全部文章
- 工程与管理稀疏交易信号如何做 A/B：可观测、可回溯、可实验的量化系统交易信号本来就少，传统小流量 A/B 会把样本切得更碎。更合理的机制是六组全量 Shadow、Top2 Live、Switchback 与序贯判断。
- Agent框架Evidence-Gated Debugging：如何防止 AI 排障给出错误结论一次真实的 AI 排障翻车复盘——AI 先认定根因、后验证调用链，覆盖率数字三次变化，未经验证就写入生产数据库。从中提炼出"证据门控排障"方法论和八道防线，附可直接落地的 AI 排障协议。
- 工程与管理量化交易的 10 个博弈指标：不是看数字，是看制约关系最大回撤、期望值、盈亏比、Sharpe、Calmar——这 10 个指标之间有很强的相互制约。提高胜率往往降低盈亏比，降低回撤往往牺牲收益。关键不是优化单个数字，而是理解取舍。
- 工程与管理广告计费四视角 → 交易盈亏四视角：CPM / CPC / OCPC / OCPX 的同构映射从 CPM 到 OCPX，广告计费模型经历了四次进化。交易系统的盈亏拆解完全同构：信号级→交易级→模型驱动→深度目标优化，每一级都是在向更智能的方向演进。
- 工程与管理Agent 的渗透路径：从 Browser 到物理层的六级下沉Agent 不是在替代 B/S 或 C/S，而是沿着计算机体系逐层下沉——从替人点页面，到替人管系统，再到替人控制物理世界。越往下，Agent 越不直接执行，而是生成策略。
- 工程与管理量化交易的 AI Native 演进：从调 API 到 Agent 自主迭代量化交易的三个阶段：AI Token（用AI写策略）→ AI Enable（AI参与研发全流程）→ AI Native（Agent自主发现、验证、部署策略）。附实战演进路径。
- 工程与管理物理时间模型：时间为什么有序？物理学方程几乎全是时间对称的，那时间的"方向"从何而来？从热力学第二定律到因果结构，从输入粒子到不可逆分叉——一个工程师视角的时间本质探索。
- 工程与管理统一风控闸门：Account Risk Engine 的设计思路交易系统里每个策略都有自己的风控逻辑——分散、不一致、难维护。ARE 把它们统一成一个 pre-trade risk gate，类比广告系统的预算控制。
- 工程与管理iTerm2 选中文本突然失效？一次 AI Coding 工具鼠标劫持回归的排查某 AI Coding 工具新版本劫持了终端鼠标事件，导致原生文本选择失效。排查过程、根因分析、一行命令修复。
- Agent框架LLM WIKI：让 AI 替你管理和生长的知识库Andrej Karpathy 提出的 LLM WIKI 概念——不是另一个笔记工具，而是一个由大模型自主维护、持续更新、自我生长的"数字第二大脑"。从"被动存储"到"主动整理"。
- 工程与管理服务器迁移的中场：MySQL 主从复制 + Redis REPLICAOF 持续同步方案机房搬迁的核心不是"搬数据"，而是"在搬的过程中不丢数据"。一次 MRD 评审通过后的详细设计复盘。
- 工程与管理迁移后 Connection Refused：被遗漏的 localhost 依赖服务迁走了，本地调用方还指着 localhost:8097 直连。搜了 Nginx 和 yml，漏了代码里的 HTTP client 硬编码。
- 工程与管理两天从 MRD 到上线：一个新策略引擎的研发闭环某交易系统一个新策略从需求文档 → 65个测试 → shadow 灰度 → 全量扩展的完整工程复盘。不是炫耀速度，是复盘流程。
- 工程与管理Shadow Mode：新功能上线的零风险验证模式127 个 commit 里，shadow 这个关键词出现了 20+ 次。从新策略到风控引擎，所有新功能上线前都在旁路先跑几天。这是怎么做到的？
- 工程与管理交易是人性的博弈，结构是因，价格是果四年交易系统演进教会我一件事：价格是最后的结果，结构才是原因。所有策略、风控、自动化的本质——不是预测价格，是把自己的人性关进笼子里。
- 工程与管理110 个测试全过，但代码丢了——多 Agent 并发编辑事故复盘多个 AI Coding Agent 同时编辑同一个文件，后提交的静默覆盖了先提交的改动。commit message 里有这个 feature，代码里却没有。
- Agent框架Agent 提效：从"人盯盘"到"机器跑业务"Agent 不是替代人，是放大效率。用广告系统的 OCPC 自动出价类比 Agent 自动决策——本质都是把重复判断交给机器，人只做例外处理。
- 工程与管理从轮询到推送：止盈不再等 30 秒Fracture v4 收尾上线，同时 pump-sniper 的止盈从 30 秒轮询改为 WebSocket 实时推送。延迟从分钟级降到秒级——在波动大的市场里，这可能就是盈亏的分界线。
- Agent框架AI Foundry 深度解析：企业 AI 应用工厂的本质如果你建过广告投放系统，AI Foundry 的逻辑就好懂了——模型是广告位，Agent 是投放策略，数据飞轮是效果反馈闭环。
- 工程与管理三线并进的一天：CMS、EV Engine、Fracture v4 同时开工一天之内三个独立模块并行推进——动量做空、期望值统计引擎、裂缝信号升级。不是多线程切换，是三个完整的设计→实现→部署流程。
- 广告系统为什么你的数据库那么慢：连接池原理深度解析一次数据库连接到底有多贵？从 TCP 三次握手、TLS 协商到内存分配，全面拆解连接池的工作原理。附生产环境调优参数和常见问题排查。
- 工程与管理从硬止损到自适应恢复：Recovery Mode 的进化持仓被强平或外部关闭后，旧逻辑是等 N 小时再重试。Recovery Mode v2 把它改成了状态机——根据恢复质量动态调整冷却时间和入场评分。
- 推理优化Continuous Batching：推理吞吐的翻倍密码从 Static Batching 的"等最慢的人"到 Continuous Batching 的"随时进出"——用广告请求批处理的动态调度类比，彻底搞懂。
- Agent框架Agent 框架设计：用广告竞价系统类比决策引擎从 Tool Calling 到 ReAct 到 Multi-Agent——如何用你熟悉的广告出价系统（OCPC、预算控制、多广告位竞价）理解 Agent 架构的核心逻辑。
- 工程与管理重启不丢上下文：交易系统的状态持久化服务重启后，推荐器的 BOCPD 追踪器、信号服务的状态全部丢失，需要重新预热。一次重启 = 数十分钟的策略真空期。状态持久化就是解决这个。
- 工程与管理58 个测试 + 保证金硬阻断：给做空策略上双保险MT Rank Snipe 上线前写了 58 个测试，覆盖多策略并发、数据异常、订单异常。同一天，MARGIN_HARDLOCK 登场——保证金比例过低时直接硬阻断。
- LogClaude Code deep-research 模式：一次搜索，把 token 拉爆了体验了一把 deep-research 模式，看着 token 计数狂飙。这个功能是好东西，但用起来有几个坑必须知道。
- 工程与管理多信号联合把关：不止看一个指标，看一组单一信号开仓的风险在于被噪音触发。AddFundShortGate + L-Signal Gate 把两个信号源和一个 squeeze 检测组合在一起，三个都点头才开仓。
- 工程与管理卖出也不能随便：设计一个三步风控闸门交易系统里买入有风控，卖出往往直接放行。500SellGate 把卖出也关进三道闸门里——不是不让你卖，是让你想清楚再卖。
- 推理优化KV Cache 与 PagedAttention：推理的内存战争为什么 KV Cache 是大模型推理的头号内存杀手？PagedAttention 如何用 OS 的分页思想解决——用广告正排索引的分层加载类比，彻底搞懂。
- 工程与管理做多了：LONG_SNIPE 策略上线之前所有策略都在做空。LONG_SNIPE 是第一个做多策略——L 信号 ≥5 的 confluence 做多，动态加仓，宽止损追踪。
- 工程与管理让系统自我调优：Emergence 在线学习系统策略参数不是静态的——市场变了，最优参数也变了。Emergence 系统通过 unlock-review → 自动调参 → 性能报告，让参数随市场自适应。
- 工程与管理从零搭建做多信号框架：L1-L22之前只有做空信号。6 月 25-26 日两天搭完了做多信号框架——从反向提取已有做空信号，到独立设计 22 个做多信号。对称思考，非对称实现。
- 工程与管理STS：一个策略从设计到上线的完整过程Surge Trailing Short 从设计文档到 Phase 1 实现，再到删掉 5 个退出条件的大幅简化。24 个 commit 里最有趣的是——删的比加的多。
- 推理优化PD 分离：大模型推理的第一步优化Prefill 和 Decode 为什么要分开部署？从计算特征到工程实践——用广告检索的召回/排序分离类比，一步拆透。
- 工程与管理一天上线三个检测器：DcGuard + SurgeGrid + HedgeShort6 月 21 日，三个独立检测器同时上线——对冲保护、放量做空、网格对冲。为什么能一天三个？因为每个都复用了相同的信号管道和执行引擎。
- 工程与管理Early Hedge Lock：三层预锁，在爆仓前锁住风险Hedge Lock v1 不是止损——止损是事后处理，预锁是事前预防。L1/L2/L3 三层分级，根据风险等级逐步收紧。
- 推理优化AI 芯片核心概念：用广告系统类比理解 NPU算子、计算图、显存层次、流水线——用广告检索漏斗类比 AI 芯片底层逻辑。从 NPU 架构到算子调度，帮广告和推荐系统工程师快速理解 AI 芯片核心概念。
- 工程与管理新项目的头两天：不是写代码，是写文档一个交易系统项目的 bootstrap 过程——前 26 个 commit 里有 20 个是文档。模块地图、运行手册、架构决策记录、部署手册、编码审计。代码只有两行：dry-run 模式。
- 工程与管理接上外部信号：TradingView API 集成 + 做多保护系统接入了外部信号源——TradingView 的 Webhook 告警。同时加上了做多持仓保护（Long Lock Protect），防止做空策略误伤多头仓位。
- 工程与管理一个交易系统的前几行代码：推荐器 + 一键清仓 + 多账户项目最早期的 commit——推荐器、一键清仓、多账户支持。不是架构设计，是"先把能用的东西跑起来"。
- 工程与管理交易系统的胚胎期：13 个原型 commit4 月的 git 记录只有 13 个 commit——持仓保存、强制平仓、加人。这个月没有策略、没有信号、没有风控。只有"先试试能不能跑"。
- 工程与管理三月：从手动操作到自动化交易3 月只有 3 个 commit，但每个都是里程碑——资金费率驱动卖出、部分平仓、仓位拆分。在手动操作到自动交易的临界点上。
- 工程与管理二月：告警生命周期 + 按权重加减仓二月只有 6 个 commit，但完成了两件重要的事——告警的启停生命周期管理，和按权重分配资金。从"能跑"到"可控"。
- 工程与管理一月：新年的第一行代码，资金费率 + Redis 锁2026 年第一天的 commit 是 fundrate init。一月围绕三个基石展开——资金费率信号、Redis 分布式锁、分层加仓。没有这些，后面的策略全跑不起来。
- 工程与管理2026：AI 时代的工程师生存指南当 某AI Coding工具 能写出 90% 业务代码时，工程师的核心价值在哪里？不是 coding 速度，而是系统判断力。
- 工程与管理2025：稳定运行的一年——风控、Redis 统计、多用户2025 年 57 个 commit，相比 2024 年策略创新少了很多。但这一年做了一件更重要的事——把系统从"能用"变成了"可靠"。
- 工程与管理从广告系统到 AI 芯片：我的技术转型思考十年广告系统经验如何迁移到 AI 芯片业务——索引压缩与量化、截断策略与 KV Cache、漏斗优化与推理加速的底层共通性。
- Agent框架某AI平台 实战：客户无效智能体诊断平台用 某AI平台 搭建客户经营诊断系统——自动发现无效投放问题，智能体策略推荐。实战效果：客户无效率明显下降。附完整架构和踩坑记录。
- 工程与管理2024：自动交易引擎的诞生——smart trade、救援模式、条件单2024 年 59 个 commit，从 smart trade 到 rescue 到 conditional order。这一年系统从"自动运行"变成了"智能交易"。
- Agent框架某AI Coding工具 + AI Agent：研发效能的范式转移基于 某AI Coding工具 构建研发 Agent 工具链的真实体验——从代码生成到业务全托管，研发效率提升了多少？
- LogTwitter @underfine2 的一些碎碎念在Twitter上关注了一些很有意思的技术博主，偶尔也会发一些自己的想法。社交媒体的技术价值被低估了。
- Agent框架AI Agent 实战：让代码替你跑业务如何用 AI Agent 实现广告 某业务线 业务全托管——从 prompt 设计到 tool calling，以及为什么大多数 Agent 项目会失败。
- Log我的 交易体系：道与术Ichimoku + Volume + KDJ 三件套，加上仓位管理和心态控制。交易和写代码的底层逻辑惊人相似。
- 广告系统CTCVR 模型：广告后效优化的核心引擎CTCVR 模型如何驱动 TROI 优化——从多任务学习到 ESMM 架构，以及在百度广告系统中的应用效果。
- 工程与管理2022-2023：一切的起点——init、首次自动运行、告警重启从 2022 年 9 月的 init commit 到 2023 年 5 月的 AlertRestart。8 个 commit，跨越 8 个月。一个交易系统的起源故事。
- Log$CHAT + AI 叙事：当 ChatGPT 遇见市场2023年ChatGPT火了之后，我买了一些AI概念币$CHAT。运气也好，判断也好，确实涨了。但背后的逻辑值得记录。
- LogStackOverflow 终于突破 500k impact从2018年开始在StackOverflow上回答问题，今天impact突破了50万。英文社区和中文社区的一些差异。
- 广告系统大模型重塑广告：一次生成式的尝试用 GPT 类大模型做广告创意生成和定向优化——效果惊人，但成本控制、推理延迟和生成可控性是三道必须解决的工程关卡。附实测数据和架构设计。
- 工程与管理管理 若干人团队两年后，我学到的最重要的事从 IC 到 TLM 的转型总结——这不是升职，而是换了一个职业。技术 leader 和管理者之间的微妙平衡。
- Log2021：入圈交易，交了不少学费2021年3月正式入圈，经历了牛市巅峰、519 暴跌、山寨币归零。第一年交的学费比赚的钱多，但建立了风险意识和交易纪律的基本框架。
- 广告系统从高截断率到近乎零截断：倒排截断的极致优化如何把广告召回的截断率从 5% 降到 0.19%，做到近似 limitless——动态截断 + 分场景策略 + 在线反馈闭环。
- 广告系统省掉千余台机器：广告索引压缩实战数百GB内存、千余台物理机的节省，背后是倒排索引结构重构、混合压缩算法和按需加载的组合拳。广告系统大规模索引压缩的完整实战记录。
- Log量化交易一年，我学到了什么广告系统工程师转战量化交易一年的实战总结。数据驱动思维在金融市场的碰撞——策略回测、实盘调优和风控，那些交易系统和广告系统的相似之处。
- 广告系统广告系统倒排索引：为什么你的召回又慢又漏详细拆解广告检索系统倒排索引的设计——从数据结构到截断策略，以及 P97 延迟优化 21ms 的实战经验。
- Log第一次跑完全马是什么体验2008年奥运会开始跑步，从公园3公里到全程马拉松42.195公里。12年跑步生涯教会我的事比任何一本书都多——关于坚持、痛苦和突破极限。
- 广告系统Embedding is All You Need：广告召回中的深度学习从手工特征到神经网络，用 DNN 嵌入搞定广告语义匹配。效果碾压传统方法，但训练样本构造、serving 延迟和线上一致性是三个工程落地关键。
- Log在百度知道帮了第100万人之后从2007年开始在百度知道回答问题，不知不觉帮了上千万人。技术人不应该只写代码，也应该把知识分享出去。
- 广告系统SHOWS 数十倍增长 的背后：广告智能匹配的工程实践一次让广告曝光增长数十倍的策略优化——将精确匹配升级为语义匹配，在毫秒级延迟内完成大规模召回。附技术方案选型、AB实验设计和线上效果数据。
- 广告系统高斯随机投影：一种低调的向量降维技术广告匹配场景实战：用高斯随机投影把高维稀疏向量压缩到低维空间，既保留距离信息又大幅加速检索计算。附数学原理和工程实现细节。
- 广告系统广告召回系统入门：从匹配到排序广告检索系统的基本架构拆解：从触发词匹配到倒排索引，再到粗排精排的多级漏斗。加入广告团队后的第一篇系统总结，帮你建立召回全链路的认知框架。
- Logshareyx.com，那时候我还有一个域名曾经我有一个域名叫 shareyx.com，做过技术分享和开源工具的小尝试。后来忘记续费域名没了，回顾那段折腾的日子和对个人项目的一些思考。