让 AI 自我进化:Meridian DevOps MCP 方法论
从 SDD 的设计时治理走到 DevOps MCP 的运行时治理,记录一次让 AI 先观察部署环境、再修代码、再反写项目级 skill 的 Meridian 实践。
标签
从 SDD 的设计时治理走到 DevOps MCP 的运行时治理,记录一次让 AI 先观察部署环境、再修代码、再反写项目级 skill 的 Meridian 实践。
一次生产环境 ID 语义不一致问题,我如何和 AI 从现场定位、架构裁决、Spec/Plan/Tasks 到代码收口与文档治理,完整走完一轮高风险改造。
花在 AI 编程的时间越多,对职业生涯的担忧反而越少。编码只是流程的一环,工程师真正的价值在于定义问题和维护系统的秩序。
一个技术上成立、工程上完整的 AI Gateway 项目,为什么最后仍然不值得继续做下去,这篇文章记录的是一次关于取舍的复盘。
结合五个真实项目,复盘我如何把 AI 从代码生成工具变成工程执行伙伴,以及人类工程师仍然必须亲自做出的关键判断。
写在前面最近在玩的同时,整理了一些之前的工作的内容,在重新翻看之前写的关于秒杀活动的代码,里面关键性的使用到了 Kafka 进行流量削峰,这是一个常规操作。我认为程序员的技术栈,不能只有“增删改查”,掌握 更多的底层技术,是一个非常明智的选择,这是我在刚入行时就知道的一个道理。从我进入大学开始,技术圈的
Mutex 基础sync.Mutex 是 Go 提供的互斥锁,在多 goroutine 环境下用来保护共享资源。可以确保同一时刻只有一个 goroutine 能执行锁边界内的代码段,防止数据竞争。 12345678var mu sync.Mutexvar count intfunc increment(
这两天家里新装了一个千兆宽带,因为之前就了解过梅林固件,知道其实路由器也有很多玩法。然后最近不是失业了嘛,就想着可以做一些网络相关的东西,提升一下技术,也顺便丰富一下简历,方便找工作。所以,这里我先试着搞一个智能负载均衡器吧… 目前的想法是写一个专注于流量管理、路由策略优化和网络性能监控的网络编程,比如