小狮博客
Claude Code 是怎么悄悄认出中国用户的
这两天，技术圈被一条消息刷屏了。
thbcm的文章
对抗流量分析：一种基于固定包长和随机心跳的流量混淆方案
让我们看一个场景：假设你在使用一个加密聊天软件，每条消息发送时，网络上会出现一个约 1500 字节的数据包，每隔 5 秒准时出现一次。即使消息内容被 AES-256-GCM 加密得固若金汤，一个被动观察者依然能从中推断出大量信息：
我基于开源 AIOps 项目做了一个 SRE 实验排障 AI Agent
把学员的实验问题贴进来，AI 按主机拆分给出排障步骤、修复建议、验证命令和复盘笔记。 严格只诊断不执行命令——所有命令由学员手动复制粘贴，避免 v0.1 出安全问题。
常用编程语言和库的正则表达式性能对比
主要对比 C++ 标准库、PCRE2、Golang 标准库和 Python 标准库。此外还有一个 Golang 的代码生成方案，它可以把给定的正则表达式编译成 Go 代码： regexp2go
WebSocket 重连后的数据连续性补偿方案：缺口检测、REST 回补与留痕设计
你看了一眼 K 线图，没有跳空，没有断崖，价格曲线平滑。于是关掉告警继续睡觉。
GoF设计模式——备忘录模式
假设正在做一个文本编辑器，需要支持 Ctrl+Z 撤销功能。最直觉的写法是每次修改前把整个 Editor 对象的内部字段抄一份出来放到栈里：
Missing Semester Class1：course overview and introduction of shell
Shell 本质是命令行解释器，接收用户输入指令并传递给操作系统内核执行，不同操作系统默认 Shell 不一样：
Java Swing 图形用户界面实验 —— 从算术练习到游戏开发的完整实践
核心类职责：
零基础认识大语言模型（LLM）工作原理(4.Attention：模型是怎么看懂上下文的?)
下面是目录
【Agent Harness】Gliding Horse 上下文感知与智能压缩：让 Agent 的“注意力”永不偏移
Gliding Horse 给出的方案是一套 上下文相关性感知与智能压缩系统。它不仅仅依据“最近有没有用到”来淘汰信息，而是实时计算每条历史摘要与当前任务的 语义关联度，并融合话题连贯性检测，确保 LLM 的上下文窗口永远聚焦在最有价值的内...