相关分享
0
喜欢
请先登录后参与
fe
www.felix021.com
/
2026-05-23 20:34
让 AI 把我的 PHP 博客重写成 Go
作者尝试将一个运行近20年的古老PHP博客系统重构为Go语言。项目启用了Claude Code的Superpowers插件，通过结构化问答明确了技术选型：采用Go的Gin框架、GORM作为ORM，并构建Vue 3 SPA前端，保持与原MySQL数据库100%兼容。AI助手在确认需求后，自动生成了包含项目结构、API设计等详细规划文档，并利用子代理驱动开发模式执行了约22个开发任务，最终生成一个约35MB的单文件可执行程序，集成了前端SPA。
实现过程并非一帆风顺，主要挑战在于处理历史遗留数据。最复杂的是对UBB标记语法的解析与渲染，因内容已含HTML实体转义且标签存在嵌套，作者编写了34个测试用例才覆盖所有边界情况。此外，需为三代不同的旧URL格式实现301重定向以保持外链有效，并调整了附件链接的解析逻辑以适配反向代理路径。数据库中的标签词频统计也因数据陈旧而改为通过关联查询实时计算。
最终项目产出包括约2800行Go后端代码和2000行Vue前端代码，实现了完整的REST API、JWT认证、防盗链等40余个端点。作者评价整个过程耗时约两三小时，主要负责需求反馈与测试，AI则负责编码、构建与部署，认为这种人机协作模式展现了AI在复杂工程任务中的实用潜力。
无图
1
喜欢
请先登录后参与
ix
ixyzero.com
/
2025-01-12 12:08
学习了解数据仓库中的分层概念
本文详细介绍了数据仓库的分层概念，包括数据运营层（ODS）、数据仓库层（DW）和数据应用层（APP）。其中，DW层进一步细分为数据明细层（DWD）、数据中间层（DWM）和数据服务层（DWS）。文章阐述了各层的功能和作用，并通过实例说明如何在实际业务中应用这些分层概念。该内容适合数据工程师、数据分析师、数据架构师以及对数据仓库设计和实现感兴趣的技术人员阅读。
无图
1
喜欢
请先登录后参与
ma
mazhuang.org
/
2025-01-12 12:05
Java｜如何用一个统一结构接收成员名称不固定的数据
文章通过企业微信接口示例，介绍用 Jackson 的 @JsonAlias 注解处理 Java 中不固定字段名的 JSON 数据，提升解析通用性。适合需统一处理多样 JSON 数据的 Java 开发者。
无图
1
喜欢
请先登录后参与
fr
frytea.com
/
2025-01-06 23:43
AI Prompt 整理
prompt 原则：
1、写出清晰而具体的指示，清晰不是指短，而是尽量详细，可采用分隔符避免自己的要求和内容的混淆，分隔符形式不限：“””, < >, {}
2、给模型思考的时间。如果答案不对，可以尝试不断变化提问方式，直到得出想要结果。可以采用简化或分解问题的方式。
无图
1
喜欢
请先登录后参与
bl
blog.delphij.net
/
2025-01-03 00:15
数据的长期保存
这篇文章探讨了长期数据保存的策略与实践，详细分析了存储介质的选择、数据完整性保障方法以及常见的管理问题和解决方案。作者结合实践经验，提出了一套适用于个人和企业的数据保存规划。内容适合关注数据存储、安全备份及长期保存技术的开发者、IT 管理人员，以及对数据安全感兴趣的读者，提供了具有实用价值的参考建议。
无图
1
喜欢
请先登录后参与
pa
paper.seebug.org
/
2025-01-03 00:14
AI 作为新型黑客：开发进攻性安全代理
这篇文章深入解析了浏览器沙盒逃逸的技术原理，详细讲述了攻击者如何利用漏洞突破沙盒限制，实现对系统的进一步控制。通过真实案例和技术细节的剖析，展示了沙盒逃逸的核心思路和防御对策。内容适合网络安全研究人员、漏洞挖掘工程师，以及对浏览器安全机制感兴趣的技术从业者，提供了宝贵的学习资料和实践指导。
无图
1
喜欢
请先登录后参与
pa
paper.seebug.org
/
2025-01-03 00:07
探索 AI 驱动的网络安全框架：深度学习技术、GPU 支持和未来增强
这篇文章详细分析了现代网络攻击中的 DGA（域名生成算法）技术，涵盖了其工作原理、分类及在恶意软件中的应用实例。通过技术解析和实际案例，展示了如何检测和防御 DGA 带来的安全威胁。内容适合网络安全研究人员、安全工程师以及对恶意软件分析感兴趣的技术爱好者，提供了系统化的学习参考。
无图
1
喜欢
请先登录后参与
so
soulteary.com
/
2025-01-02 23:58
ThinkPad + Redis：构建亿级数据毫秒级查询的平民方案
如何用普通设备实现海量数据的毫秒级查询？文章分享了在 ThinkPad 上构建 Redis 系统的完整方案，详细解析了数据分片、查询优化和资源调配等关键技术，还提供了针对高效查询的实际案例。轻量化实现，高性能表现，为开发者提供了实用的参考思路，值得深入学习！
无图
1
喜欢
请先登录后参与
ix
ixyzero.com
/
2024-11-02 16:52
Hive SQL如何找出连续日期数据之间的较大波动
本文介绍了在 Hive SQL 中如何识别连续日期数据的显著波动，适用于异常检测。使用窗口函数 `LAG` 和 `LEAD` 提取前后日期数据，通过对比当天与昨日、近几日的均值或分位数来判定异常。文中提供了查询示例，通过阈值设定（如倍数增加或p90分位数）识别异常值，帮助分析用户行为或数据波动，为风控和数据监控提供技术支持。
无图
1
喜欢
请先登录后参与
te
tech.meituan.com
/
2024-11-02 16:18
新一代实验分析引擎：驱动履约平台的数据决策
本文介绍了美团履约技术平台的新一代实验分析引擎，该引擎对核心实验框架进行了标准化，并融合了众多先进解决方案，有效解决小样本挑战。同时，提供了多样化的溢出效应应对策略，并针对不同业务场景提供了精准的方差和P值计算方法，以规避统计误差。希望对大家有所帮助或启发。
无图