在高噪声向低噪声过渡时,特征空间的几何结构会发生明显变化。

    为了解决这个问题,GeoRK2 会从模型的中间激活中构造局部协方差矩阵:

      G_t = covariance(H_t) + epsilon * I

      这个矩阵可以理解为当前特征空间的一个局部“几何度量”。大特征值方向表示模型在这些方向上变化强、结构敏感,更新时需要更加谨慎;小特征值方向则表示变化较平坦,可以更放心地加速。

      但直接使用完整协方差矩阵代价很高。对于扩散 Transformer 的中间层来说,完整矩阵求逆会带来明显计算开销。

      GeoRK2 的关键工程设计是:只保留低秩主方向。

      由于论文中观察到 top-64 主方向已经解释超过 99% 的方差,GeoRK2 使用截断 SVD 来近似这个几何度量。这样既保留了最重要的特征几何,又把复杂度控制在可接受范围内。

      在得到低秩几何度量之后,GeoRK2 会对预测结果做一次 metric-preconditioned correction:

        geometry correction = - lambda * G_inverse * prediction_error

        直观来说,这一步是在问:

        当前预测结果和模型真正希望的去噪方向之间还有多少偏差?这个偏差应该按照特征流形的几何结构如何修正?

        这就是 GeoRK2 中的“几何校正”。

        它不是重新训练模型,也不是额外学习一个校正网络,而是直接利用预训练模型内部已有的激活统计来完成校正。

        为了进一步降低开销,GeoRK2 还使用 Woodbury identity 来高效计算低秩矩阵逆,并且每隔若干步更新一次 metric,而不是每一步都完整重算。

        3. 自适应稳定:

        遇到剧烈阶段切换时及时刹车

        扩散采样过程并不是平稳的。

        在早期高噪声阶段,模型主要决定全局布局和大致语义;在后期低噪声阶段,模型开始细化纹理、边缘和局部细节。不同阶段之间的过渡往往会带来速度和加速度的突变。

        如果加速方法在这些位置仍然激进外推,就可能出现不稳定。

        因此,GeoRK2 加入了一个非常简洁的自适应稳定机制。它会监测当前采样轨迹的加速度方差:

          ifVar(a_t) suddenly increases:
              use conservative fallback
          else:
              use geometry-aware RK2 prediction

          当检测到状态变化过于剧烈时,GeoRK2 会暂时退回到更保守的两点外推,避免错误被快速放大。最后还会使用 momentum mixing 对输出进行平滑:

            h_out = rho * corrected_prediction + (1 - rho) * h_t

            这一步的作用不是让方法变复杂,而是让几何积分在真实模型中更加稳健。

            论文中也观察到,这个 rollback 机制主要在高加速设置下的关键时间段触发,例如 FLUX 中从概念布局转向细节 refinement 的阶段。它带来的额外开销很小,但可以显著降低发散风险。

            工程上是否可落地?

            GeoRK2 的一个重要特点是:它不需要重新训练模型,也不需要修改模型结构。

            它更像是一个轻量级 PyTorch wrapper,在推理时拦截中间激活,估计局部几何结构,然后替换或增强原本的采样更新。

            从复杂度上看,GeoRK2 的额外开销主要来自三部分:

            • 主特征方向投影;

            • 低秩 metric correction;

            • 周期性截断 SVD。

            论文中的 profiling 显示,在 DiT-XL/2 上,当截断秩取 64 时:

            • projection step 约 0.014 TFLOPs;

            • metric-preconditioned inversion 约 0.022 TFLOPs;

            • amortized truncated SVD 每步约 0.011 TFLOPs;

            • 总额外 FLOPs 约 5.1%;

            • 实测每步 wall-clock overhead 约 3.8%。

            考虑到 GeoRK2 能够带来 4-5 倍级别的整体采样加速,这个额外开销是很小的。

            更重要的是,它的超参数并不敏感。论文中使用同一组配置:

              lambda = 0.1
              rho = 0.85
              beta = 0.9
              rank = 64

              就可以在 DiT-S/2、DiT-B/2、DiT-XL/2 等模型上稳定工作。这说明 GeoRK2 不是依赖精细调参的特定技巧,而是利用了扩散 Transformer 特征几何中的普遍结构。

              实验结果:

              4-5 倍加速下保持高质量生成

              为了验证 GeoRK2 的效果,论文在三个代表性场景上进行了实验:

              • ImageNet-256 上的 class-conditional image generation,使用 DiT-XL/2;

              • DrawBench 上的 text-to-image generation,使用 FLUX.1-dev;

              • VBench 上的 text-to-video generation,使用 HunyuanVideo。

              对比方法包括传统采样器 DDIM、DPM++,以及多种扩散 Transformer 加速方法,例如 FORA、TaylorSeer、ToCa、SmoothCache、TeaCache、DBCache 等。

              1. ImageNet-256:

              高加速下仍保持较低 FID

              在 ImageNet-256 + DiT-XL/2 上,GeoRK2 在多个加速档位下都取得了较好的速度-质量权衡。

              例如:

              • GeoRK2(N=2) 将延迟从 8.38s 降到 4.42s,达到 1.95x 加速,同时 FID 为 2.41;

              • GeoRK2(N=3) 在 2.70x 加速下取得 FID 2.67;

              • GeoRK2(N=8) 在 4.92x 加速下仍保持 FID 3.32。

              相比之下,很多方法在类似高加速设置下 FID 会明显上升。这说明在 aggressive acceleration 下,几何感知积分能够更好地保持采样轨迹稳定。

              表格 1 - 使用 DiT-XL/2 在 ImageNet-256 上的定量比较。结果为 5 次运行的平均值。Speed表示相对于 DDIM-50 的加速倍数。

              2. FLUX.1-dev:

              复杂文本条件下保持语义一致性

              在 FLUX.1-dev + DrawBench 上,GeoRK2 的优势尤其体现在语义一致性上。

              在 NFE=50 设置下:

              • GeoRK2(N=5) 达到 3.52x latency speedup,ImageReward 为 0.9889,CLIP Score 为 34.963;

              • GeoRK2(N=7) 达到 4.06x latency speedup,仍保持 ImageReward 0.9792;

              • GeoRK2(N=8) 达到 4.39x latency speedup,CLIP Score 仍保持在 33.476。

              这一点很重要。因为文本到图像生成不仅要求图像清晰,还要求模型正确理解 prompt。部分缓存类方法虽然也能加速,但在复杂文本条件下更容易损失语义一致性。

              GeoRK2 通过几何约束保持中间特征轨迹稳定,因此在大步采样时更不容易偏离文本条件所对应的生成方向。

              表格 2 - 在 FLUX.1-dev 上的比较。结果为 5 次运行的平均值。Speed 表示相对于 50 步参考方法的加速倍数。

              3. HunyuanVideo:

              视频生成中的时序稳定性

              视频生成比图像生成更难加速。因为模型不仅要保证单帧质量,还要保证帧与帧之间的运动连续性。

              在 HunyuanVideo + VBench 上,GeoRK2(N=8) 达到:

              • latency 从 323.89s 降到 69.44s;

              • latency speedup 为 4.66x;

              • FLOPs speedup 为 6.77x;

              • VBench Score 为 80.73。

              相比其他加速方法,GeoRK2 在高加速下更好地保持了时间一致性。论文中也指出,一些方法虽然单帧质量尚可,但会出现可见 flickering,而 GeoRK2 的几何度量估计能够更自然地适配时空注意力特征。

              表格 3 - 在 HunyuanVideo 上基于 VBench 的比较。结果为 5 次运行的平均值。Speed 表示相对于 50 步基线方法的加速倍数。

              消融实验:每个组件都在发挥作用

              为了验证 GeoRK2 的设计是否必要,论文还做了系统消融。

              在 DiT-XL/2 上:

              • 完整 GeoRK2 的 FID 为 2.31;

              • 去掉 geometry correction 后,FID 上升到 3.02;

              • 去掉 RK2、改用 Euler 后,FID 上升到 2.87;

              • 去掉欧氏预测相关设计后,FID 上升到 3.41。

              这说明 GeoRK2 的优势不是来自某一个单独 trick,而是来自三个部分的协同:

              二阶预测负责更准确地大步前进,几何校正负责把轨迹拉回流形,自适应稳定负责避免阶段切换时发散。

              DiT-XL/2 上的受控消融实验(N=3)。FID degradation 表示相对于完整 GeoRK2 的 FID 相对增加幅度。

              表格 4 - DiT-XL/2 上的受控消融实验(N=3)。FID degradation 表示相对于完整 GeoRK2 的 FID 相对增加幅度。

              论文还分析了截断秩的影响。结果显示,从较低 rank 增加到 64 时质量明显提升,但继续增加到 128 后收益变小。这与前面的谱分析一致:主导特征方向已经覆盖了大部分有效几何信息。

              图片 5 - 截断秩对特征重建的影响。散点图比较了在 1/64、1/32、1/16、1/8 比例下的原始特征与低秩特征,结果显示较高秩时与恒等线的对齐更紧密,并在 1/64–1/32 处趋于饱和,这与 FID 饱和以及捕获 99\% 谱能量的现象一致。

              总结

              GeoRK2 的核心贡献,并不是简单提出一个新的采样器,而是把扩散 Transformer 加速中的一个关键问题讲清楚:

              高倍采样加速失败的原因,往往不是数值阶数不够,而是采样轨迹偏离了模型内部学到的弯曲特征流形。

              从这个视角出发,GeoRK2 做了三件事情。

              第一,从现象上,它指出了 aggressive acceleration 下的 manifold drift 问题:普通欧氏空间外推会让去噪轨迹逐渐偏离模型真实的特征几何。

              第二,从方法上,它把二阶 Runge-Kutta 积分和 Riemannian feature geometry 结合起来,用激活协方差估计局部度量,并通过低秩投影和 metric correction 保持采样轨迹稳定。

              第三,从工程上,它保持了非常克制的设计:不重新训练、不修改模型结构,只作为 plug-and-play 推理模块接入现有扩散 Transformer,并在 DiT、FLUX、HunyuanVideo 上实现 4-5x 级别加速。

              对于正在做图像生成、视频生成或扩散模型推理优化的团队来说,这项工作的启发是:

              扩散模型加速不只是减少采样步数,而是要让每一次大步更新都沿着模型学到的几何结构前进。

              当我们把特征流形的几何信息纳入采样器设计时,大模型生成就可以在更低成本下保持更稳定的质量。

              -End-

              作者丨五角场打工王、争气尾流

              跳转微信打开

              •  

              【早说】别急着教设计师用AI——先给他们一个敢当新手的地方

              Sheila Kazan 2026-07-24 09:00 日本

              当 AI 浪潮席卷而来,Slack 设计团队没有选择自上而下的培训,而是搭建了一个允许困惑、鼓励探索的学习社群

              前言

              当 AI 浪潮席卷而来,Slack 设计团队没有选择自上而下的培训,而是搭建了一个允许困惑、鼓励探索的学习社群。因为比工具更重要的,是让每个人都敢迈出第一步。

              今日前端早读课文章由 @Sheila Kazan 分享,@飘飘编译。

              用于解决实际工作中的 新技能团队普及 / 跨职能协同创新 问题,最值得借鉴的一点是:不要从工具 Enablement 开始,要从人开始。提供一个容许失败、没有评判的 “集装箱(Container)”,让走得快一步的人带着新手一起跑。

              译文从这开始~~

              不断听到的问题

              "AI 到底怎么用?"

              这个问题是在私信里悄悄打出来的,而不是当众问出口的 —— 这本身就说明了一切。我们的设计团队从不缺好奇心,缺的是一个可以安心当 "新手" 的地方。一个不懂不会被视为短板、反而恰恰是存在意义的空间。于是我们创建了这样一个空间。秉承 Slack 一贯的风格,我们 AI 的起源故事始于一个 Slack 频道和满腔热情。

              2025 年初,整体氛围还是探索性的。AI 感觉像是远方地平线上一件酷炫的新事物,值得上手摸一摸。我们开了一个频道,给有兴趣的人安排了一些工具上手培训,也办了几场分享会。那时候的心态就是 "先玩玩看"—— 压力不大,好奇心很足。非常 Slack Design 的气质。

              然后,2026 年来了。

              AI 一夜之间不再是 "未来的事",而是 "眼前的事"。工程师已经跑起来了,跑得飞快。设计师必须跟上节奏 —— 是 "并肩跑",不是 "跟在后面追"。正是在这个节点上,"Builder Days"(共建日)应运而生:三天时间,设计师、工程师和产品经理放下各自的路线图,用 AI 一起动手造东西。团队的情绪从好奇悄然转变为一种带着紧迫感的共识:我们必须做好准备。

              作为一名设计运营人员,我特别关注学习项目以及变革中的人性化层面,因此我看到了一个帮助的机会。不是要强加任何规定,而是创造一个空间,让充满好奇心的设计师能够真正、切实地做好准备,带着可以贡献的内容参加 Builder Days,而不仅仅是作为旁观者。

              这就是那个故事。我们做了什么,学到了什么,哪些事情让我们感到惊讶,以及我们想告诉任何正在努力寻找自身定位的设计团队 —— 当一切同时开始变化时,该如何应对。

              为设计而生,因设计而创

              问题不在于学习机会太少,恰恰相反 —— 太多了。各种工具培训像潮水一样涌进日程安排,但几乎没有一个是为设计师量身定制的。大多数课程面向工程师,我们不过是顺便旁听而已。还有一个棘手之处:一切变化太快,周一写的操作指南,到周五就过时了。

              于是我们决定搭建自己的 AI 赋能课程体系 —— 为设计师而生,由设计师打造。

              这句话成了我们的北极星。从一位设计师同行口中听到 AI 工具能做什么,和从一位工程师那里听到,感受是截然不同的。这不是布道,而是一种 "许可"—— 对于团队中那些仍在观望、等待被说服的设计师来说,这个区别比我们预想的重要得多。

              我们的课程并不精致。但说实话,这正是重点所在。

              我们开设了一个名为 "会 Vibe 的设计师 & AI" 的周五系列活动,而最令人难忘的瞬间,从来不是精心准备的演示。它们发生在有人突然插嘴提问的时候,发生在有人大方共享屏幕(一堆标签页全暴露在外)的时候,发生在我们一起即兴摸索、实时解决问题的时候。没有脚本,只有大声说出来的好奇心。

              我们学习的这个东西,变化之快远超任何指南的更新速度。所以,与其假装胸有成竹,不如拥抱那个真正管用的方法:提出问题,动手尝试,卡住了 —— 就去问 AI。

              让 AI 教你怎么用 AI。这成了我们的信条之一。

              三天,没有路线图,只管动手造

              Builder Days 的设计初衷就是刻意开放的:来就行,找到你的跨职能搭档,用 AI 造点什么出来。概念上很简单,实践起来却不容易 —— 尤其当技术和协作模式同时都是全新的时候。

              所以我们帮助设计师提前做好了准备。我们分享了其他设计师的思路和方法,让每个人都不必独自摸索。我们编写了一份《设计师 Builder Days 指南》—— 一站式资源手册,涵盖你会遇到什么、对你有什么期待、以及去哪里找灵感。手册里甚至还有一个术语释义板块,专为那些需要一个不讲行话的答案来回应 "等等,终端是什么?" 的人准备。

              我们还重新定义了 "成功" 的标准。Builder Days 的目的不是让 AI 为你所用 —— 而是去了解它什么时候行、什么时候不行。找到边界,才是真正的意义所在。我们甚至专门为 Builder Days 开设了一个临时支持频道:卡住了就问,团队里马上有人来帮忙。没有评判,没有门槛。

              而当一位设计师在令人抓狂的提示词循环里越陷越深,最终坦言自己只想出去 "摸摸草坪透透气" 的时候 —— 我们也把这算作一个发现。说到底,我们终究是人,这一点永远不能忘。

              在 Builder Days 之前,学习是零星发生的。Builder Days 催生了一种不同的东西 —— 我们看到的场面既混乱又充满能量,二者势均力敌。那些一直潜水的设计师终于有了一个 "不得不动" 的推力;那些围绕 AI 整合观望了数月的团队,也再无退路,只能放手一试。有些东西搞砸了,但更多的东西以意想不到的方式给人惊喜。

              然而,真正的学习发生在 Builder Days 之后。我们召集了一群经历各异的设计师,问他们到底学到了什么。答案坦诚而犀利,恰到好处地 "辛辣"。

              • 人的判断力不可妥协:AI 输出的速度越快,就越需要相应提升协调、沟通和人工把关的力度 —— 而不是减少。

              • 前期规划决定一切:表现出色的团队从第一天起就有清晰的计划 —— 明确的分工、共享的协作模式,以及尽早且频繁的进度同步。

              • "缰绳" 和模型同等重要:光有一个好模型远远不够。在 "缰绳" 上下功夫 —— 提示词、claude.md 配置、技能库和文档 —— 才是释放产品级 AI 产出的关键。

              • 协作模式正在发生转变:AI 正在将协作的重心从优化异步工作,转向投入更多时间在真正有价值的事情上:做决策、头脑风暴和共同构想。

              有一位设计师用她的三天时间,试图理解自己与 AI 之间的关系。不是为了做出什么成果展示,不是为了优化某个工作流 —— 只是安静地坐在它面前,向它抛出那些难以回答的问题。她的结论?"这很复杂。"

              你知道吗?这完全没问题。这同样是一个非常有价值的发现。并非每位设计师都带着一个可运行的原型或一个合并的 PR 离开。有些人带走的东西更难衡量,却更为重要:对自己与这项技术之间关系的一份更清晰的认知 —— 什么让他们兴奋,什么让他们不安,以及哪些问题仍需要自己去回答。

              这就是构建学习文化的真谛:价值并不总是体现在产出上。有时候,它体现在那个 "容器" 本身。当人们知道有一个地方可以安放自己的困惑,他们就会带着困惑来。而当困惑被看见,它就变成了整个团队可以共同攻克的课题。

              从社群开始

              我们仍然走在路上。Builder Days 刚刚结束,频道里依然热火朝天。我们的 AI 学习项目会持续迭代,一切以团队的真实需求为导向。但如果只能给其他设计团队传递一句话,那就是:不要从工具开始,从人开始。找到你的初学者们,给他们一个可以毫无顾虑地保持好奇的地方。让他们身边坐着领先一步的人,而不是领先十步的人。然后给整个团队足够的、受保护的时间,一起练习。

              工具会不断更换,但你围绕 "学习" 所建立的文化,才是真正能够复利增长的东西。而作为一个以 "为设计师铺路" 为己任的人,面对 AI 这个时代节点,我用的是自己唯一知道的方式来回应:从人开始。

              关于本文
              译者:@飘飘
              作者:@Sheila Kazan
              原文:https://slack.design/articles/we-didnt-teach-our-designers-ai-we-built-a-place-where-they-could-learn-it-together/

              这期前端早读课
              对你有帮助,帮” 
              赞 “一下,
              期待下一期,帮”
               在看” 一下。

              阅读原文

              跳转微信打开

              •  

              【开源】一个用于 Codex 和 Claude Code 的通用 LLM 代理中间件:opencodex

              原创 木槿 2026-07-24 09:00 日本

              解决 Codex CLI / App 和 Claude Code 默认绑定/限制特定底层模型提供商的问题。

              📌 项目:opencodex

              项目地址:https://github.com/lidge-jun/opencodex

              🧩 核心作用

              一个用于 OpenAI Codex(CLI、App、SDK)和 Claude Code 的通用 LLM 代理中间件(Proxy),允许用户在 Codex 和 Claude Code 环境中自由使用任何大语言模型(如 Anthropic Claude、Google Gemini、xAI Grok、DeepSeek、Ollama 等)。

              ❗ 解决的核心问题

              解决 Codex CLI / App 和 Claude Code 默认绑定 / 限制特定底层模型提供商的问题。原本用户如果想在 Codex 生态或 Claude Code 中尝试其他 LLM,往往受限于接口协议或无法直接切换模型;opencodex 通过在本地构建 Response / Messages 协议适配层,实现了零成本适配 40+ 种 LLM 提供商,同时还解决了多 ChatGPT 账号额度轮换(Pool)与会话保持(Affinity)的痛点。

              👥 适用人群

              • 使用 Codex(CLI / App / SDK)或 Claude Code 进行辅助编程的开发者。

              • 希望在统一的 Codex / Claude Code 终端工作流中自由切换各类公有云 LLM 或本地模型(Ollama /vLLM)的工程师。

              • 拥有多个 ChatGPT / Codex 账号、需要自动轮换与配额管理的高阶用户。

              🔍 关键特性

              • 全协议兼容:支持 Anthropic Messages、Google Gemini、Azure、OpenAI Chat/Responses 等 50+ 种适配器,无缝桥接任何 LLM。

              • ChatGPT 账号池管理:自动识别 5 小时 / 周度 / 月度额度,新会话自动分发至低用量账号,长会话自动保持(Affinity)不中断。

              • 无缝集成与静默启动:自动注入 Codex 配置与模型选择器,支持系统服务(launchd/systemd/Task Scheduler)或按需 Shim 模式启动。

              • 多模型协作(Subagent):支持在 Codex 子代理选择器中同时配置多种不同模型(如复杂任务路由给推理模型、简单任务路由给轻量模型)。

              🚀 快速了解建议

              • 参阅 README 中的 Quick start:https://github.com/lidge-jun/opencodex#quick-start 章节,使用 npm install -g @bitkyc08/opencodex 进行快速安装。

              • 运行 ocx gui 启动本地 Dashboard,在可视化界面中一键添加并配置需要的 LLM Provider。

              阅读原文

              跳转微信打开

              •  

              深入理解 AI Agent:设计原理与工程实践

              原创 强少Qone 2026-07-24 08:30 广东

              Agent = LLM + 上下文 + 工具——本书围绕这个核心公式,用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、92 个配套实验全部开源,欢迎亲手把实验跑一遍。

              没什么技术背景、但天天在用 AI 的,很值得看看这个《深入理解 AI Agent》,一周 17k star

              GitHub:https://github.com/bojieli/ai-agent-book

              Agent = LLM + 上下文 + 工具——本书围绕这个核心公式,用 10 章把 AI Agent 从原理讲到工程实战。全书正文、配图、92 个配套实验全部开源,欢迎亲手把实验跑一遍。

              平时我们用 AI 会有很多疑问:比如:

              为什么上下文一长 AI 就变笨,书里拆到了 KV Cache 和上下文压缩,

              为什么有的 Agent 好用有的不行,第一章就告诉你:模型只是三分之一,

              上下文和工具才是另外三分之二,等等等等......

              这本书讲的就是这层底下的东西,而且是从工程应用的角度讲,每章还配着能跑的实验代码

              可以把 Github 链接丢给 Codex 让 AI 带着你学一遍,这个真的很值得学一学!

              https://github.com/bojieli/ai-agent-book

              跳转微信打开

              •  

              TDMQ RocketMQ 轻量主题 Lite Topic 是怎么把百万通道做 “轻” 的 - 下篇

              刘生忠、纪宇鹏 2026-07-23 17:00 陕西

              为企业构建 AI 原生应用提供坚实的技术基石。

              回顾:上篇留下的 3 个谜题

              在上篇《一次 AI 问答,背后是十几个 Agent 在 “传纸条” — RocketMQ Lite Topic 实战》中,我们通过两个真实场景 — AI 编程助手多 Agent 协作 和 大模型记忆服务的"记忆写入" — 看到了 Lite Topic 在 AI 原生应用通信链路里的关键作用。

              但读完之后,相信不少读者心里都打着同一个问号:

              #

              谜题

              看似不可能的点

              1

              单实例百万级 Lite Topic 如何自动创建?

              主题数量 ×100 倍,内存和文件句柄怎么扛?

              2

              海量订阅怎么不拖垮 Broker?

              海量 Lite Topic 带来海量订阅关系,如何有效维护?

              3

              “最新连接胜出” 的排他消费如何实现?

              RocketMQ 不是 Consumer Group 共享消费吗?

              今天这篇,我们一个个揭开。

              TDMQ RocketMQ 与 轻量主题 Lite Topic

              为了拥抱 AI 原生应用架构带来的变革,针对 “多 Agent 协作持续时间长、多轮次上下文依赖” 的特点,Apache RocketMQ 在已有的 LMQ(Light Message Queue)能力基础上进一步推出了 Lite Topic 功能。腾讯云 RocketMQ 立足开源社区的底层能力,结合业务诉求做了进一步的产品化设计和优化,在已有的主题模型下推出了 轻量主题 Lite Topic 功能。

              与传统 Topic 相比,Lite Topic 有三个关键差异:

              • 兼容原有主题模型的前提下,实现了二级数据隔离

              • 实现了 单客户端的排他订阅,订阅关系更加灵活

              • 自动生命周期管理:发送消息即自动创建,过期无消息即自动删除

              基于以上特性,Lite Topic 当前已在腾讯内部业务落地验证,正在逐步对外部客户灰度开放,以实现 大模型会话任务解耦与非阻塞调用,提升 Agent 的吞吐能力和响应速度。

              概念模型:两级主题

              RocketMQ 的轻量主题(Lite Topic)与主题(Topic,或称为 ParentTopic)存在逻辑上的层级关系:

              每个 Lite Topic 都从属于一个 Topic,而一个 Topic 可以关联多个 Lite Topic。

              层级

              角色

              Topic

              路由注册 + 业务隔离 + 聚合指标

              Lite Topic

              实际的消息存储载体

              这种两级模型的好处是:业务侧通过 Topic 获得“全局视图”(如全租户的总速率、堆积情况),通过 Lite Topic 获得“细粒度通道”(如某个用户会话的精确监控),一举两得。

              (图 1:两级主题模型示意图 —— Topic 与 Lite Topic 的从属关系)

              谜题 1 揭秘:百万 Lite Topic 是怎么"轻"起来的

              单实例百万级 Lite Topic 自动创建,核心问题是:怎么让“主题”不那么“重”?

              生命周期:发送即创建,过期即销毁

              Lite Topic 的整个生命周期 无需业务侧关注,支持全自动化管理:

              发送时自动创建

              当客户端发送消息时,Broker 会检查 Lite Topic 是否已创建;如果没有则会自动创建。

              过期后自动删除

              创建 Topic 时可以设置 TTL 属性,所有关联的 Lite Topic 都会根据该 TTL 自动过期。过期判断逻辑:若某个 Lite Topic 中最近一条消息的写入时间距当前时间已超过 TTL,则该 Lite Topic 被视为已过期。过期后进入后台异步清理流程,删除其消费位点、消费索引,以及移除内存中与该 Lite Topic 相关的订阅关系等。

              这是“轻量”的第一层保证:不让没用的主题“阴魂不散”,避免长尾累积。

              存储复用:站在 LMQ 的肩膀上

              那核心问题来了:百万级 Lite Topic 怎么不爆掉 Broker 的内存?

              这里在代码实现上复用了 RocketMQ 开源社区已有的 LMQ(Light Message Queue)能力。此外,发送到 Lite Topic 的所有消息都会追加写入存储层的同一个物理队列,以确保全局有序性。当 Broker 节点在发布重启期间或发生单机故障时,写入流量会自动切换(Failover)到集群内的其他可用节点,从而优先保障服务可用性。

              LMQ 设计之初就是为了支持百万级队列的轻量化存储模型,与 Lite Topic 的应用场景 “主题自动创建 + 百万级规模” 高度契合。因此,Lite Topic 的消费索引构建体系直接复用 LMQ 能力 - 不重造轮子,把成熟能力组合出新价值。

              总的来说,Lite Topic 在写入路径上完全沿用 RocketMQ 既有的存储体系。在内核存储层面,它与传统 Topic 无任何结构性差异。这种一致性保证了实现上的简洁性,并显著降低了维护与运维成本。

              谜题 2 揭秘:海量订阅怎么不拖垮 Broker

              百万级 Lite Topic 不止要 “创建得起”,还要 “订阅得起、分发得起”。我们为 Lite Topic 构建了一套高效的订阅与分发机制,主要包括两部分:

              客户端维度的订阅管理

              与传统基于消费组(Consumer Group)维护订阅关系的模型不同,Lite Topic 将订阅关系下沉到客户端维度(ClientId)进行管理。

              由于不再强依赖 Consumer Group 语义,系统无需维护 Consumer Group 内部的一致性状态。这种弱化 Group 的订阅模型天然更轻量,使得在百万级 Lite Topic 规模下,Broker 仍能保持较低的订阅状态管理开销。

              事件驱动的合并拉取(Ready Event Set)

              百万订阅下另一个挑战是:消费端怎么高效拉取消息,不被海量空查询拖垮?

              这里的解法是引入“就绪事件(Ready Event)”机制:

              • 当新消息写入 Lite Topic 并完成消费索引构建后,Broker 立即分发“就绪事件”给相关订阅者

              • 每个订阅者维护一个独立的 “就绪事件集合(Ready Event Set)”,其中记录了该客户端所订阅的全部 Lite Topic 的就绪事件

              • 当客户端发起 POP 请求时,Broker 直接从就绪事件集合中高效地读取就绪消息

              这种机制有两个好处:

              • 一次请求合并拉取多个 Lite Topic 的消息 - 大幅减少 RPC 数量

              • 避免对存储层产生大量无效查询 - 空 Lite Topic 不会触发任何拉取动作

              (图 2:Ready Event Set 合并拉取机制示意图)

              谜题 3 揭秘:排他消费 + 最新连接胜出

              “最新连接胜出”的排他消费到底是什么机制?

              从 Shared 到 Exclusive 的演进

              传统的 RocketMQ 消费采用 共享模式(Shared):Consumer Group 下的所有客户端均衡地消费 Topic 中的消息。这在常规队列场景下没问题,但在 Lite Topic 的会话保持场景下就出现了问题:

              用户的会话内容流被多个消费者切片消费 — 意味着同一个会话的 token 流被打散到多个 SSE 网关上,前端 根本拼不回完整对话。

              为了适配 Lite Topic 的使用场景(例如会话保持),我们为 RocketMQ 引入了一种全新的 排他消费模式(Exclusive):

              发送给 Lite Topic 的消息只会被 Consumer Group 下的其中一个客户端独占消费。

              “最新连接胜出”机制

              开启排他消费模式后,Broker 默认会选择 最新连接的客户端作为 Lite Topic 的独占消费者,并通知旧的客户端取消订阅。

              这个看似简单的规则,恰恰是上篇场景 2 中 “断线续传” 得以实现的关键:

                用户断线 → 网关 A 仍持有订阅
                用户重连命中网关 B → 网关 B 发起排他订阅
                                  → Broker 触发"最新连接胜出"
                                  → 自动踢出网关 A
                                  → 网关 B 接管该会话的后续 token

                整个过程不需要任何业务侧的协调代码 — 业务侧只需调用 seek(offset) 把位点定位到客户端记录的 lastReceivedOffset+1,剩下的全交给协议。

                (图 3:断线续传 + 最新连接胜出机制示意图)

                与传统 Topic 的关键差异对比

                新增的 TDMQ RocketMQ Lite Topic 功能,对比传统 Topic 有以下优势:

                把上篇的 "魔法" 映射到下篇的 "机制"

                最后,把上篇的 3 个谜题与下篇的技术机制做一次完整闭环:

                Lite Topic 在产品层提供的能力,全部都映射到 RocketMQ 内核可解释、可观测、可演进的机制上——这是我们在做这次能力增强时坚守的设计原则。

                结语:AI 原生应用的基础设施还在演进

                路漫漫其修远兮,吾将上下而求索。

                随着 AI 技术的持续演进,RocketMQ 在 LLM 流式服务、Agent 状态管理、RAG 数据底座、模型推理流水线、多模态数据处理 等场景也将发挥更大价值,为企业构建 AI 原生应用提供坚实的技术基石。

                Lite Topic 能力当前已在腾讯云内部多个 AI 业务灰度运行,后续将面向外部客户商业化,欢迎加入 👇 产品交流群沟通了解更多信息!

                往期推荐


                阅读原文

                跳转微信打开

                •  
                ❌