codedump的电报频道

我非常遗憾现在的出版业成了量产这类垃圾内容的助推者。 反观我认真写作一年多的作品，问了好几个原先认为还有些品味的出版社，无人问津。

#开源项目 #人工智能 我正在做的一个开源项目docq：一个基于本地文档的问答引擎。 考虑这样的场景：在本地目录积累了很多私人文档，突然想起来某个问题，又不知道具体在哪个文件（甚至可能是需要结合多个文件）和答案。这时候就可以利用这个本地文档问答引擎来提问。也就是说，这个本地问答引擎，可以基于本地的一大堆文件，提出问题并且得到回答。 市面上有类似的产品吗？比如anythingLLM，它是将一个特定的文档拖到它的UI界面再进行提问，也就是说，此时要求用户清楚知道答案在哪个文档里面再进行提问；再比如开源的 qmd，它更像是一个“语义搜索版本的 grep”，提供的是搜索功能，而不是回答。 除此以外，这个产品是完全离线的，第一次使用时会把需要用到的embedding、reranker、推理模型下载下来，绝不上传用户的文档到云端，保证安全和隐私。默认采用的几类模型是：embedding（Xenova/bge-small-zh-v1.5）、reranker（BAAI/bge-reranker-base）、LLM（Qwen/Qwen2.5-3B-Instruct-GGUF）。 现在我的第一步的 poc 已经跑通，我将我博客上的共识算法和系统模型这两个章节的 markdown 文档放在同一个目录（加起来一共几万字），然后提出了一个问题：“multi paxos 相比 paxos 有哪些改进点”，回答的质量还不错，耗时有点多，花了将近 40 秒才完成回答（不过，里面有相当时间耗费在了加载模型上），我的机器配置是 Mac M1 Max 的 CPU、64GB 内存。

#开源项目 #Linux 开源 Linux 教程：《Linux Basics for Hackers》

codedump的电报频道 pinned a file

#分布式 #图解分布式系统原理 《图解分布式系统原理》在小报童上线，本系列的完整初稿全部在本人博客公开。 付费专栏提供的是排版后的精美pdf版本的下载，在pdf版本中：润色了文字，对比博客初稿多出了前言、目录、参考文献。 选择小报童的原因是因为跟微信强绑定，对国内的读者而言相对友好。附件提供了pdf版本的样章，有兴趣的读者可以看看。

#分布式 #Raft 《EzRaft: 100 行写一个分布式 KV 存储》

#sqlite 《How We Built a Zero-Disk, S3-Tiered Storage Engine for SQLite》 如何给 sqlite 加上远程备份一直是一个热点问题，这个文章提供另一种思路：通过 sqlite 的 VFS 接口，给 sqlite 的数据存储提供冷、热分层存储。

#播客 #人工智能 #AIInfra 《对游凯超3小时访谈》 《深度对谈 vLLM 团队：如何从零搭建一个成功的开源生态》 这两个播客质量不一，前者更好更专业，后者由于出自真格基金，主持人的提问和思考跟不上。时间如果有限，听第一个即可。

#分布式 #数据库 《Bigtable 二十年：架构的不变与变》

#人工智能 传统的软件行业，是有“边际效益”的：成本主要集中在软件开发期内，开发完毕之后，同一份软件给一个人用和给一万个人用，成本差不多。当然，如果是互联网行业的软件，多一个用户会多一些带宽和存储成本，但是总体而言，多出来用户之后的成本可以认为是满足边际效应的。 但是如今大模型领域则不是这样。姑且把大模型领域分为训练和推理两个阶段，前期花费大量成本训练模型完毕了还不算，模型部署上线后，推理的成本是实打实的：多一个用户的请求，就多一份不能被忽略的推理成本。 从这个意义上来说，就现阶段而言，模型推理服务（Model As A Service，MAAS）其实更像是制造业。区别在于：传统制造业，原材料和产出物，都是实体；而模型服务，输入和输出，是虚拟的数字物件token。

#数学 周末看了两个科普挂谷猜想的视频：李永乐老师的《挂谷猜想究竟是什么》，《一口气看懂王虹获菲尔茨奖》，个人觉得后者更好，有动画解释。勉强看懂了一些二维空间下的解释。 另外，也是从这个视频里，知道了豪斯多夫维数 。我们经常说的二维空间、三维空间指的是拓扑维度或者几何维度，这些维度都是自然数。而拓扑维度在描述分形的时候就遇到了困难，于是引入了这个豪斯多夫维数，它并不像拓扑维度一样总是自然数，而可能是非整数的有理数或者无理数。具体可以看上面第二个视频的解释。

#数据库 PGSimCity - PostgreSQL 工作原理可视化解析 PGSimCity 是一个 PostgreSQL 数据库引擎的 3D 可视化模拟工具，将数据库内部机制映射为一座虚拟城市，便于用户理解。它展示如 TPS、缓存命中率、WAL 流量等关键指标，并允许用户自定义事务频率、读写比例等参数，模拟数据库性能变化。用户可通过回放控制、交互建筑和预设场景（如检查点风暴、缓存激冷等）深入观察 PostgreSQL 的内部运作，包括缓冲池、检查点进程、自动清理与复制机制。该项目主要用于教学与原理展示，参考了大量权威资源，包含一个 4 分钟的引导教程，目前仍为早期原型。

#人工智能 《Clean Code for AI Agents》 这篇文章讨论了在2026年，当代码的主要读者从人类程序员转变为AI代理（如Claude Code、Cursor等）时，《Clean Code》原则需要如何重新排序和调整。 AI代理有独特的技术约束——上下文窗口有限、文件截断、依赖grep导航、每次工具调用都消耗token和延迟。因此，传统的代码整洁原则需要按新的优先级重新整理： 最重要的原则：小函数和小文件（适配代理的一次性读取）、单一职责（方便隔离推理）、独特有意义的命名（grep友好）、带原因和背景的注释（代理爱读注释，且不应被删掉）、显式类型（避免类型推断错误）、DRY（防止代理漏改重复代码）、可无头运行的测试（TDD成为技术义务）。

#数学 《菲尔兹奖没有意外！两位中国籍数学家创造历史》 中国籍数学家邓煜、王虹同时获得2026年菲尔茨奖。（以前在频道里提到过王虹，履历不算是一个数学天才型选手，非数学竞赛生出身） 和丘成桐、陶哲轩两位曾经获得菲尔茨奖的数学家不同的是，这两位一直到本科阶段，接受的都是中国大陆的教育。某种程度上，我认为他们的得奖是大陆基础教育的胜利。

#系统编程 《Everyone Should Know SIMD》

#投资 #世界观 《牛鞭效应与AI热潮》

#开源项目 Rust实现的linux 0.11版内核linux-0.11-rs。作者还开源了自己参加全国大学生比赛的编译器作品 GeeGeeGee。 在遥远的二十年前，同济大学的一位老师，也是完整解剖了这个版本的代码：《Linux 内核 0.11 完全注释》

#开源项目 #数据库 pgsqlite：实现了一个 PostgreSQL 协议适配层，让原本只能通过 SQLite 接口访问的数据库，就像一个 PostgreSQL 服务器一样，用于简化开发/测试基础设施中的数据库准备。

#投资 #人工智能 十年过去了，更新了知乎问题“2016 年你买过的最物有所值的东西是什么？”的回答。