让 AI 写 SQL 和迁移脚本：语法没错，坑全在数据里
让 AI 写 SQL 和迁移脚本：语法没错，坑全在数据里在我日常用 AI 写的各种代码里，SQL 大概是“看起来最省心”的一类 语法它几乎不会写错，连窗口函数、递归 CTE 都信手拈来 让它写个报表查询，或者写个加字段的迁移脚本，几秒钟就好，读一遍也挑不出毛病 但正是这种“挑不出毛病”，让我吃过好几次亏 SQL 的坑很少出在语法上，而是出在语义、数据量和线上环境上——这三样东西，恰恰是 AI 在对话框里看不到的 这篇就把我踩过、或者差点踩到的坑整理一下，最后再说说我现在的做法 先交代背景：我平时主要接触 MySQL，也维护过一些 PostgreSQL 的项目 下面说到具体行为时，我尽量注明是哪个数据库；不同版本之间行为可能有差异，以你用的版本的官方文档为准
2026-10-10鱼鱼
AI 时代的编程语言选型：Python、Go、TypeScript、Rust 与 Java 怎么选
AI 时代的编程语言选型：Python、Go、TypeScript、Rust 与 Java 怎么选“该学哪门语言”“新项目该用什么语言”，这类问题每隔几年就会被重新讨论一次，而大模型的出现让它又多了几个新变量：模型和推理框架主要活在哪个生态里？AI 写代码时哪种语言更省心？Agent 要同时调用几十个工具、开几百个连接，并发模型撑得住吗？本文不做“语言排行榜”，也不宣布谁是赢家，而是从 AI 时代的选型维度出发，深入比较 Python、Go、TypeScript、Rust 四门语言，兼顾这个 Java 爱好者博客的主角 Java，再简要看看 C++ 与 C#，给出同一小任务的代码对照、一张综合对比表、按场景的选型建议、多语言组合架构思路，以及常见坑与 FAQ AI 时代选型新增的七个考量点
2026-10-08鱼鱼
RAG 在 Coding Agent 里：什么时候有用，什么时候添乱
RAG 在 Coding Agent 里：什么时候有用，什么时候添乱一提到让 Agent “懂我们的代码库”，很多人的第一反应是上 RAG：把仓库切块、嵌入、丢进向量库，提问时先检索再生成 听起来理所当然，我自己也做过 用下来的感受是：RAG 在 coding agent 里不是默认答案，而是一种有代价的缓存与索引策略 用对了能省上下文、提高命中；用错了会检索到似是而非的片段，把模型带进沟里 这篇文章想尽量说人话：哪些场景我愿意上 RAG，哪些场景我宁愿用“直接读文件 / 搜符号 / 开测试”的工具，以及怎么判断它在添乱 图片来源：原创示意图 Coding Agent 跟“企业内部知识问答”不一样 它通常已经有这些能力： 它缺的往往不是“百科”，而是：在正确的时刻拿到正确的那一小段代码，并且知道这段代码是否仍然有效
2026-10-10鱼鱼
ELK实战(Ⅰ) 基于ELK整合分布式业务日志
ELK实战(Ⅰ) 基于ELK整合分布式业务日志大多情况下，我们可能都习惯了使用linux指令查看日志，很多时候一句简简单单的tail、grep能定位绝大多数问题 但是面临复杂的目录结构和分布式系统产生的“分布式日志文件”，如果还要我们一个一个去查日志，就会耗费很多没必要的时间 可以利用ELK这套组件快速搭建一个日志系统 注意此文仅针对可能很多情况下格式不确定的业务日志，对于某些组件日志我们有更好的可视化实践方式，可以参考此系列的其他文章 对于一个日志系统，我们要确认我们的诉求，在不同的场景下采用不同的收集方式： 是否是分布式系统需要合并多个节点的日志 如果需要，则需要用分布式组件收集并合并日志，这也是一个日志系统最基本的要求；
2020-03-14鱼鱼
阻塞队列与Protobuf的Udp通信 - 基于Cat的代理(Agent)项目拆解
阻塞队列与Protobuf的Udp通信 - 基于Cat的代理(Agent)项目拆解CAT是美团点评的一个基于Java开发的异常和性能监控项目，github地址：https://github.com/dianping/cat 本篇文章不是对CAT本身的源码拆解，而是基于本人依赖CAT client开发的代理项目进行拆解，但是并不会纰漏任何技术细节 CAT当前已有很多不同语言的Client，当然暂且是不 CAT本身是通过CAT client收集数据并上报至CAT server，server会进行并，共有六种常见数据格式：Transaction、Event、Problem、Metric、HeartBeat、调用链标记，其实如果不考虑复杂的处理（譬如Metric是可以基于指标生成折线图，Problem可以根据具体的异常类型追溯到相应的会话Track）除去Transaction剩余的数据格式都可以理解为特殊的Event
2020-07-19鱼鱼
扫盲——加密那些事
扫盲——加密那些事扫盲加密解密算法 日常开发中我们经常接触MD5算法，以此进行简单的文件完整性校验或者是后台密码验证，MD5是最常见也是最简单快捷的散列算法，常用于参数或文件完整性校验，譬如网络请求发起方与接收方分别对参数做MD5编码，一旦不一致便判断请求被篡改从而拒绝该请求，从而保证信息安全，编码后的字符串是编码前文本的一个简要梗概，因此它也被称作是信息摘要算法 这个算法的特点就是不可逆，只用于信息准确性和防篡改的校验，当然，MD5作为老牌的散列算法，很多经典的编码已经可以被反向解码出来（依靠正向的暴力穷举）以及被碰撞模仿（王小云院士团队的"破解"能够根据MD5编码后串码模拟原始消息，即使它可能与原信息不同），类似的还有SHA1，因此衍生了SHA224、SHA256、SHA512等更多安全的散列算法
2021-05-14鱼鱼
让 AI 重构老代码，我宁可它一次只动一小步
让 AI 重构老代码，我宁可它一次只动一小步我手上有个老项目，里面有一个结算相关的 Service 类，六百多行 最长的一个方法两百多行，if-else 套了五六层，中间还夹着几段被注释掉、但没人敢删的代码 每次需求要动它，大家都绕着走，能加个分支就加个分支 有一天我终于下决心收拾它 那时候我已经用 AI 写了不少代码，心想重构这种“体力活”，交给它正合适 结果第一次尝试，差点让我对“用 AI 重构”这件事彻底失去信心 后来换了一种做法，才算顺利做完 这篇就讲讲这两次的区别 我把整个类贴给 AI，说：“这个类太乱了，帮我重构得清晰一点，保持功能不变 ” 它给我的结果，单看确实漂亮：长方法拆成了十几个小方法，几种结算方式抽成了策略类，变量名全换成了更有意义的名字
2026-10-11鱼鱼
Kafka服务端集群原理
Kafka服务端集群原理kafka是家喻户晓的消息队列，也因“纯粹”而闻名（高性能高吞吐、扩展较少较为简单），此篇文章整理Kafka的基本架构，将按照Kafka的版本迭代分别展示架构的演进（截至版本3.0） 我们在这里暂且只讨论Kafka服务端，对于生产者和消费者的逻辑简单带过 扫盲一下Kafka的部分概念： Producer mq生产者通用叫法 作为消息的生产者，在生产完消息后需要将消息投送到指定的目的地（某个topic的某个partition） Producer可以根据指定选择partition的算法或者是随机方式来选择发布消息到哪个partition； Consumer mq生产者通用叫法 消息消费者，向Kafka broker读取消息的客户端;，负责订阅和消费消息
2022-03-10鱼鱼
Redis原理-源码解析：数据结构3 hash
Redis原理-源码解析：数据结构3 hash 所有原理实现基于Redis版本6.0.9 hash在Redis中可以认为是套了一层的string，当然，对hash来说没有数字类型 让我们依旧通过基本命令看看hash的基本数据结构实现 在set方法中我们看到了hash的初始创建过程，一个hash最开始是zipist 想要了解ziplist可以看Redis原理-源码解析：数据结构2 list ，是为节省内存而生的链表格式 所以其实在使用ziplist时其查询的时间复杂度不是遵循hash的近似O(1)，而是O(n)，但是在数据量不大时，这种性能的损失微乎其微，并且能预见到大多数使用hash的场景都不会存储过多的字段 所以优先使用了更节省内存空间的ziplist
2020-11-29鱼鱼
第一次用 AI 改 bug 的真实节奏
第一次用 AI 改 bug 的真实节奏第一次认真用 AI 改 bug，不是那种“帮我写个排序”的玩具题，是线上真出了问题：某个接口偶发超时，日志里只有一句 Read timed out，复现不稳 我那会儿把堆栈和一段相关代码扔给 AI，它很快给了一版“优化建议”——加超时、加重试、换连接池参数 看起来很专业，我差点就合进去了 后来自己又翻了半小时才发现：真正的原因是下游在高峰时返回了一个空 body，客户端按固定 schema 去解析，偶发抛异常，异常被上层吞掉，最终表现为超时 AI 那套建议能“缓解症状”，但治不了病，还可能把问题藏得更深 这篇文章想写的，是我后来慢慢摸出来的一套节奏：怎么描述现象、给什么上下文、什么时候该自己看代码
2026-10-10鱼鱼
动态路由数据源（多租户）解决方案
动态路由数据源（多租户）解决方案当下有很多服务都使用了多数据源，或是出于跨库查询或是分库分表、读写分离等，多数据源解决方案早已不是稀罕事 常见的解决方案包括使用多数据源框架(例如Shareding-Jdbc)、在数据库端做代理（例如MYCAT）、对于固定的几个数据源连接，也可以直接手动配置多个数据源，这种相关处理有很多源码，我在github上也有简单的实现：fishstormX/dynamicDataSource: 动态数据源的实现，基于maven自定义多模块骨架 Spring Boot2.0.x，本文实现的是动态数据源，主要为了解决 多租户问题（不同的用户群组有不同的数据源和配置，强调数据的隔离性） 本文技术能实现的是动态数据源，基于Spring框架，即能够将注入的Datasource根据租户不同使用不同的来源，同时根据租户增减动态的增删和缓存数据源（增是因为会有新增租户可能使用到项目启动后的数据源，减是因为租户数不可预料，不可直接缓存所有的数据源）
2021-01-07鱼鱼
MCP 协议入门：给 Agent 一个统一的“工具接口”
MCP 协议入门：给 Agent 一个统一的“工具接口”当 Agent 需要接入越来越多的外部能力——文件系统、数据库、GitHub、内部系统——每个工具都要自己写一套适配代码，非常繁琐 MCP（Model Context Protocol，模型上下文协议） 就是为了解决这个问题而提出的开放协议，由 Anthropic 发布，目标是让“AI 应用”和“外部工具/数据源”之间有一套统一的对接标准 本文从动机出发，讲清楚 MCP 的角色、能力、消息流程，带你用 SDK 写一个最小 Server，再用不依赖 SDK 的方式手写一遍协议交互来理解本质，最后总结安全注意事项、常见坑和 FAQ 从 N×M 到 N+M：Host、Client 与 Server 的分工
2026-10-08鱼鱼
