Marico's space

最近在折腾数据管道的自动化，Airflow 这个名字出现频率极高，干脆上手试试。这篇文章算是学习笔记，原文是篇很标准的入门教程，结合实操体验重新整理了一遍，加了点踩坑心得。 如果你也写了 ETL 脚本但还在手动跑，或者想了解怎么把这套东西整到生产级别，这篇应该有用。 ----------------------------------------------------------------

前几天看到一张账单，一周下来 LLM 调用费用近 1.5 万美元——一个客服 Copilot，把同一套 FAQ 上下文反复塞进 prompt，一周之内同一段输入 token 被重复付费了约 41000 次。🤯 第一反应当然是去找 GPTCache 之类的中间件。但看了一眼它的依赖图，陷入了沉思……真的需要那么多轮子吗？ 于是我认真想了想：100 行 Python 能搞定吗？ 答案是：能。而

2025年9月25日，PostgreSQL 18 正式发布。如果你是在冲刺计划中间隙扫了一眼发布说明，然后把它归档为"小版本升级"，建议回头再看看。这版本里落地的五件事，恰好就是你们团队 2023 年在 Confluence 上建的那个"可能需要把部分业务迁移到 Mongo / Dynamo / Cassandra"文档的五个理由。 现在你可以停更那个文档了。你当初标记的那些场景，大部分现在在

这篇文章不是软文——SerpApi 本身也不是什么新鲜玩意儿了。写的是实打实的工程经验：认证怎么过、返回的 JSON 结构到底长啥样、额度怎么省、LangChain 里怎么接，以及那些文档里不会写但人人都踩的坑。 如果你正在做 AI Agent、SEO 工具、比价爬虫，或者任何需要搜索数据的产品，这篇值得花 5 分钟看完。 认证：别把 KEY 写进代码 SerpApi 的认证是整个流程里最

这篇文章不是软文——SerpApi 本身也不是什么新鲜玩意儿了。写的是实打实的工程经验：认证怎么过、返回的 JSON 结构到底长啥样、额度怎么省、LangChain 里怎么接，以及那些文档里不会写但人人都踩的坑。 如果你正在做 AI Agent、SEO 工具、比价爬虫，或者任何需要搜索数据的产品，这篇值得花 5 分钟看完。 认证：别把 KEY 写进代码 SerpApi 的认证是整个流程里最

别再把 Agent 记忆系统搭在向量数据库上了。这是在给团队挖坑。 Vector RAG 在演示里看起来很优雅。传个查询，返回相似片段，塞进 context，搞定。但扩到多个 Agent 长期协作的时候？崩了。彻底崩了。 原因就一个：RAG 把检索和协调混为一谈了。它假设所有知识都是可叠加的，冲突不存在，Agent 不会互相覆盖。实际上？冲突存在，Agent 互相覆盖。 你真正需要的不是检索

如果你直接用过 Azure Cosmos DB，就会知道那种痛苦：手写原始 SQL 查询，管理参数化输入，数据入库前没有任何验证。 对比一下查询 100 美元以下电子产品的两种方式： 原始 @azure/cosmos SDK，要写一个 query 对象，parameters 数组手动拼参，一不小心就 SQL 注入。而用 Cosmoose，直接 Product.find({ category:

你身边有没有这种人：同一个 Claude Code，他用得风生水起，你用两周就被限流五天？ 说实话，这事挺让人挠头的。同样的工具，体验能差出十万八千里。不是天赋问题，是方法问题。那些二十分钟烧光 token 的人，往往连问题出在哪都不知道——没人教这些。 所以今天聊点干的：怎么正确使用 AI 编程工具，省 token 的同时还能拿到更好的结果。是的，你没看错，方向一致，不是 trade-off

你还在用「会不会用 AI」的维度衡量程序员？过时了。 2026 年的今天，真正拉开差距的是——你会不会用 AI 浏览器工具。不是那种 ChatGPT 聊天，而是让 AI 真正接管浏览器，替你干活。 这篇是浏览器工具系列的第二篇，讲框架。第一篇讲了底层基础设施（远程浏览器、CDP、无头 Chromium），没看的先去补。今天要聊的是：browser-use、Stagehand、Skyvern这几

按语：说实话，这篇文章读到一半我就感觉被暴击了——做技术博客这么久，SEO 检查从来没进过 CI/CD（持续集成/持续部署）流水线，全凭感觉和玄学。直到被产品经理指着流量报表质问，才意识到我们连最基本的关键词分布都没做验证。作者用两周时间同时跑两个工具跑出了一个 200 页的内容站，这种实操经验比任何官方文档都有说服力。翻译过程中我结合自己踩过的坑做了不少本地化调整，特别是把 Gatsby 换成了