<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[冀博]]></title><description><![CDATA[tiger-john不懈学习AI]]></description><link>https://blog.csdn.net/tigerjb</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; tigerjb]]></copyright><item><title><![CDATA[2025-2026 AI 编程助手全面进化：从代码补全到自治 Agent]]></title><link>https://blog.csdn.net/tigerjb/article/details/160957925</link><guid>https://blog.csdn.net/tigerjb/article/details/160957925</guid><author>tigerjb</author><pubDate>Sun, 10 May 2026 16:39:06 +0800</pubDate><description><![CDATA[2025-2026年AI编程助手正经历从被动补全工具到主动自治Agent的范式转变。五大核心趋势包括：1）Agent化编码，AI可自主完成任务而非简单补全；2）Vibe Coding通过自然语言描述意图驱动开发；3）技术原理涉及工具调用、状态管理和任务规划等突破。实际案例显示，AI辅助可将30分钟的数据清洗任务缩短至2分钟，代码质量更高且包含完善错误处理。开发者角色正从实现者转变为意图表达者和代码评审者，编程范式迎来革命性变化。主流产品如GitHub Copilot Agent已支持PR自动化审查等高级功能]]></description><category></category></item><item><title><![CDATA[Claude 4.7 深度解析：技术细节与实战应用]]></title><link>https://blog.csdn.net/tigerjb/article/details/159772303</link><guid>https://blog.csdn.net/tigerjb/article/details/159772303</guid><author>tigerjb</author><pubDate>Tue, 07 Apr 2026 07:30:00 +0800</pubDate><description><![CDATA[本文详细解析了Claude4.7的技术更新与性能优化。主要更新包括：1）新增API参数（temperature、top_p、reasoning_effort）和模型版本；2）支持200K tokens长文本处理；3）性能显著提升（代码生成+7%、逻辑推理+11%、长文本理解+14%）。文章提供了代码审查、架构设计等实战应用示例，并对比了4.5与4.7版本的成本差异（性能提升40%，成本增加约16%）。同时给出了提示词优化和流式处理等最佳实践。Claude4.7在推理能力和长文本处理方面表现突出，特别适合代码]]></description><category></category></item><item><title><![CDATA[OpenClaw MCP 开发实战：从零开始构建工具]]></title><link>https://blog.csdn.net/tigerjb/article/details/159771955</link><guid>https://blog.csdn.net/tigerjb/article/details/159771955</guid><author>tigerjb</author><pubDate>Fri, 03 Apr 2026 09:00:00 +0800</pubDate><description><![CDATA[本文提供了MCP工具开发的完整指南，涵盖协议规范、代码实现和最佳实践。首先详细介绍了基于JSON-RPC2.0的MCP协议，包括工具定义格式和核心方法。然后通过具体代码示例展示了工具开发流程，包括项目结构、工具实现和单元测试。文章还介绍了发布到MCPHub的流程，并讲解了高级特性如资源支持和异步操作。最后总结了开发要点：理解协议规范、明确定义工具、完善错误处理、确保测试覆盖和编写完整文档。指南为开发者提供了从入门到发布的完整参考。]]></description><category></category></item><item><title><![CDATA[Vue 4 安全加固实战：完整代码实现]]></title><link>https://blog.csdn.net/tigerjb/article/details/159771860</link><guid>https://blog.csdn.net/tigerjb/article/details/159771860</guid><author>tigerjb</author><pubDate>Fri, 03 Apr 2026 08:30:00 +0800</pubDate><description><![CDATA[本文提供了Vue4安全加固的完整代码实现和最佳实践，主要内容包括：1）XSS防护，通过DOMPurify过滤HTML；2）CSRF防护，使用Token验证和请求拦截器；3）路由安全，实现导航守卫和权限检查；4）安全头部配置，如CSP、HSTS等；5）敏感数据保护，采用加密存储；6）安全监控，捕获CSP违规和异常。文章强调安全是持续过程，需要多层防御、定期审计和更新。关键点包括谨慎使用v-html、Token验证、权限检查和加密存储等。]]></description><category></category></item><item><title><![CDATA[边界安全新规范实战指南：代码实现与最佳实践]]></title><link>https://blog.csdn.net/tigerjb/article/details/159772238</link><guid>https://blog.csdn.net/tigerjb/article/details/159772238</guid><author>tigerjb</author><pubDate>Thu, 02 Apr 2026 23:24:45 +0800</pubDate><description><![CDATA[本文介绍了边界安全新规范的代码实现方案，涵盖四大核心模块：1）基于自适应风险评估的IAM系统，通过位置、时间、设备和行为模式等多维度检测异常；2）网络微分段实现，提供iptables脚本和Python策略管理两种方案；3）端到端数据保护机制，包括加密、哈希和自动分类功能；4）实时监控审计系统，持续检测可疑网络连接。所有实现均遵循零信任原则，强调身份优先、最小权限、持续验证和端到端保护，并提供了可直接部署的代码示例和最佳实践。]]></description><category></category></item><item><title><![CDATA[AI 量化交易风险控制实战：完整代码实现]]></title><link>https://blog.csdn.net/tigerjb/article/details/159771688</link><guid>https://blog.csdn.net/tigerjb/article/details/159771688</guid><author>tigerjb</author><pubDate>Thu, 02 Apr 2026 22:35:30 +0800</pubDate><description><![CDATA[本文提供了AI量化交易风险控制的完整实现方案，包含五大核心模块：1）基于隔离森林的风险检测系统；2）时间序列交叉验证的模型评估框架；3）实时风险监控告警系统；4）投资组合优化工具；5）市场极端场景压力测试。文章强调数据质量、模型验证、实时监控等关键要素，指出风险控制应优先于盈利，并提醒AI模型仅是工具而非万能方案。完整代码展示了从异常检测到压力测试的全流程实现，为量化交易风险控制提供了标准化实践框架。]]></description><category></category></item><item><title><![CDATA[「30分钟实现」LLM 分析 TB 级 CI 日志：完整实战指南]]></title><link>https://blog.csdn.net/tigerjb/article/details/158745468</link><guid>https://blog.csdn.net/tigerjb/article/details/158745468</guid><author>tigerjb</author><pubDate>Mon, 23 Mar 2026 13:58:13 +0800</pubDate><description><![CDATA[本文手把手教你使用 LLM 分析 TB 级 CI 日志，解决传统日志分析工具无法处理海量数据的痛点，提供完整实现方案和踩坑经验。]]></description><category></category></item><item><title><![CDATA[「30分钟实现 AI 军事应用伦理边界：Google Workers 呼吁与 Anthropic 对齐」]]></title><link>https://blog.csdn.net/tigerjb/article/details/158745479</link><guid>https://blog.csdn.net/tigerjb/article/details/158745479</guid><author>tigerjb</author><pubDate>Wed, 18 Mar 2026 11:05:45 +0800</pubDate><description><![CDATA[Google员工正推动为AI军事应用设立明确的’红线’，这一立场与Anthropic的伦理立场不谋而合。本文将指导你如何构建一个AI伦理边界系统，确保AI应用符合伦理标准。适合AI开发者、产品经理和伦理审查人员，需要Python 3.8+和OpenAI API。]]></description><category></category></item><item><title><![CDATA[一款智能检测工具，评估你的代码库在LLM上下文窗口中的适配程度，帮助开发者优化代码结构，提升大模型分析效率]]></title><link>https://blog.csdn.net/tigerjb/article/details/158745131</link><guid>https://blog.csdn.net/tigerjb/article/details/158745131</guid><author>tigerjb</author><pubDate>Fri, 13 Mar 2026 11:15:00 +0800</pubDate><description><![CDATA[一款智能检测工具，评估你的代码库在LLM上下文窗口中的适配程度，帮助开发者优化代码结构，提升大模型分析效率]]></description><category></category></item><item><title><![CDATA[[安全实践] 避免在主机器上运行 OpenClaw：安全隔离环境搭建指南]]></title><link>https://blog.csdn.net/tigerjb/article/details/158745141</link><guid>https://blog.csdn.net/tigerjb/article/details/158745141</guid><author>tigerjb</author><pubDate>Thu, 12 Mar 2026 11:00:00 +0800</pubDate><description><![CDATA[OpenClaw 是强大的网络测试工具，但存在安全风险，应在虚拟机或容器中运行。本教程带你搭建完整的安全隔离环境，5分钟即可完成配置]]></description><category></category></item><item><title><![CDATA[AI安全新篇章：美国将Anthropic列为供应链风险引发的技术思考]]></title><link>https://blog.csdn.net/tigerjb/article/details/158756389</link><guid>https://blog.csdn.net/tigerjb/article/details/158756389</guid><author>tigerjb</author><pubDate>Wed, 11 Mar 2026 09:45:00 +0800</pubDate><description><![CDATA[美国政府将Anthropic列为供应链风险事件，揭示了AI安全与地缘政治交织的复杂局面，值得技术从业者深思]]></description><category></category></item><item><title><![CDATA[目前有哪些主流的AI？ - 知乎｜AI江湖：五大主流技术路线的攻防战]]></title><link>https://blog.csdn.net/tigerjb/article/details/158756627</link><guid>https://blog.csdn.net/tigerjb/article/details/158756627</guid><author>tigerjb</author><pubDate>Tue, 10 Mar 2026 09:00:00 +0800</pubDate><description><![CDATA[从AlphaGo到ChatGPT，AI技术已形成五大主流路线。本文解析神经网络、知识图谱、强化学习、生成式AI和符号AI的特点与应用，揭示它们如何塑造AI的未来格局]]></description><category></category></item><item><title><![CDATA[AI 辅助编程：提升效率还是削弱能力？]]></title><link>https://blog.csdn.net/tigerjb/article/details/158756720</link><guid>https://blog.csdn.net/tigerjb/article/details/158756720</guid><author>tigerjb</author><pubDate>Mon, 09 Mar 2026 11:00:00 +0800</pubDate><description><![CDATA[AI工具让编码变得前所未有的简单，却也悄然改变了工程师的核心能力。本文探讨如何在AI时代保持技术深度，避免沦为代码的'搬运工']]></description><category></category></item><item><title><![CDATA[语音误关大灯致车祸，领克道歉--技术进步的代价: 我们创造了什么问题?]]></title><link>https://blog.csdn.net/tigerjb/article/details/158756843</link><guid>https://blog.csdn.net/tigerjb/article/details/158756843</guid><author>tigerjb</author><pubDate>Sun, 08 Mar 2026 09:15:00 +0800</pubDate><description><![CDATA[技术进步带来的问题往往比解决的问题更隐蔽。语音助手误操作导致车祸，提醒我们技术便利背后的安全隐患]]></description><category></category></item><item><title><![CDATA[AI Agent:开创新质生产力新篇章｜「AI Agent：开创新质生产力新篇章」实战指南：从零构建智能代理系统]]></title><link>https://blog.csdn.net/tigerjb/article/details/158756966</link><guid>https://blog.csdn.net/tigerjb/article/details/158756966</guid><author>tigerjb</author><pubDate>Sat, 07 Mar 2026 16:00:00 +0800</pubDate><description><![CDATA[本文手把手教你构建AI Agent系统，涵盖核心概念、环境配置、代码实现和常见问题解决，助你快速掌握这一开创新质生产力的关键技术。]]></description><category></category></item><item><title><![CDATA[手把手教你构建一个能分析OpenAI竞争对手的API工具，使用LangChain处理数据，FastAPI提供服务，完整可复现]]></title><link>https://blog.csdn.net/tigerjb/article/details/158745101</link><guid>https://blog.csdn.net/tigerjb/article/details/158745101</guid><author>tigerjb</author><pubDate>Fri, 06 Mar 2026 23:10:01 +0800</pubDate><description><![CDATA[手把手教你构建一个能分析OpenAI竞争对手的API工具，使用LangChain处理数据，FastAPI提供服务，完整可复现]]></description><category></category></item><item><title><![CDATA[A better streams API is possible for JavaScript｜[2024] 实现 JavaScript 更好的流式 API：Web Streams API 完整指南]]></title><link>https://blog.csdn.net/tigerjb/article/details/158534136</link><guid>https://blog.csdn.net/tigerjb/article/details/158534136</guid><author>tigerjb</author><pubDate>Mon, 02 Mar 2026 08:15:00 +0800</pubDate><description><![CDATA[本文带你深入了解 JavaScript 的 Web Streams API，通过实战示例展示如何高效处理流式数据，解决传统数据处理方案的痛点。]]></description><category></category></item><item><title><![CDATA[Don‘t trust AI agents｜「30分钟实现 AI Agent 安全监控：LangChain + OpenAI API 完整方案」]]></title><link>https://blog.csdn.net/tigerjb/article/details/158534111</link><guid>https://blog.csdn.net/tigerjb/article/details/158534111</guid><author>tigerjb</author><pubDate>Sun, 01 Mar 2026 09:30:00 +0800</pubDate><description><![CDATA[本文教你如何构建安全监控系统，实时检测 AI Agent 的潜在风险行为，防止恶意输出或越权操作。]]></description><category></category></item><item><title><![CDATA[GitHub新工具｜LLM Context Fit Badge：一键判断代码库能否适配AI编程]]></title><link>https://blog.csdn.net/tigerjb/article/details/158533977</link><guid>https://blog.csdn.net/tigerjb/article/details/158533977</guid><author>tigerjb</author><pubDate>Sun, 01 Mar 2026 03:41:31 +0800</pubDate><description><![CDATA[在AI辅助编程普及的当下，GitHub Copilot、GPT-4、Claude等工具已成为开发者的必备帮手，但上下文窗口大小始终是制约其发挥的核心瓶颈——当代码库规模超出AI上下文限制，会导致AI理解不完整、生成代码不一致等问题。本文将详细介绍GitHub近期爆火的工具「LLM Context Fit Badge」，讲解其核心原理、实现逻辑及实际应用场景，帮助开发者高效适配AI编程工作流。]]></description><category></category></item><item><title><![CDATA[代理式 AI 与网络安全：OpenClaw 架构、威胁演变与 CVE-2026-25253 防御实战]]></title><link>https://blog.csdn.net/tigerjb/article/details/158471218</link><guid>https://blog.csdn.net/tigerjb/article/details/158471218</guid><author>tigerjb</author><pubDate>Fri, 27 Feb 2026 21:41:19 +0800</pubDate><description><![CDATA[在生成式AI向代理式AI（Agentic AI）转型的进程中，OpenClaw（前身为Clawdbot和Moltbot）作为自托管、高性能开源AI代理框架，其爆发式增长（GitHub星标18万+）不仅重构了个人生产力工具边界，更深刻改变了网络安全攻防博弈格局。本文从OpenClaw核心架构出发，深度剖析其与网络安全行业的四大结合点（新兴攻击媒介、红队工具、影子AI、自动化防御），结合漏洞案例（CVE-2026-25253）、技术对比与实战建议，为开发者、安全从业者提供全面的技术参考与防御方案。]]></description><category></category></item></channel></rss>