技术专栏 第17页

最近一段时间集中处理了一批问题。下面按主题把其中有代表性的记下来。

你可能没听过。它只有 14 个 star。正常来说这种项目我扫一眼就划走了，但这次我多看了两眼，结果一看就是一下午——因为作者的玩法跟一般开源项目完全不一样。

转折出现在某个季度末。同一个降级开关的配置问题，三个月里踩了三次。每次都能在半小时内恢复，所以每次都不算“事故”。第三次之后我坐下来问自己：三次复盘都写了，为什么判断力一点没长？

最近在用 AI 看项目代码时,我开始关注一件事:

项目地址：github.com/wyfirstname/manim-ui

有
n 种蔬菜，每天最多卖
m 个单位。

第
i 种蔬菜有四个参数：

但演示之后是接入。前端要一张卡片：标题、摘要、三个字段、一个跳转链接。工单系统要一份草稿：分类、优先级、联系人、问题描述。动作层要一个可执行决策：是转人工、是查订单，还是继续追问。

关键差异：搜索引擎的倒排是”精确命中”；向量库的 ANN 是”近似相似”。所以现代系统常把两者叠加——用稀疏向量/标量过滤走精确，用稠密向量走近似，正是 Milvus 混合检索（hybrid search）和 ES 的
knn +
bool 组合的思路。

DeskBox 是一款免费开源的 Windows 桌面整理工具，用原生观感的 WinUI 3 小部件把桌面文件自动分门别类。

对于这个问题，有标准的解决办法：在 cc 和模型之间加一个 sidecar 代理（跟主进程跑在同一台机器上、专门做协议翻译的小服务），把 Anthropic 格式的请求翻成 OpenAI 格式再转发。但要把这层翻译接稳，得先搞清楚两套协议到底差在哪。协议只是 HTTP 接口的约定，比如请求打哪个路径、API key 放在哪个请求头里、返回的 JSON 字段叫什么。请求头就是 HTTP 请求里携带元信息的字段，身份凭证、内容格式这类信息都放在这里；这些跟模型本身无关，同一个模型可以同时挂在两套协议下对外。