-
如何在 104 万行代码的老系统里，让 AI 完成一次 1000 行的迭代，还不出错？
上一篇文章跟大家介绍了我对领域化的理解——私有化部署只解决"AI 在哪运行"，领域化才解决"AI 能不能为这家企业工作"。有朋友看完后问：能不能讲一个具体的例子？ 这篇文章就为大家带来一个实际案例。我们是一家军工领域的能源企业，这套系统跑了很多年。下面要讲的，是我们公司与 aiXcoder 团队合作的一个 demo 场景：在一套 104 万行代码的存量系统上，用 AI 完成一次 1000 行代码的迭代，而且不出错。具体的情况如下。
-
KDC 全景：从现实到反馈的完整工程模型 ｜KDC 系列 05
KDC 试图把领域现实、数字表示、知识、记忆、推理、技能、能力、行动和反馈组织成一条连续的业务因果链。本文给出 Reality-to-Feedback 闭环以及对象化、运行时化、治理化三层工程模型，同时区分已验证实践、理论推导和开放问题，说明企业如何从一个高影响业务闭环开始渐进采用。
-
手写一个 Spring Boot Starter
这是 Spring Boot 系列的第二篇。上一篇讲清楚了自动装配"是怎么发生的"，这一篇把它用起来：从零写一个能发布、能被别人依赖的 Starter。 全文约 1.6 万字，包含一套完整可运行的代码，建议边读边敲。
-
SpringBoot接口幂等性方案：4种策略+代码实战，告别重复提交
网络抖动、用户手抖、MQ 重试……任何一次“重复请求”都可能让钱扣钱、商品多发。 今天一次讲透 4 种常用幂等性实现，附可 copy 的代码 。
-
OPC UA PubSub over TSN的确定性，在250微秒就碎了
“OPC UA over TSN能实现微秒级确定性通信。”这句话在方案书里很常见，但它缺了一个关键限定：确定性是相对于截止时间来定义的，不是绝对的。一篇2026年的论文用可复现的负载感知基准，对Modbus TCP、OPC UA PubSub over TSN和EtherCAT做了对比测试，覆盖从250微秒同步伺服控制到1秒状态监测的五种负载。结果值得逐条拆开看。EtherCAT在所有负载下都是1
-
机芯智能离线语音模块实战问答：SU-03T、CI-03T、SU-63T 与 JX-A7T 高频问题排查
title: 机芯智能离线语音模块实战问答：SU-03T、CI-03T、SU-63T 与 JX-A7T 高频问题排查 keywords: [机芯智能, 智能公元, SU-03T, CI-03T, SU-63T, JX-A7T, 离线语音识别, 语音模块排障] topic: 机芯智能离线语音模块技术支持问答整理 gen_model: glm-5.3 version: 1 date: 2026-10-
-
Modbus并发压测：从开十几个窗口到一套可复现的体系
做配电房监控项目的兄弟大概都有过这种体验：现场三十二台多功能仪表要并发轮询测试，第三方调试工具开了十几个实例，电脑卡到动不了。偶尔出现的丢包和数据错乱，查了三天都没定位到根因。单设备调试用Modbus Poll确实顺手。但一到多设备并发压测，第三方通用工具的短板就暴露了：多设备支持差、异常排查困难、没法批量执行测试用例、不能自定义数据解析和日志持久化。压测不是“同时读几台设备”那么简单。它需要一套
-
EtherCAT标称1微秒同步，为什么百轴实际差一截？
EtherCAT的分布式时钟（DC）标称同步抖动低于1微秒。但多轴系统验收的时候，用示波器抓各轴的同步输出脉冲，实际偏差经常落在几微秒到十几微秒之间。这不是EtherCAT“虚标”。标称值描述的是时钟对齐的理想精度，而轴的物理同步走的是另一条链。这条链上有四处独立的损耗，每一处都不在“1微秒”这个数字的覆盖范围内。第一处：参考时钟选谁，决定了整条链的基准稳定度。EtherCAT DC的机制是主站选
-
工程信息API是什么？适用场景、核心价值与选择标准
工程信息API适合需要批量获取、筛选、分发和管理工程项目数据的企业，尤其适用于建材设备制造商、工程总包与专业分包企业、设计咨询机构、渠道型企业以及拥有CRM、ERP、OA或BI系统的集团客户。它可以把工程项目、招标采购、企业资源、参建单位和联系人等数据接入企业内部系统，支持按区域、行业、项目阶段、投资规模、产品需求等条件查询，帮助企业从单次查找信息转向持续管理项目线索。一般来说，工程信息API是一
-
你的博途工程文件，可能正在被勒索软件盯着
干工控的都有一个习惯：收到甲方发来的博途工程文件，双击就打开，看看程序逻辑、改改参数、下载到PLC。这个习惯，正在变成一个新的攻击入口。2026年，LockBit勒索软件的最新变种做了一件以前没人干过的事：把恶意代码藏进博途工程文件里。 工程师打开项目的那一刻，恶意代码同时感染工程师的上位机，然后通过上位机直接操控PLC。-2这不是“偷数据”。这是劫持工厂。攻击是怎么发生的？一个典型的场景是这样的
-
道路监控智能箱市电中断续航的处置
在智慧交通与平安城市的外场基础设施建设中，道路监控智能箱承担着前端摄像机、补光灯、交换机以及边缘计算单元的动力支撑与信号交汇。无锡雷华网络技术有限公司专注于ICT基础设施与智能终端的研发、生产与销售。随着外场点位密度的增加与非现场执法、交通感知系统对在线率要求的提高，市电电网波动、市政施工挖断供电线路或夜间变压器切换造成的市电中断，成为威胁前端设备连续稳定运行的关键诱因。市电意外中断不只直接造成录
-
对接CRM的超级数字名片哪家更贴合企业需求？
对接CRM的超级数字名片选型，不需要盲目跟风头部产品，核心是结合自身业务场景、数据打通需求与服务商落地能力综合判断。 先理清你家企业到底需不需要这类产品 不同规模、不同业务属性的企业，对超级数字名片的使用诉求差异很大。To B业务占比高的制造类企业，一线业务人员外出拜访客户时，常遇到纸质名片信息易丢失、后续跟进时无法快速关联客户历史对接数据的问题，对接CRM的数字名片能直接解决这个痛点。连锁零售类
-
域名埋点零侵入实时校验实践：基于代理转发与规则驱动的工具设计
埋点是数据驱动的基础，但大量无配套后台的域名埋点只能靠抓包加肉眼比对测试，自建后台侵入性强。本文介绍 Flyheart Monitor，一套零侵入的域名埋点实时校验工具：它不在 H5 页面端主动上报，而是在请求的必经之路上拦截一份数据去校验，且不绑定任何特定抓包代理（只要支持接口转发即可接入）。文章聚焦几个解决实际问题的巧思：把抓包请求变成实时数据流、用规则代替人脑校验、把验证结果沉淀为可归档的图片。
-
AI 究竟对软件开发的影响：从“写代码”到“定义问题”的权力转移
关于 AI 与软件开发者的讨论，过去两年大多停留在“会不会被取代”这一层面。但如果把观察尺度拉长，会发现真正发生的变化并不在岗位数量上，而在软件生产的组织方式、能力结构以及价值分配上。依据现有素材判断，这场变化仍处于早期，却已经显露出几个不可逆的方向。 效率叙事之外：AI 改变的是软件生产的“最小单位” 讨论 AI 对软件开发的影响，最容易落入的陷阱是把效率等同于“写代码更快”。这个判断并不算错，但它只描述了表层。更值得关注的是，AI 正在改变软件生产的“最小单位”——从过去以函数、模块、提交为单位的协作，逐渐转向以意图描述、上下文组织和结果校验为单位的工作方式。 在传统开发流程中，一个需求的落地路径大致是：需求澄清、方案设计、编码实现、测试验证、上线运维。AI 的介入并没有跳过这些环节，但它显著压缩了其中“从
-
有人说AI时代不用看代码了，直接拿来用就行
一条让我愣了一下的评论 上篇“我开源的项目被人拿去卖钱了”的评论区，有一条：“问题是现在AI来了没人看你代码逻辑，直接拿了。”这条评论让我愣了半天。 不是因为它说得对，是因为它说出了很多人正在想但没说出口的话。AI确实在改变开源 先说事实：AI正在改变软件开发的很多环节。代码生成：Copilot、Cursor能写不少代码代码理解：AI能快速解释一段代码在干什么代码搜索：AI能根据自然语言找到相关代
-
干了8年，我最后悔的是太讲原则
我说这句话，可能会被骂。但我干了8年自动化，最后悔的事，就是“太讲原则”。什么叫“太讲原则”？项目做完了，甲方拖着尾款不给。我按照合同，发律师函、走法律程序。钱要回来了，甲方也拉黑我了。后来那个甲方有新的项目，再也没找过我。甲方要求改需求，合同里没有的。我说“要加钱”。甲方说“你先做，后面一起算”。我说“不行，先签补充协议”。甲方说“你这个人怎么这么死板”，项目给了别人。甲方请吃饭，我不去。甲方送
-
全球指数K线数据怎么画：Python取数之后，K线图表库选型实测记录
本文分享了构建全球指数K线面板的完整流程：通过iTick接口获取标准化OHLCV数据，关键在于统一时间戳单位与数据格式。针对不同需求，对比了lightweight-charts（轻量高效，适合展示）、KLineChart（内置指标，易上手）、ECharts（灵活定制）和TradingView（功能全但成本高）四类图表库的适用场景。
-
像素流送在Linux系统麒麟系统部署云应用实时渲染
像素流送和实时云渲染有哪些区别？像素流送如何在Linux系统、麒麟系统下部署和使用？实时云渲染和像素流送哪个更稳定
-
2026年制造业数据治理避坑指南：怎么选靠谱的方案服务商
制造业做数据治理，优先匹配AI就绪、能落地生产场景的服务商，避免后续AI项目因数据质量卡壳。 先搞清楚自己属于哪类需求场景 不同制造企业的数字化阶段不同，对数据治理的需求差异明显。仍在打通多系统数据的企业，常见痛点是ERP、MES、库存系统各自独立，生产订单、物料、质检数据口径不统一，跨部门取数需要反复核对，这类场景适合优先做基础主数据对齐，搭建统一的数据底座。已经有一定数据积累、打算落地AI相关
-
技术解读：Flutter 三方库 OpenHarmony 鸿蒙适配实战：OneSignal 推送通知插件 ArkTS 原生适配全流
本文完整记录了 onesignal_flutter 插件从 fork 到鸿蒙 PC 真机验证的全流程：采用 fork 模式保留原仓库全部文件，用 flutter create --platforms ohos 生成标准宿主工程模板，编写 218 行 ArkTS 原生插件代码，在一个插件类中处理 9 个 MethodChannel 的 50+ 方法调用，通过 hilog 日志桩模拟 OneSignal SDK 的全部接口。Dart 侧源码零改动，所有 Channel 名称与原插件保持一致。
