Genie 4: our new world model unlocking unprecedented realism in real-time simulation.
豪哥的个人博客
凡心所向,素履所往,生如逆旅,一苇以航。不关此世,不负己心,我自倾杯,且君随意。
让知识像光一样展开
AI 模型、智能体、工程化与研究动态按层次展开,滚动时从资讯进入知识地图。
AI 技术雷达
全栈知识地图
从前端基础、工程化、后端服务、数据库、部署运维到项目复盘,把零散笔记整理成可持续演进的技术资产。
最近整理
💻 前端
埋点是数据产品的地基:埋点口径一旦错了,后面的指标看板、漏斗分析、AI 数据解读都会在错误的数据上得出错误结论。这篇文章把埋点当作一个完整的工程体系来讲:事件设
02性能优化最大的浪费,是在错误的数据上优化错误的问题:本地 Lighthouse 跑了 98 分,线上真实用户的 LCP 却是 4 秒,因为真实用户用的是四年前的
03错误监控的目标不是"收集所有报错",而是在用户大规模受损之前发现、定位、修掉。生产环境里真正难的不是捕获——捕获是十行代码的事——难的是捕获之后:上百条堆栈怎么
04内容型站点里,图片常年占页面总重量的六成以上,也是 LCP 最常见的元素。图片优化不是"把图片压小"一个动作,而是一条链路:构建期决定格式与尺寸、加载期决定下载
05首屏是用户对站点质量的第一判断,也是最多"改了一处、慢了两处"的重灾区:加个依赖、埋点 SDK 升级、一张首图换了未压缩版本,都能让首屏悄悄劣化一个等级。这篇按
06"渲染一万条数据页面卡死"是前端最高频的性能工单之一。直觉解法是分页或无限加载,但很多场景(表格滚动、时间线、聊天记录、日志查看器)就是要在一个滚动容器里放几万
🔧 后端
从目的隔离、短码摘要、原子限流与并发消费,到 SMTP 不确定失败、账号枚举和验收矩阵。
02Redis 在多数业务里同时扮演三个角色:缓存、计数器、协调原语(锁、轻量队列)。这三个角色对错误的容忍度完全不同——缓存错了大不了回源,锁错了可能重复扣款。混
03消息队列不是"把 HTTP 调用换成异步调用"这么简单。一旦业务链路经过 MQ,就要回答三件事:消息会不会丢、会不会重复、顺序还是不是我要的。这三件事的答案取决
04限流的本质不是"拒绝用户",而是 在流量超过容量时,由系统主动选择拒绝谁,而不是被雪崩随机选择 。没有限流的系统过载时会发生什么:请求排队 → 延迟上升 →
05"这个接口重复调用两次会怎样?"——这是评审任何写接口时应该脱口而出的第一问。分布式系统里,重复不是异常场景而是常态:网络超时让调用方不知道结果、客户端重试、网
06Node.js 的并发模型一句话可以说完: JS 执行是单线程的,靠事件循环驱动异步 I/O 。但这句话里的两个细节决定生产的生死:所有请求共享那一个 JS
Layers 全栈工程
5 个插件、80% 以上代码出自 AI 之手、20 多个官方文档没写的坑:宿主内 AI 能力的四条接入路径、五个关键设计决策,以及一套让 AI 越用越强的运行时真相循环。
02按主题整理公开免费的计算机基础资料:算法与结构、计算机网络、操作系统、数据库原理和安全基础,每一层都配上可检验的练习与外链核验边界。
03区分旧版博客源码与静态产物,盘点 Reco 插件能力,并整理 Astro 迁移时的配置、权限和验收边界。
04复盘一个本机浏览器会话适配器的回环访问、重试、日志与真实流式边界,不记录上游地址或会话凭据。
05按学习阶段整理公开文档、项目练习和交付验收标准,串起 Web 基础、服务端与全栈实践。
06复盘有界容器求解、本机 OCR 与音频样本排序,区分当前最佳、已证明最优和仍未校准的真实环境能力。
🛠️ 工具
覆盖 Apple Silicon 镜像校验、Parallels 安装、快照、Kali 更新与日常 Linux 命令,并把练习限定在本机或明确授权的实验环境。
02从一次匿名化的本机代理静态复核出发,梳理回环访问边界、最小健康信息、日志脱敏和端到端流式传输的验证方法。
03按 Web 调试、开发环境、硬件研究和数据集成整理工具专题,明确每篇内容的证据与安全边界。
04盘点 skills main 本机 38 项技能快照,按工程、效率、杂项和进行中项目分类,整理安装与换机边界。
05以 Ant Design Pro 为例,讲解 GitHub 导入、Fork、启动脚本、monorepo、嵌入、安全与浏览器兼容边界。
06基于已脱敏的 macOS 软件、VS Code、zsh、Homebrew 与 Parallels 观察快照,整理安全的换机恢复步骤。
Brain AI 技术
复盘车辆与车牌检测、字符识别和稀疏检测跟踪,并标出固定路径、贪心关联及验证闭环风险。
02复盘扫描答题纸与点阵笔两条识别流水线,拆解页面校正、题型路由、轨迹归题和源码中的复现风险。
03静态拆解公开羽毛球视频分析项目的球场标定、检测跟踪与统计边界,不声称已运行推理或复现准确率。
04拆解一个轻量 C 版 Darknet/YOLO 推理引擎的原始与优化内核、BN 折叠、depthwise/1×1 卷积和回归测试门禁。
05复盘纤维表面缺陷检测从 PyTorch 权重导出、ONNX/PNNX 转换到 ncnn C++ 推理的链路,并指出验证脚本与复现材料的边界。
06拆解 ncnn llm 的统一模型目录、KV cache 解码、Vulkan 执行、OCR 与嵌入示例,并核对 fork 身份、模型资产和复现边界。
Cpu 硬件研究
从源码审阅本机回环服务、参数白名单、媒体路径检查和安全远程访问;真机与 ROS 节点仍待验证。
02按传感器、检测、跟踪和安全控制拆解边缘视觉链路,并区分静态笔记、实验降级方案与尚待硬件验证的能力。
03对照本机 Python 练习现状,梳理树莓派系统与 ROS 2 发行版选择、节点通信、首个 Python 发布者和渐进式学习路线;明确目录漂移与硬件未验收边界。
04复盘 Pi 5 与 ROS 2 视觉方案,补充 2026 年 Lyrical/Ubuntu 平台选择,并把外部离线视频分析代码单独作为参考;不把规划误记为 ROS 节点或真机验收。
05保留树莓派 4B 的折腾经历,更新安全安装、Linux 日常、Docker 边界与 ROS 2 学习路线。