[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f28lk99chbr6q6":3,"$f35fuqv9welkvg":16,"$f301j9o4knbx1r":476},{"slug":4,"title":5,"description":6,"content":7,"content_html":8,"pub_date":9,"tags":10,"draft":15},"bis-perspective-on-artificial-intelligence","BIS 如何看待 AI：央行、生产率与金融稳定","结合国际清算银行的年度报告、工作论文与央行实践，梳理 AI 对产出、通胀、金融体系和政策治理的影响。","BIS 是国际清算银行（Bank for International Settlements），常被称为“央行的银行”。当 BIS 讨论人工智能时，重点并不是推荐某个模型，而是回答一组更接近公共政策的问题：AI 会怎样影响生产率、通胀和金融体系？央行应该如何使用 AI，又该如何管理新的风险？\n\n2024 年，BIS 在年度经济报告中专章讨论 AI 与经济，并发布关于产出、通胀和央行应用的研究。其核心立场可以概括为：**央行不能忽视 AI，但也不能把技术热潮当作确定的生产率红利。**\n\n## 为什么央行关心 AI\n\n央行的职责通常包括价格稳定、金融稳定、支付体系和金融基础设施。AI 会同时影响这些领域：\n\n- 企业采用 AI 可能提高生产率并改变工资与就业；\n- 自动化可能重塑行业竞争和市场集中度；\n- 金融机构会把 AI 用于信贷、交易、风控和客服；\n- 生成式 AI 能帮助央行处理海量文本和非结构化数据；\n- 模型错误、同质化决策与网络攻击也可能放大系统性风险。\n\n这意味着 AI 既是经济冲击，也是央行可以使用的分析工具。\n\n## BIS 对宏观经济的判断\n\nBIS Working Paper 1179 研究 AI 对产出和通胀的影响。一个重要结论是，AI 的宏观效果取决于采用速度、任务替代程度以及生产率收益如何扩散。\n\n短期内，企业需要购买算力、重组流程、培训员工并积累互补资产。投入先发生，生产率提升可能滞后。因此，技术能力快速进步，并不保证总量生产率立刻跳升。\n\n中长期可能出现两股方向相反的力量：\n\n| 传导路径 | 可能影响 |\n| --- | --- |\n| 生产率提高、单位成本下降 | 缓解价格压力 |\n| 投资和需求快速扩张 | 推高部分商品、工资和资产价格 |\n| 劳动力被替代 | 影响工资、消费与行业结构 |\n| 新任务和新企业出现 | 增加就业与潜在产出 |\n| 市场集中度上升 | 改变加价率和创新扩散 |\n\n所以，“AI 一定通缩”或“AI 一定推高通胀”都过于简单。央行需要观察不同阶段的净效应。\n\n:::info 衡量比预测更困难\nAI 投资可能被记入软件、云服务或研发，免费工具的价值也不容易进入 GDP。若统计体系低估质量改善，央行看到的生产率数据会滞后于真实变化。\n:::\n\n## 金融体系中的机会\n\nBIS 总结的应用方向大致可以分为三类。\n\n### 更好的数据处理\n\n金融和政策分析包含大量公告、合同、新闻、监管报表与会议文本。自然语言模型可以分类、摘要、提取实体，并帮助研究人员发现传统表格数据之外的信号。\n\n### 更及时的监测\n\n机器学习可以融合支付、市场、贸易和高频价格数据，用于识别异常交易、流动性变化或经济活动拐点。对央行而言，价值不只是“预测更准”，还包括更快发现模型之外的新模式。\n\n### 更高效的内部流程\n\nAI 可以辅助代码、知识检索、文档比较和客服。但 BIS 强调，公共机构的使用场景需要更严格的可解释性、保密性和问责机制，不能直接复制消费级产品的部署方式。\n\n## 金融稳定的新风险\n\nAI 不只改变单家机构效率，也可能改变整个系统的行为。\n\n### 同质化与羊群效应\n\n如果多家银行和基金使用相似数据、基础模型或云平台，它们可能在压力情景下同时调整仓位。每个机构的决策看似合理，叠加后却会放大波动和流动性冲击。\n\n### 模型不透明\n\n复杂模型可能难以解释某次拒贷、预警或交易决策。模型漂移、训练数据偏差和生成式 AI 的幻觉，会让传统模型风险管理面临新的验证难题。\n\n### 第三方集中\n\n高性能 AI 依赖芯片、云平台、数据和基础模型。少数供应商故障、被攻击或改变服务条件，可能同时影响大量金融机构。这种集中风险不完全等同于传统外包风险。\n\n### 网络与欺诈\n\nAI 降低了生成钓鱼内容、伪造身份和自动寻找漏洞的门槛，同时也能提升防御、反洗钱和异常检测能力。攻防双方都会使用 AI，风险取决于哪一方适应得更快。\n\n## 央行自身如何使用 AI\n\nBIS Bulletin 84 总结了央行中的实际方向，包括统计、研究、监管、支付监测和内部知识管理。适合的原则不是“所有任务都上大模型”，而是按风险分层：\n\n1. 低风险辅助任务可以先部署，例如检索、翻译和初稿；\n2. 政策分析需要保留数据来源、模型版本和人工复核；\n3. 影响个人或机构权益的决定必须有明确责任主体；\n4. 敏感数据应在受控环境中处理；\n5. 关键系统需要替代方案，避免单一模型或供应商失效。\n\n:::warning 人必须对政策负责\nAI 可以扩展分析能力，但不能承担央行的法定责任。模型输出必须能够被质疑、复核和推翻，最终判断仍由具备授权的人作出。\n:::\n\n## BIS 提出的行动框架\n\n从年度经济报告可以归纳出四个相互关联的方向。\n\n### 建设能力\n\n央行需要数据工程、机器学习、经济学和风险管理的复合团队，也需要让非技术决策者理解模型边界。\n\n### 改善数据与基础设施\n\n高质量数据、治理目录、计算环境和可追踪实验，比追逐单一模型更重要。没有可靠的数据管线，AI 只会更快地产生不可靠结论。\n\n### 更新治理\n\n应明确哪些场景允许使用生成式 AI，如何记录输入输出，如何评估偏差、安全和第三方依赖，以及事故发生后由谁处置。\n\n### 加强合作\n\nAI、云服务和金融市场跨越国界。央行、监管机构与国际组织需要共享方法、事故经验和评测标准，避免各自重复摸索。\n\n## 对普通企业的启示\n\nBIS 的视角虽然面向央行，但对企业同样有用：\n\n- 不要把模型基准分数直接当成生产率；\n- 计算流程重构和人员培训的成本；\n- 识别云、模型与数据供应商的集中风险；\n- 对高影响决策保留人工复核和申诉路径；\n- 监控系统层面的共同依赖，而不只看单个模型准确率。\n\n## 仍然未知的部分\n\n当前证据无法精确回答 AI 最终会带来多少生产率、多少失业或多大的通胀变化。技术能力、采用速度、监管、能源和算力供给都在变化。\n\nBIS 的价值不在于给出一个确定数字，而在于提醒政策制定者同时观察三层影响：\n\n~~~text\n模型能力 → 企业采用与流程重组 → 宏观经济与金融系统\n~~~\n\n只看第一层，很容易高估短期效果；忽视第一层，又可能低估长期结构变化。\n\n## 结语\n\nBIS 对 AI 的态度是积极但审慎：AI 有机会增强生产率、政策分析和金融服务，但收益不会自动出现，风险也不止是“模型答错”。\n\n央行需要成为有能力的使用者、系统风险的观察者和可信治理的示范者。真正关键的问题不是“是否采用 AI”，而是如何在提高能力的同时，保留可解释性、韧性和公共问责。\n\n## 参考资料\n\n- [BIS Annual Economic Report 2024, Chapter III: Artificial intelligence and the economy](https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Farpdf\u002Far2024e3.htm)\n- [BIS Working Papers No 1179: The impact of artificial intelligence on output and inflation](https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Fwork1179.htm)\n- [BIS Bulletin No 84: Artificial intelligence in central banking](https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Fbisbull84.htm)","\u003Cp>BIS 是国际清算银行（Bank for International Settlements），常被称为“央行的银行”。当 BIS 讨论人工智能时，重点并不是推荐某个模型，而是回答一组更接近公共政策的问题：AI 会怎样影响生产率、通胀和金融体系？央行应该如何使用 AI，又该如何管理新的风险？\u003C\u002Fp>\n\u003Cp>2024 年，BIS 在年度经济报告中专章讨论 AI 与经济，并发布关于产出、通胀和央行应用的研究。其核心立场可以概括为：\u003Cstrong>央行不能忽视 AI，但也不能把技术热潮当作确定的生产率红利。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"为什么央行关心-ai\">为什么央行关心 AI\u003C\u002Fh2>\n\u003Cp>央行的职责通常包括价格稳定、金融稳定、支付体系和金融基础设施。AI 会同时影响这些领域：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>企业采用 AI 可能提高生产率并改变工资与就业；\u003C\u002Fli>\n\u003Cli>自动化可能重塑行业竞争和市场集中度；\u003C\u002Fli>\n\u003Cli>金融机构会把 AI 用于信贷、交易、风控和客服；\u003C\u002Fli>\n\u003Cli>生成式 AI 能帮助央行处理海量文本和非结构化数据；\u003C\u002Fli>\n\u003Cli>模型错误、同质化决策与网络攻击也可能放大系统性风险。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这意味着 AI 既是经济冲击，也是央行可以使用的分析工具。\u003C\u002Fp>\n\u003Ch2 id=\"bis-对宏观经济的判断\">BIS 对宏观经济的判断\u003C\u002Fh2>\n\u003Cp>BIS Working Paper 1179 研究 AI 对产出和通胀的影响。一个重要结论是，AI 的宏观效果取决于采用速度、任务替代程度以及生产率收益如何扩散。\u003C\u002Fp>\n\u003Cp>短期内，企业需要购买算力、重组流程、培训员工并积累互补资产。投入先发生，生产率提升可能滞后。因此，技术能力快速进步，并不保证总量生产率立刻跳升。\u003C\u002Fp>\n\u003Cp>中长期可能出现两股方向相反的力量：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>传导路径\u003C\u002Fth>\n\u003Cth>可能影响\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>生产率提高、单位成本下降\u003C\u002Ftd>\n\u003Ctd>缓解价格压力\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>投资和需求快速扩张\u003C\u002Ftd>\n\u003Ctd>推高部分商品、工资和资产价格\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>劳动力被替代\u003C\u002Ftd>\n\u003Ctd>影响工资、消费与行业结构\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>新任务和新企业出现\u003C\u002Ftd>\n\u003Ctd>增加就业与潜在产出\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>市场集中度上升\u003C\u002Ftd>\n\u003Ctd>改变加价率和创新扩散\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>所以，“AI 一定通缩”或“AI 一定推高通胀”都过于简单。央行需要观察不同阶段的净效应。\u003C\u002Fp>\n\u003Cdiv class=\"callout callout-info\">\u003Cp class=\"callout-title\">ℹ️ 衡量比预测更困难\u003C\u002Fp>\n\u003Cp>AI 投资可能被记入软件、云服务或研发，免费工具的价值也不容易进入 GDP。若统计体系低估质量改善，央行看到的生产率数据会滞后于真实变化。\u003C\u002Fp>\n\u003C\u002Fdiv>\n\u003Ch2 id=\"金融体系中的机会\">金融体系中的机会\u003C\u002Fh2>\n\u003Cp>BIS 总结的应用方向大致可以分为三类。\u003C\u002Fp>\n\u003Ch3 id=\"更好的数据处理\">更好的数据处理\u003C\u002Fh3>\n\u003Cp>金融和政策分析包含大量公告、合同、新闻、监管报表与会议文本。自然语言模型可以分类、摘要、提取实体，并帮助研究人员发现传统表格数据之外的信号。\u003C\u002Fp>\n\u003Ch3 id=\"更及时的监测\">更及时的监测\u003C\u002Fh3>\n\u003Cp>机器学习可以融合支付、市场、贸易和高频价格数据，用于识别异常交易、流动性变化或经济活动拐点。对央行而言，价值不只是“预测更准”，还包括更快发现模型之外的新模式。\u003C\u002Fp>\n\u003Ch3 id=\"更高效的内部流程\">更高效的内部流程\u003C\u002Fh3>\n\u003Cp>AI 可以辅助代码、知识检索、文档比较和客服。但 BIS 强调，公共机构的使用场景需要更严格的可解释性、保密性和问责机制，不能直接复制消费级产品的部署方式。\u003C\u002Fp>\n\u003Ch2 id=\"金融稳定的新风险\">金融稳定的新风险\u003C\u002Fh2>\n\u003Cp>AI 不只改变单家机构效率，也可能改变整个系统的行为。\u003C\u002Fp>\n\u003Ch3 id=\"同质化与羊群效应\">同质化与羊群效应\u003C\u002Fh3>\n\u003Cp>如果多家银行和基金使用相似数据、基础模型或云平台，它们可能在压力情景下同时调整仓位。每个机构的决策看似合理，叠加后却会放大波动和流动性冲击。\u003C\u002Fp>\n\u003Ch3 id=\"模型不透明\">模型不透明\u003C\u002Fh3>\n\u003Cp>复杂模型可能难以解释某次拒贷、预警或交易决策。模型漂移、训练数据偏差和生成式 AI 的幻觉，会让传统模型风险管理面临新的验证难题。\u003C\u002Fp>\n\u003Ch3 id=\"第三方集中\">第三方集中\u003C\u002Fh3>\n\u003Cp>高性能 AI 依赖芯片、云平台、数据和基础模型。少数供应商故障、被攻击或改变服务条件，可能同时影响大量金融机构。这种集中风险不完全等同于传统外包风险。\u003C\u002Fp>\n\u003Ch3 id=\"网络与欺诈\">网络与欺诈\u003C\u002Fh3>\n\u003Cp>AI 降低了生成钓鱼内容、伪造身份和自动寻找漏洞的门槛，同时也能提升防御、反洗钱和异常检测能力。攻防双方都会使用 AI，风险取决于哪一方适应得更快。\u003C\u002Fp>\n\u003Ch2 id=\"央行自身如何使用-ai\">央行自身如何使用 AI\u003C\u002Fh2>\n\u003Cp>BIS Bulletin 84 总结了央行中的实际方向，包括统计、研究、监管、支付监测和内部知识管理。适合的原则不是“所有任务都上大模型”，而是按风险分层：\u003C\u002Fp>\n\u003Col>\n\u003Cli>低风险辅助任务可以先部署，例如检索、翻译和初稿；\u003C\u002Fli>\n\u003Cli>政策分析需要保留数据来源、模型版本和人工复核；\u003C\u002Fli>\n\u003Cli>影响个人或机构权益的决定必须有明确责任主体；\u003C\u002Fli>\n\u003Cli>敏感数据应在受控环境中处理；\u003C\u002Fli>\n\u003Cli>关键系统需要替代方案，避免单一模型或供应商失效。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cdiv class=\"callout callout-warning\">\u003Cp class=\"callout-title\">⚠️ 人必须对政策负责\u003C\u002Fp>\n\u003Cp>AI 可以扩展分析能力，但不能承担央行的法定责任。模型输出必须能够被质疑、复核和推翻，最终判断仍由具备授权的人作出。\u003C\u002Fp>\n\u003C\u002Fdiv>\n\u003Ch2 id=\"bis-提出的行动框架\">BIS 提出的行动框架\u003C\u002Fh2>\n\u003Cp>从年度经济报告可以归纳出四个相互关联的方向。\u003C\u002Fp>\n\u003Ch3 id=\"建设能力\">建设能力\u003C\u002Fh3>\n\u003Cp>央行需要数据工程、机器学习、经济学和风险管理的复合团队，也需要让非技术决策者理解模型边界。\u003C\u002Fp>\n\u003Ch3 id=\"改善数据与基础设施\">改善数据与基础设施\u003C\u002Fh3>\n\u003Cp>高质量数据、治理目录、计算环境和可追踪实验，比追逐单一模型更重要。没有可靠的数据管线，AI 只会更快地产生不可靠结论。\u003C\u002Fp>\n\u003Ch3 id=\"更新治理\">更新治理\u003C\u002Fh3>\n\u003Cp>应明确哪些场景允许使用生成式 AI，如何记录输入输出，如何评估偏差、安全和第三方依赖，以及事故发生后由谁处置。\u003C\u002Fp>\n\u003Ch3 id=\"加强合作\">加强合作\u003C\u002Fh3>\n\u003Cp>AI、云服务和金融市场跨越国界。央行、监管机构与国际组织需要共享方法、事故经验和评测标准，避免各自重复摸索。\u003C\u002Fp>\n\u003Ch2 id=\"对普通企业的启示\">对普通企业的启示\u003C\u002Fh2>\n\u003Cp>BIS 的视角虽然面向央行，但对企业同样有用：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>不要把模型基准分数直接当成生产率；\u003C\u002Fli>\n\u003Cli>计算流程重构和人员培训的成本；\u003C\u002Fli>\n\u003Cli>识别云、模型与数据供应商的集中风险；\u003C\u002Fli>\n\u003Cli>对高影响决策保留人工复核和申诉路径；\u003C\u002Fli>\n\u003Cli>监控系统层面的共同依赖，而不只看单个模型准确率。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2 id=\"仍然未知的部分\">仍然未知的部分\u003C\u002Fh2>\n\u003Cp>当前证据无法精确回答 AI 最终会带来多少生产率、多少失业或多大的通胀变化。技术能力、采用速度、监管、能源和算力供给都在变化。\u003C\u002Fp>\n\u003Cp>BIS 的价值不在于给出一个确定数字，而在于提醒政策制定者同时观察三层影响：\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-text\">模型能力 → 企业采用与流程重组 → 宏观经济与金融系统\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>只看第一层，很容易高估短期效果；忽视第一层，又可能低估长期结构变化。\u003C\u002Fp>\n\u003Ch2 id=\"结语\">结语\u003C\u002Fh2>\n\u003Cp>BIS 对 AI 的态度是积极但审慎：AI 有机会增强生产率、政策分析和金融服务，但收益不会自动出现，风险也不止是“模型答错”。\u003C\u002Fp>\n\u003Cp>央行需要成为有能力的使用者、系统风险的观察者和可信治理的示范者。真正关键的问题不是“是否采用 AI”，而是如何在提高能力的同时，保留可解释性、韧性和公共问责。\u003C\u002Fp>\n\u003Ch2 id=\"参考资料\">参考资料\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Farpdf\u002Far2024e3.htm\">BIS Annual Economic Report 2024, Chapter III: Artificial intelligence and the economy\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Fwork1179.htm\">BIS Working Papers No 1179: The impact of artificial intelligence on output and inflation\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.bis.org\u002Fpubl\u002Fbisbull84.htm\">BIS Bulletin No 84: Artificial intelligence in central banking\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n","2026-07-10",[11,12,13,14],"AI","BIS","金融科技","央行",false,[17,29,39,45,48,56,65,77,88,100,109,116,123,130,137,144,154,162,172,181,189,197,206,215,224,234,241,251,257,268,274,280,287,294,301,311,320,329,339,349,359,367,377,388,398,407,415,421,429,437,445,453,461,468],{"slug":18,"title":19,"description":20,"pub_date":21,"tags":22,"draft":15,"word_count":28},"zig-language-practical-guide","Zig 语言实战：从显式内存到 C 互操作与交叉编译","以 Zig 0.16.0 为基准，理解错误处理、allocator、defer、comptime、C 互操作、构建系统、交叉编译及适用边界。","2026-07-14",[23,24,25,26,27],"Zig","系统编程","C 互操作","交叉编译","工程实践",2469,{"slug":30,"title":31,"description":32,"pub_date":33,"tags":34,"draft":15,"word_count":38},"practical-rust-from-first-project-to-production","Rust 的使用：从第一个项目到生产服务","一条面向真实交付的 Rust 学习与使用路径：Cargo、所有权、错误处理、测试、并发、CLI、Web 服务和 Python 扩展。","2026-07-13",[35,36,37,27],"Rust","Cargo","后端开发",2072,{"slug":40,"title":41,"description":42,"pub_date":33,"tags":43,"draft":15,"word_count":44},"why-rust-is-becoming-mainstream-in-the-ai-era","为什么 AI 时代 Rust 正在成为主流基础设施语言","Rust 不会取代 Python，但正在 AI 基础设施、模型服务、Tokenizer、边缘计算与 Python 原生扩展中形成稳定位置。本文基于 Rust 官方调查、crates.io、Android、Linux 与 Hugging Face 的一手资料分析原因与边界。",[35,11,24,27],1891,{"slug":4,"title":5,"description":6,"pub_date":9,"tags":46,"draft":15,"word_count":47},[11,12,13,14],2128,{"slug":49,"title":50,"description":51,"pub_date":9,"tags":52,"draft":15,"word_count":55},"what-is-a-token-in-large-language-models","什么是 Token：大模型如何切分、计量和理解文本","从分词器、词表和上下文窗口出发，解释 Token 如何影响大模型的成本、速度与工程设计。",[11,53,54,27],"大模型","Token",1677,{"slug":57,"title":58,"description":59,"pub_date":9,"tags":60,"draft":15,"word_count":64},"understanding-ai-compute-from-flops-to-memory-bandwidth","从 FLOPS 到显存带宽：AI 算力到底在算什么","拆解 AI 训练与推理中的计算量、显存、带宽、互联和成本，解释为什么峰值 FLOPS 很少等于真实吞吐。",[11,61,62,63],"算力","GPU","系统工程",2192,{"slug":66,"title":67,"description":68,"pub_date":69,"tags":70,"draft":15,"word_count":76},"ide-skills-guide","Agent Skills 完全指南：21 款第三方 Skill 深度评测与使用心得","全面评测 21 款第三方 Agent Skills，涵盖 Vue 生态、前端设计、构建工具、实用工具四大分类。从安装配置到实际使用场景，带你了解每个 Skill 的功能特点、最佳实践与使用心得。","2026-06-15",[71,72,11,73,74,75],"agent","skills","效率工具","前端","Vue",4169,{"slug":78,"title":79,"description":80,"pub_date":81,"tags":82,"draft":15,"word_count":87},"linux-kernel-skeleton-struct-funcptr-container_of","Linux 内核骨架：struct、函数指针与 container_of","读懂 Linux 内核源码的三件套：巨大的 struct 组合代替继承、函数指针表实现虚派发、container_of 宏从嵌入成员找回完整对象。","2026-05-09",[83,84,85,86],"linux","kernel","C","container_of",1369,{"slug":89,"title":90,"description":91,"pub_date":92,"tags":93,"draft":15,"word_count":99},"astro-complete-guide-2025","Astro 5 深度剖析：Islands 架构原理、构建优化与 Cloudflare Workers 边缘部署","从编译器视角解析 Astro 5 的 Islands 架构实现原理，Content Layer API 的 Vite 插件机制，Server Islands 的流式渲染，以及如何在 Cloudflare Workers + D1 边缘环境下榨干性能。","2026-05-08",[94,95,96,97,98],"astro","frontend","cloudflare","performance","architecture",3663,{"slug":101,"title":102,"description":103,"pub_date":104,"tags":105,"draft":15,"word_count":108},"llm-prompt-engineering","Prompt Engineering 实战：让 LLM 真正听话的技巧","System prompt 怎么写、Few-shot 怎么设计、Chain-of-Thought 原理，以及常见失败模式和调试方法。","2026-05-03",[106,107,27],"ai","llm",1723,{"slug":110,"title":111,"description":112,"pub_date":104,"tags":113,"draft":15,"word_count":115},"rag-system-design","RAG 系统设计：从 naive 到 production-ready","Retrieval-Augmented Generation 不只是「向量数据库 + LLM」，分块策略、召回质量、重排序、缓存才是工程核心。",[106,114,107,27],"rag",1613,{"slug":117,"title":118,"description":119,"pub_date":104,"tags":120,"draft":15,"word_count":122},"git-advanced-workflow","Git 进阶工作流：rebase、cherry-pick、bisect 的正确使用","merge 会了，但 rebase 总搞错？bisect 找 bug 提交？interactive rebase 整理历史？这篇一次说清楚。",[121,27],"git",1396,{"slug":124,"title":125,"description":126,"pub_date":104,"tags":127,"draft":15,"word_count":129},"docker-practical-guide","Docker 实战：从会用到用好","会 docker run 不够，Dockerfile 最佳实践、多阶段构建、Compose 编排、镜像瘦身才是日常真正需要的。",[128,83,27],"docker",1268,{"slug":131,"title":132,"description":133,"pub_date":104,"tags":134,"draft":15,"word_count":136},"anthropics-skills-guide","anthropics\u002Fskills：Anthropic 官方 Agent Skills 仓库解析","Anthropic 官方开源的 Agent Skills 标准仓库，127k stars，解析 SKILL.md 规范、17 个示例 skill 的设计模式，以及如何在 Claude Code \u002F Claude.ai \u002F API 中使用",[106,135,71,72],"Claude",2090,{"slug":138,"title":139,"description":140,"pub_date":104,"tags":141,"draft":15,"word_count":143},"karpathy-claude-code-guidelines","Karpathy 的 LLM 编码批评与 CLAUDE.md 最佳实践","基于 Andrej Karpathy 对 LLM 编程助手的观察，forrestchang 提炼出一个 CLAUDE.md 文件，4 条原则解决 AI 编码的典型失控问题：乱猜假设、过度设计、乱改代码、目标不清",[106,135,142,27],"Claude Code",2699,{"slug":145,"title":146,"description":147,"pub_date":104,"tags":148,"draft":15,"word_count":153},"typescript-advanced-patterns","TypeScript 高级模式：让类型系统为你工作","基础 TS 会了但类型总是 any？条件类型、映射类型、模板字面量类型、infer 关键字才是 TS 的真正威力。",[149,150,151,152],"typescript","类型系统","前端工程","高级模式",1419,{"slug":155,"title":156,"description":157,"pub_date":104,"tags":158,"draft":15,"word_count":161},"linux-performance-tuning","Linux 性能调优实战：从 top 到 perf 的完整工具链","遇到性能问题不知道从哪下手？这篇建立系统化的排查思路，从 CPU\u002F内存\u002FIO\u002F网络逐层分析。",[83,159,160,24],"性能","运维",1524,{"slug":163,"title":164,"description":165,"pub_date":104,"tags":166,"draft":15,"word_count":171},"python-functional-programming","Python 函数式编程：map\u002Ffilter\u002Freduce 之外","Python 不是纯函数式语言，但 functools、itertools、偏函数、闭包这些工具用好了能让代码简洁一个量级。",[167,168,169,170],"python","函数式","闭包","装饰器",1867,{"slug":173,"title":174,"description":175,"pub_date":104,"tags":176,"draft":15,"word_count":180},"python-oop-guide","Python 面向对象：__init__ 之外你需要知道的","Python OOP 不只是 class + __init__，魔术方法、描述符、元类才是真正的武器。",[167,177,178,179],"OOP","面向对象","魔术方法",1792,{"slug":182,"title":183,"description":184,"pub_date":104,"tags":185,"draft":15,"word_count":188},"python-data-structures","Python 内置数据结构深度解析","list、dict、set、tuple 不只是数据容器，搞懂它们的底层实现和时间复杂度，才能写出高性能 Python。",[167,186,159,187],"数据结构","算法",1517,{"slug":190,"title":191,"description":192,"pub_date":104,"tags":193,"draft":15,"word_count":196},"python-basics-quick-start","Python 快速上手：写给有编程基础的人","已经会其他语言，想快速掌握 Python 的语法特性和思维方式，这篇是捷径。",[167,194,195],"入门","基础",1607,{"slug":198,"title":199,"description":200,"pub_date":104,"tags":201,"draft":15,"word_count":205},"python-dataclass-pydantic","Python dataclass vs Pydantic：数据类选型指南","dataclass 是标准库的轻量选择，Pydantic v2 是带验证的重武器，什么时候用哪个，这篇说清楚。",[167,202,203,204],"dataclass","pydantic","数据验证",1323,{"slug":207,"title":208,"description":209,"pub_date":104,"tags":210,"draft":15,"word_count":214},"python-asyncio-practical","Python asyncio 实战：从回调地狱到协程优雅","asyncio 是 Python 异步编程的核心，搞懂 event loop、Task、gather 这些概念才能写出真正高效的异步代码。",[167,211,212,213],"asyncio","并发","网络编程",1258,{"slug":216,"title":217,"description":218,"pub_date":104,"tags":219,"draft":15,"word_count":223},"python-type-hints-guide","Python 类型注解完全指南：从入门到实践","Python 3.5+ 引入类型注解，配合 mypy\u002Fpyright 让 Python 也能享受静态类型检查的好处。",[167,220,221,222],"typescript-style","type-hints","工具链",1102,{"slug":225,"title":226,"description":227,"pub_date":228,"tags":229,"draft":15,"word_count":233},"pwa-install-update-button","PWA 踩坑：为什么安装按钮从来不出现","从 beforeinstallprompt 到 Service Worker waiting，把 PWA 的安装与更新提示真正做对","2026-05-02",[230,231,232],"pwa","javascript","web",1683,{"slug":235,"title":236,"description":237,"pub_date":238,"tags":239,"draft":15,"word_count":240},"openclaw-vs-hermes-agent","OpenClaw vs Hermes Agent：两个本地优先 Agent 的设计差异","OpenClaw（Novita AI）和 Hermes Agent（Nous Research）都是本地运行的个人 AI Agent，但在记忆系统、技能学习、运行环境和模型生态上走了不同的路。深入对比两种架构的核心差异。","2026-05-01",[106,71,107],1679,{"slug":242,"title":243,"description":244,"pub_date":238,"tags":245,"draft":15,"word_count":250},"cpp-random-design-patterns","C++ 设计模式实战：RAII、观察者、工厂","用现代 C++（C++17\u002F20）实现三种高频设计模式：RAII 资源管理、观察者模式事件系统、工厂模式插件架构。每种模式给出问题场景、实现代码和真实工程案例。",[246,247,248,249],"cpp","设计模式","c++17","工程",2613,{"slug":252,"title":253,"description":254,"pub_date":238,"tags":255,"draft":15,"word_count":256},"data-structures-fundamentals","数据结构基础：从数组到红黑树","系统梳理常用数据结构的核心原理、时间复杂度和适用场景。数组、链表、栈、队列、哈希表、二叉树、堆、图，每种结构附实现要点和 C++ 代码片段。",[186,187,246,195],3004,{"slug":258,"title":259,"description":260,"pub_date":261,"tags":262,"draft":15,"word_count":267},"network-clash-config","Clash \u002F Mihomo 配置详解：规则、策略组与分流","深入解析 Clash\u002FMihomo 的核心配置结构，包括代理节点、策略组类型、规则优先级、DNS fake-ip 模式，以及一份实用的完整配置模板。","2026-04-30",[263,264,265,266],"网络","clash","代理","配置",1384,{"slug":269,"title":270,"description":271,"pub_date":261,"tags":272,"draft":15,"word_count":273},"ai-agent-what-is","什么是 AI Agent？从 LLM 到自主执行","LLM 本身是无状态问答机，Agent 是什么让它’动’起来的？本文深入解析 Agent 的四个核心能力、ReAct 框架、工具调用原理，以及主流框架横向对比。",[106,71,107],2116,{"slug":275,"title":276,"description":277,"pub_date":261,"tags":278,"draft":15,"word_count":279},"ai-agent-memory","AI Agent 的记忆系统：从上下文窗口到长期记忆","深入拆解 AI Agent 的四种记忆类型、上下文窗口压缩策略、RAG 向量检索原理，以及三种典型失败模式和工程选型建议。",[106,71,114],2052,{"slug":281,"title":282,"description":283,"pub_date":261,"tags":284,"draft":15,"word_count":286},"network-proxy-vpn-guide","代理与翻墙技术原理：从 HTTP 代理到现代协议","深入解析代理与 VPN 的本质区别，梳理从 SOCKS5 到 Shadowsocks、V2Ray\u002FXray、Hysteria2 的协议演进，以及机场订阅的技术本质。",[263,265,285],"协议",2148,{"slug":288,"title":289,"description":290,"pub_date":261,"tags":291,"draft":15,"word_count":196},"algorithm-binary-search","二分查找：永远写不对？记住这个模板","彻底搞清楚二分查找的边界问题：闭区间和左闭右开两套模板、三道经典 LeetCode 题目完整 C++ 实现，以及二分答案的进阶思路。",[187,292,293,246],"二分查找","leetcode",{"slug":295,"title":296,"description":297,"pub_date":261,"tags":298,"draft":15,"word_count":300},"algorithm-sliding-window","滑动窗口算法：从暴力到 O(n) 的思维跃迁","系统讲解滑动窗口算法的核心模板、适用题型，配合三道经典 LeetCode 题目的完整 C++ 实现，彻底理解双指针收缩思路。",[187,299,293,246],"滑动窗口",1943,{"slug":302,"title":303,"description":304,"pub_date":305,"tags":306,"draft":15,"word_count":310},"hid-hotplug","HID 设备热插拔检测：从 udev 到 node-hid","在 Linux 上用 node-hid + usb 库实现可靠的 USB HID 设备热插拔检测，踩坑记录","2026-04-28",[246,307,83,308,309],"hid","nodejs","electron",2039,{"slug":312,"title":313,"description":314,"pub_date":315,"tags":316,"draft":15,"word_count":319},"electron-ipc-types","Electron IPC 类型安全：从 any 到完全类型化","用 TypeScript 泛型封装 Electron IPC，彻底消灭 any，preload 契约集中管理","2026-04-25",[309,149,317,318],"ipc","vue",1446,{"slug":321,"title":322,"description":323,"pub_date":324,"tags":325,"draft":15,"word_count":328},"element-plus-popover-hide","手动关闭多个 el-popover（不用 v-model:visible）","通过 ref + Reflect.get 调用 hide() 方法手动关闭 Element Plus Popover，解释 Vue3 Proxy 导致无法直接调用实例方法的原因。","2024-10-25",[318,326,327],"element-plus","vue3",1321,{"slug":330,"title":331,"description":332,"pub_date":333,"tags":334,"draft":15,"word_count":338},"vite-vue3-ts-elementplus-pinia","用 Vite+（vp）从零搭建 Vue3 + TypeScript + Element Plus + Pinia + Vue Router","使用 Vite+ 统一工具链（vp）一条命令搭建 Vue3 全家桶，涵盖按需导入、Pinia store、路由配置，以及常见坑的解决方案。","2024-08-27",[318,335,149,326,336,337],"vite","pinia","vite-plus",1960,{"slug":340,"title":341,"description":342,"pub_date":343,"tags":344,"draft":15,"word_count":348},"cef-lnk2038-iterator-debug-level","CEF LNK2038：解决 _ITERATOR_DEBUG_LEVEL 不匹配错误","分析 CEF（Chromium Embedded Framework）集成时出现的 LNK2038 _ITERATOR_DEBUG_LEVEL 链接错误，从根本原因到解决方案的完整指南。","2024-05-07",[246,345,346,347],"CEF","Visual Studio","链接错误",1509,{"slug":350,"title":351,"description":352,"pub_date":353,"tags":354,"draft":15,"word_count":358},"npm-electron-install-fix","彻底解决 npm 安装 Electron 失败的问题","分析 npm install electron 失败的根本原因（下载二进制超时\u002F被墙），通过国内镜像（npmmirror）彻底解决，并介绍多种备选方案和常见错误排查。","2024-03-01",[309,355,356,357],"npm","前端工具链","国内镜像",1494,{"slug":360,"title":361,"description":362,"pub_date":363,"tags":364,"draft":15,"word_count":366},"git-out-of-memory","解决 git 报错：Fatal: Out of memory, malloc failed","分析 git 大仓库操作时出现 Out of memory malloc failed 的根本原因，通过调整 pack.windowMemory、http.postBuffer 和 git repack 彻底解决。","2024-01-31",[121,83,365],"工具",2244,{"slug":368,"title":369,"description":370,"pub_date":371,"tags":372,"draft":15,"word_count":376},"vmware-tools-install","在 VMware 虚拟机中安装 open-vm-tools 完整指南","详解 VMware Tools 的作用、open-vm-tools 与官方 VMware Tools 的区别，以及在 Ubuntu 虚拟机中安装并生效的完整步骤和常见问题排查。","2023-11-21",[373,83,374,375],"VMware","Ubuntu","虚拟机",2523,{"slug":378,"title":379,"description":380,"pub_date":381,"tags":382,"draft":15,"word_count":387},"load-balancing-algorithms","负载均衡算法完全指南：从轮询到一致性哈希","系统梳理静态与动态负载均衡算法，涵盖轮询、随机、权重、IP Hash、一致性 Hash、最少连接、最快响应等，并对比 Nginx、Dubbo、Spring Cloud LoadBalancer 的实现差异。","2023-11-15",[383,384,385,386],"分布式","负载均衡","Nginx","微服务",1764,{"slug":389,"title":390,"description":391,"pub_date":392,"tags":393,"draft":15,"word_count":397},"win-cw2a-ca2w","ATL 字符串转换：CW2A 与 CA2W 完全指南","详解 ATL 宏 CW2A\u002FCA2W 在 Unicode 与 ANSI 之间的字符串转换用法、头文件依赖、USES_CONVERSION 宏的作用与常见陷阱。","2023-06-09",[246,394,395,396],"windows","ATL","字符串",1665,{"slug":399,"title":400,"description":401,"pub_date":392,"tags":402,"draft":15,"word_count":406},"csharp-sendmessage-cpp","C# 通过 SendMessage 向 C++ 窗口发送消息与字符串","使用 P\u002FInvoke 调用 user32.dll 的 SendMessage，从 C# 发送自定义 WM_USER 消息及字符串指针给 C++ 原生窗口，并在 C++ 侧正确接收和转换。",[403,246,394,404,405],"C#","互操作","PInvoke",1554,{"slug":408,"title":409,"description":410,"pub_date":411,"tags":412,"draft":15,"word_count":414},"win-postmessage-vector","Windows PostMessage 跨线程传递 std::vector 指针","通过 PostMessage 在 Windows 消息队列中传递 std::vector 指针，使用 reinterpret_cast 将指针装入 LPARAM，并在接收方正确释放内存。","2023-05-26",[246,394,413],"WinAPI",1823,{"slug":416,"title":417,"description":418,"pub_date":411,"tags":419,"draft":15,"word_count":420},"exe-dll-single-package","将 EXE 和 DLL 打包成单一可执行文件","介绍两种将 exe 和依赖 dll 打包成单文件的方案：Enigma Virtual Box 和 WinRAR 自解压，适合发布 Windows 桌面程序时简化分发流程。",[394,246,365],1619,{"slug":422,"title":423,"description":424,"pub_date":411,"tags":425,"draft":15,"word_count":428},"cpp-random-mt19937","C++ 现代随机数生成：用 mt19937 彻底告别 rand()","深入讲解为什么 rand() 不够用，以及如何用 C++11 的 \u003Crandom> 库正确生成高质量随机数，涵盖 mt19937、各种分布和线程安全。",[246,426,427],"c++11","random",1549,{"slug":430,"title":431,"description":432,"pub_date":433,"tags":434,"draft":15,"word_count":436},"win-startup-registry","C++ 实现程序开机自启动：注册表方式详解","通过操作 Windows 注册表 Run 键实现程序开机自启动，包括 HKCU 与 HKLM 区别、完整封装代码、工作目录问题和 UAC 权限处理。","2022-12-26",[394,246,435],"registry",1201,{"slug":438,"title":439,"description":440,"pub_date":441,"tags":442,"draft":15,"word_count":444},"mfc-cstring-wparam","MFC 中 CString 与 WPARAM 之间的转换","详解 MFC 消息传递中 CString 无法直接强转为 WPARAM 的原因，以及两种正确的转换方案，并介绍结构体指针传递的正确姿势。","2022-11-25",[443,246,394],"mfc",1546,{"slug":446,"title":447,"description":448,"pub_date":449,"tags":450,"draft":15,"word_count":452},"duilib-static-build","正确编译 Duilib 静态库：避免 ATL 依赖和链接错误","详解如何用 DuiLib_Static.vcxproj 编译 Duilib 静态库，解决 VARIANT 未定义、Unicode 配置不匹配和 ATL 依赖等常见问题。","2022-08-24",[246,451,394,443],"duilib",2639,{"slug":454,"title":455,"description":456,"pub_date":457,"tags":458,"draft":15,"word_count":460},"mfc-dpi-adaptive","MFC 界面自适应不同分辨率","MFC 对话框程序实现控件和字体随分辨率自动缩放的完整方案，附 DPI Awareness 配置说明","2022-08-17",[443,246,394,459],"dpi",1414,{"slug":462,"title":463,"description":464,"pub_date":465,"tags":466,"draft":15,"word_count":467},"mfc-drag-window","MFC 无标题栏窗口客户区拖动：三种方法对比","MFC 对话框去掉标题栏后如何实现拖动移动窗口，三种方案完整实现与适用场景分析","2022-08-16",[443,246,394],1633,{"slug":469,"title":470,"description":471,"pub_date":472,"tags":473,"draft":15,"word_count":475},"algorithm-number-complement","整数的补数：位运算掩码解法","LeetCode 476 题，用掩码 XOR 实现整数补数，附 C++\u002FPython\u002FJava 三种实现及补数与补码的区别","2021-03-08",[187,474,293],"位运算",1374,[]]