陈少文的网站
这里是我的技术笔记与工程记录。主业是 AI 网关与平台工程:把模型能力接进企业系统,处理鉴权、配额、限流、可观测性这些不性感但决定成败的部分。写下来的东西大多是踩过的坑:Kubernetes 与容器网络、服务网格、存储与镜像、Go 与 Python 的工程实践,以及最近两年大量的 AI Agent、MCP、RAG 落地经验。
站点从 2016 年写到现在,累计 700 多篇,绝大多数是实际项目里遇到的问题与解法,不是转载也不是翻译。文章会持续更新,遇到写错的地方我会直接改原文并在文末注明。想找某一类内容可以从「标签」进,想按时间翻可以从归档进。
如果你在企业里做 AI 平台、网关或 SRE,欢迎交流:邮件 mail@chenshaowen.com,或者从「联系」页加微信。合作、约稿、内推都可以聊,但请直接说清诉求,我不太会寒暄。
这是一个开源项目 https://github.com/shaowenchen/applab 1. 使用 AppLab 开发一个应用 克隆仓库 1 git clone https://x:xxx@applab.chenshaowen.com/applab/git/app.git 让 Agent 开发 1 claude 描述需求之后,只需静静等待,会看到如下输出: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 构建成功,镜像已产出(shaowenchen/applab:demo-my
1. llms.txt 是什么 llms.txt 是一个约定:在网站根目录放一个 Markdown 文件,用自然语言告诉大模型和 AI Agent——这个网站是什么、哪些内容值得读、每一篇讲了什么。 它由 Jeremy Howard(Answer.AI)在 2024 年 9 月提出,规范全文只有一个页面。 简单说,robots.tx
1. 上下文不够是制约 AI Agent 使用的关键因素 Agent 完成工作的质量,既取决于模型能力,也受限于能触达的环境上下文。 对于开发、运维来说,更难的是环境可能还是分裂的,线上有完整日志、文档在知识库、代码在 Git 仓库。模型读不到这些信息,也就无法准确判断问题。所谓上
1. RoCE 1.1 连接要求 RDMA 要求端到端同一类网络,比如同一个 B 段网。 单交换机。 RoCE: 主机 NIC ── 以太交换机(PFC) ── 对端 NIC 多台交换机。 RoCE: 主机 NIC ── Leaf ── Spine ── Leaf ── 对端 NIC 多跳时注意: 说明 路径 L2/L3 可达即可(同网段或可路由) 无损 路径上每台交换机建议开 PFC;多
1. 业务绕开中台 目前,我在一个规模不小的 AI 中台团队做 Infra 相关的一些事情。在年初的一次部门会议之后,我就在思考,中台会不会消失。 当时 OpenClaw 很火,业务同学使用 OpenClaw 借助大模型已经可以完成很多事项,不用与其他团队合作,分工消失了。非 AI 的部门基于开源项目 Vibe Coding 出