<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Codiggerworld的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Codiggerworld</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Codiggerworld]]></copyright><item><title><![CDATA[负载均衡到底在干嘛？7 个场景给你说明白]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170698969</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170698969</guid><author>Codiggerworld</author><pubDate>Fri, 13 Nov 2026 10:02:53 +0800</pubDate><description><![CDATA[几百万人同时访问，系统为何不崩？负载均衡器是关键。它通过均匀分发请求、SSL卸载、会话保持，让资源高效利用；通过健康检查、故障转移、DDoS缓解实现容灾；借助水平扩展应对流量波动。看似“分流量”，实则集分流、容灾、扩展于一体，默默支撑着互联网服务的稳定与弹性。]]></description><category></category></item><item><title><![CDATA[AI 把代码写得飞快，然后呢？聊聊我验收生成代码的一套流程]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170593935</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170593935</guid><author>Codiggerworld</author><pubDate>Thu, 12 Nov 2026 10:02:36 +0800</pubDate><description><![CDATA[AI 生成代码速度很快，但语法能跑、测试全绿不等于可以上线。本文分享一套后端代码验收流程：先核对业务需求，再审查 diff 变更，重点排查边界、性能与安全隐患，独立校验测试用例，同时关注可维护性与线上预案。持续沉淀踩坑清单，用严格验收兜底 AI 代码的风险。]]></description><category></category></item><item><title><![CDATA[六条分支，一条主干：我的 Git 分支管理心得]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170495995</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170495995</guid><author>Codiggerworld</author><pubDate>Wed, 11 Nov 2026 10:09:23 +0800</pubDate><description><![CDATA[本文分享一套适配中小团队的 Git 分支方案：六条分支 + 一条主干，明确分支流向、环境映射与 Commit 规范，配套八条铁律规避冲突、bug 复现等问题。不建议一步到位落地，优先保护 main 分支、规范提交信息，循序渐进改善协作。

免费

今天 10:00]]></description><category></category></item><item><title><![CDATA[程序员转型抉择：转 Agent 开发还是转全栈？一份基于招聘市场的冷静分析]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170410425</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170410425</guid><author>Codiggerworld</author><pubDate>Tue, 10 Nov 2026 09:39:14 +0800</pubDate><description><![CDATA[这两年 “程序员还能不能干” 成了圈内高频话题，而比这更具体、更焦虑的问题是：技术转型到底该转 Agent（智能体）开发，还是转全栈开发？本文结合当前招聘市场的真实 JD、薪资数据与多位一线工程师的观点，给出一份尽量客观的市场分析。]]></description><category></category></item><item><title><![CDATA[线上数据库连接池打满：从应急止损到架构根治的完整方案]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170333971</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170333971</guid><author>Codiggerworld</author><pubDate>Mon, 09 Nov 2026 09:07:41 +0800</pubDate><description><![CDATA[线上数据库连接池打满故障频发，很多团队只会调大连接数临时救火。本文将故障分为连接泄露、事务占坑、慢 SQL、流量突增四类，分享无需重启的应急止血手段、连接栈追踪定位方法，并从事务规范、SQL 审核、限流降级等层面给出根治方案，形成可复用的资源耗尽故障治理闭环。]]></description><category></category></item><item><title><![CDATA[万物冬藏，代码归仓]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170186939</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170186939</guid><author>Codiggerworld</author><pubDate>Sat, 07 Nov 2026 09:30:00 +0800</pubDate><description><![CDATA[那些在冬日里一点点打磨出来的新功能，反复调试才修复的 bug，深夜灵光一闪记下的想法，零散、细碎，却都在此刻收拢，稳稳存入代码仓库。就像大地藏起养分，我们把思绪和汗水妥帖归档。万物冬藏，代码归仓。冬日适合沉淀，却不是停下脚步的理由。窗外寒意渐浓，敲代码的节奏依旧不停，沉淀下来的每一行，都是往后破土的底气。冬天来了，进度不会。草木收敛生机，万物蓄养内里，不急着向外舒展，只安静沉淀。]]></description><category></category></item><item><title><![CDATA[MySQL 深分页优化：limit 100000, 10 慢在哪，怎么救]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170185626</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170185626</guid><author>Codiggerworld</author><pubDate>Fri, 06 Nov 2026 09:14:40 +0800</pubDate><description><![CDATA[深分页问题源于MySQL LIMIT offset, size 导致的大量无效扫描与回表开销。优化需区分场景：主键排序可采用游标法，实现毫秒级查询；二级索引排序则推荐延迟关联，通过覆盖索引减少回表，兼顾跳页与多条件筛选。最终方案应结合数据量、访问频率与业务需求权衡——小表无需过度优化，大表优先游标或延迟关联，复杂场景再考虑专用引擎。核心在于理解性能瓶颈本质，而非盲目套用方案。]]></description><category></category></item><item><title><![CDATA[AI PC 分水岭：2026 过半 PC 搭载本地 AI，端云协同才是核心]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170126118</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170126118</guid><author>Codiggerworld</author><pubDate>Thu, 05 Nov 2026 09:57:24 +0800</pubDate><description><![CDATA[Gartner 预测 2026 年 AI PC 出货量占比将达到 55%，首次超过传统 PC。AI PC 的核心不是预装 AI 软件，而是内置 NPU 与端侧本地模型，通过端云协同，在隐私、延迟、使用成本上形成新优势。]]></description><category></category></item><item><title><![CDATA[缓存和数据库的一致性，别停在 “延时双删”]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/170027818</link><guid>https://blog.csdn.net/Codiggerworld/article/details/170027818</guid><author>Codiggerworld</author><pubDate>Wed, 04 Nov 2026 09:56:17 +0800</pubDate><description><![CDATA[商品详情页读多写少场景下，很多人止步于延时双删。延时双删只是补丁，依然存在并发回填、主从延迟、删除失败等问题。本文从风险窗口、CDC 异步删除、MQ + 对账兜底、热点与批量更新优化、一致性分级选型等角度，梳理缓存和数据库一致性落地思路。]]></description><category></category></item><item><title><![CDATA[Redis 为什么快？把“存内存“这句话拆开看]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169924523</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169924523</guid><author>Codiggerworld</author><pubDate>Tue, 03 Nov 2026 09:44:42 +0800</pubDate><description><![CDATA[Redis性能卓越，根源不在仅靠内存，而在于精妙的架构设计：主线程串行执行命令，避免锁与上下文切换开销；通过epoll实现单线程处理上万并发连接；自研高效数据结构（如跳表、压缩列表、渐进式rehash）保障操作复杂度稳定在O(1)或O(logN)；6.0引入多线程IO仅优化网络瓶颈，命令执行仍保持单线程。其核心理念是“少做事，做到极致”——简单即高效，不盲目堆资源，方能释放内存优势，实现每秒百万级请求。]]></description><category></category></item><item><title><![CDATA[同一个端口能不能被两个程序同时监听？]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169828210</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169828210</guid><author>Codiggerworld</author><pubDate>Mon, 02 Nov 2026 10:41:07 +0800</pubDate><description><![CDATA[同一个端口能不能被两个程序同时监听？很多人第一反应是不行，那为什么 Nginx 多个 worker 进程都监听 80 端口？本文讲清楚 SO_REUSEADDR 和 SO_REUSEPORT 的区别、内核分发逻辑以及容器发布踩坑经验。
]]></description><category></category></item><item><title><![CDATA[Vue nextTick 到底在等什么？一篇讲透原理与那些年踩过的坑]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169533462</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169533462</guid><author>Codiggerworld</author><pubDate>Fri, 30 Oct 2026 09:01:56 +0800</pubDate><description><![CDATA[很多人误以为 `nextTick` 是等待浏览器渲染完成，实际它仅等待 Vue 异步更新队列刷新，本质是微任务，只保证虚拟 DOM 转为真实 DOM，不保证布局、绘制、图片和字体加载。弹窗图表宽高为 0、异步子组件获取不到等坑都源于此。优先使用 `watch flush:post`、ResizeObserver、Suspense 等声明式方案，减少 nextTick 滥用。

今天 08:48]]></description><category></category></item><item><title><![CDATA[AI 代码上线前，真正的瓶颈不在 “写“，而在 “验“]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169430388</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169430388</guid><author>Codiggerworld</author><pubDate>Thu, 29 Oct 2026 08:45:00 +0800</pubDate><description><![CDATA[AI 编码落地后瓶颈不在于代码生成，而在验证。AI 易出现实现与测试同源共错，流水线全绿但业务逻辑异常。本文基于 31 万行 AI 辅助代码复盘，提出三层验收体系：依靠架构门禁约束分层与依赖边界；通过冻结独立契约、变异测试消除测试陪跑的质量幻觉；借助灰度观测、运行时断言，用真实流量的行为证据校验正确性，实现 AI 代码可验证、可阻断、可回滚。]]></description><category></category></item><item><title><![CDATA[全栈正在杀死前端？被淘汰的从来不是岗位，只会是执行层]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169346739</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169346739</guid><author>Codiggerworld</author><pubDate>Wed, 28 Oct 2026 10:54:12 +0800</pubDate><description><![CDATA[岗位合并、AI 生成页面、框架抹平前后端边界，很多人说前端已死。本文从招聘变化、AI 替代、边界消融三个信号切入：被淘汰的不是前端职业，而是只会转稿写页面的执行型前端。给前端同学一份全栈学习优先级：不用死磕语法 CRUD，重点补齐数据建模、幂等、并发、安全这些 AI 不会主动考虑的约束；两条路线可选：深耕前端专家，或是有判断力的全栈。]]></description><category></category></item><item><title><![CDATA[别再手动催 AI 干活了：一文读懂 Loop Engineering（循环工程）]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169235998</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169235998</guid><author>Codiggerworld</author><pubDate>Tue, 27 Oct 2026 08:59:19 +0800</pubDate><description><![CDATA[还在手动和 AI 一轮轮对话改代码？循环工程正在改变 AI 编程的协作模式。不必反复写提示词，设计一套具备调度、隔离、校验、记忆能力的闭环，让 Agent 自主推进任务。本文带你看懂循环工程，同时讲清它的适用边界、成本隐患与落地思路，避免盲目自动化、白白烧 Token。]]></description><category></category></item><item><title><![CDATA[别再靠“最终版-改“活下去了：一篇讲透 Git 与 GitHub 的技术长文]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/169157772</link><guid>https://blog.csdn.net/Codiggerworld/article/details/169157772</guid><author>Codiggerworld</author><pubDate>Mon, 26 Oct 2026 13:49:00 +0800</pubDate><description><![CDATA[Git 入门保姆教程，理清工作区、暂存区、commit 核心概念，配套 GitHub 推送、SSH 多账号、常见报错排查，零基础也能看懂。]]></description><category></category></item><item><title><![CDATA[1024｜你敲下的每一行，都是世界的源代码]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/168844151</link><guid>https://blog.csdn.net/Codiggerworld/article/details/168844151</guid><author>Codiggerworld</author><pubDate>Sat, 24 Oct 2026 09:30:00 +0800</pubDate><description><![CDATA[AI 生成代码的能力日渐强大，但读懂需求、拆解难题、把想法落地成可用产品的判断力，始终属于创造者。机器可以生成语句，却替代不了人对价值的思考与取舍。不止是屏幕里的逻辑，更是驱动数字世界向前的力量。1024，向每一位默默深耕、持续创造的开发者致敬。，二进制世界的起点基石。数字世界没有凭空诞生的奇迹，就靠一行行代码，一砖一瓦，慢慢搭建而成。指尖起落，字符流转。]]></description><category></category></item><item><title><![CDATA[AI学会写代码之后，程序员节为什么更重要了]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/168762461</link><guid>https://blog.csdn.net/Codiggerworld/article/details/168762461</guid><author>Codiggerworld</author><pubDate>Thu, 22 Oct 2026 13:51:52 +0800</pubDate><description><![CDATA[AI 浪潮下，不少人疑惑 1024 程序员节还有意义吗？AI 擅长快速产出代码草稿，替代重复编码工作，却无法替代人的判断力。需求拆解、系统设计、风险把控依旧是程序员的核心价值。用好 AI，把精力留给深度思考与决策，这正是当下程序员新的课题。1024，致敬为结果负责的开发者。]]></description><category></category></item><item><title><![CDATA[从“装一套协议”到“扔进终端”：MCP 与 CLI 的 Agent 工具层之争]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/168645696</link><guid>https://blog.csdn.net/Codiggerworld/article/details/168645696</guid><author>Codiggerworld</author><pubDate>Wed, 21 Oct 2026 11:36:10 +0800</pubDate><description><![CDATA[2026年，一线工程团队对MCP的态度从追捧转向"越用越亏"。文章拆解了这一转向的根源：MCP启动时批量加载工具schema，造成Token通货膨胀；而CLI按需查文档、复用OS认证基建、以管道天然组合，在调试、鉴权、组合、版本管理上全面占优。但CLI存在注入面与权限边界软肋，真实落地是分层——CLI属于个人与内网，MCP留在企业与云端边界。结论：让工具保持简单，让AI学会使用简单的工具。

]]></description><category></category></item><item><title><![CDATA[大模型 Temperature 和 Top-p 到底有什么区别？一篇讲透原理与调参]]></title><link>https://blog.csdn.net/Codiggerworld/article/details/168446816</link><guid>https://blog.csdn.net/Codiggerworld/article/details/168446816</guid><author>Codiggerworld</author><pubDate>Tue, 20 Oct 2026 11:02:24 +0800</pubDate><description><![CDATA[本文解析了大模型生成中Temperature与Top-p参数的作用机制：Temperature通过调整Softmax的尖锐度，放大或缩小候选词间的概率差距，影响输出多样性与稳定性；Top-p则按累积概率截断候选池，动态控制可选词汇范围。二者分别作用于“概率差”与“候选资格”，本质是调节输出熵而非正确性。合理配置（如T=0.7、p=0.9）可平衡创意与连贯性，但需避免将调参当作万能解药。最终提醒：模型仍在掷骰子，参数只是控制骰子的偏心程度与面数，真正关键在于提示工程与上下文设计。]]></description><category></category></item></channel></rss>