对话 Maker & 多年跨界学习的斜杠青年 00

‍‍by AIopusMixlab谁写的书籍最多？@薛志荣 写了三本很不一样的书。shadow薛志荣大家好，最近我终于闲了下来可以写公众号了，因为我已经完成了一个小目标：在30岁以前写完三本很不一样的书。第1本是18年出版的跟AI&UX相关的书籍《AI改变设计：人工智能时代的设计师生存手册》，在去年成为一所高校的教材；第2本是今年1月份出版的多模交互设计相关的书籍...

做安卓开发的时候，需要实现拉流渲染视频之类的功能，使用ffmpeg比较方便。但是要生成ffmpeg的安卓库是有点麻烦的，需要使用ndk的工具链以及shell。相对来说在Linux上操作是比较容易的，其实Windows上生成也不是很难，shell是基本一致的。总的来说在Windows上生成ffmpeg还是不难的，只是网上资料较少而且不齐全，导致容易生成失败甚至因为存在rm -rf导致整个磁盘被清空。最好的方式还是先在Linux生成成功后，再将方法移植到Windows。

多智能体（Multi-Agent）系统是实现复杂业务自动化的核心范式，其本质是通过职责分离与数据驱动的流程编排，协调多个专业化模块协同完成任务。基于函数即Agent、声明式YAML定义依赖关系、原生SSE流式事件推送的技术路径，开发者可绕过LangChain等重型框架，用纯Python快速构建可调试、可观测、可落地的工作流。该方案天然契合‘sse流式输出’与‘多agent协同’两大高频实践需求，已在电商订单分析、数据库自然语言查询等真实场景中验证——从编码到演示仅需4小时，支持前端逐字渲染Agent执行过程

Apache Kafka 数据迁移并非简单复制，其本质是围绕消息存储模型展开的系统工程。核心在于理解日志段物理结构、时间戳语义（CreateTime/LogAppendTime）、偏移量（offset）元数据绑定及消费者组状态可移植性等底层原理。技术价值体现在保障RPO=0的灾备能力、支撑云迁移与集群升级、满足金融级数据一致性要求。典型应用场景包括跨机房平滑迁移、离线数据分析导入、混合云架构演进等。本文聚焦 Ubuntu 18.04 环境下 Kafka 2.7–2.8 版本的实操约束，深入解析 backup

这一篇和PICO本身没什么关系，只是记录一下开发过程我们要做一个“从超声设备采集影像数据，一对多地传给XR眼镜终端以及其他可能的设备”应用。发送端是Jetson，由同事负责；接收端XR眼镜端由我负责。同事说视频采集卡例程里给了两种通信协议：RSTP和WebRTC.一开始我尝试用HoloLens2，因为老师和医生们似乎更喜欢OST而不是VST；但是UWP ARM64 媒体栈对 RTSP 支持弱、MixedReality-WebRTC 停更，所以 HL2 不适合当主验证平台。

本文介绍了PLC控制器与HMI、PC系统建立通讯连接的方法及注意事项。对于PLC-HMI连接，主要采用DP或以太网协议，重点要正确设置网络参数、接口类型（1F18/以太网）和IP地址，特别注意应用程序访问点需与网卡名称一致。PLC-PC系统连接时，需通过WinCC RT Professional实现，关键要确保PLC、PC和电脑网络的IP地址不冲突（如192.168.0.1/0.2/0.10），TCP/IP接口的访问点设为S7ONLINE，同样需核对网卡参数匹配。两种连接均需在网络视图中完成设备组态和物理连

本文系统阐述了从博弈论到系统动力学的学习路径，聚焦土地流转问题。博弈论用于分析农户、经营主体等微观主体的策略选择，而系统动力学则研究这些选择累积形成的宏观系统演化。文章详细解析了系统动力学的三大核心概念：系统（多要素相互联系的整体）、反馈（变量间的循环影响）和动态演化（随时间变化的过程），并以土地流转为例，具体分析了规模收益（正反馈）与租金成本（负反馈）等机制如何共同决定系统的长期发展趋势（持续增长、停滞或波动）。系统动力学通过揭示要素间的反馈结构，为理解土地管理等复杂社会问题提供了有力工具。

网络上的通信，本质上是数据被拆成一个个 数据包（Packet），经过网卡发送和接收。抓包 = 在某个网卡上，把经过的数据包 复制一份 保存下来，供后续分析。

ScriptMgr 维护 48 种脚本类型的独立注册表，每表两层结构：ScriptPointerList（所有实例）+ EnabledHooks（按 Hook ID 分组）。后者跳过未重写的虚函数提升性能。加载分两阶段：代码脚本在模块入口注册，数据库绑定脚本等 DB 加载后注册。Hook 分三类：通知型、拦截型、参数修改型。

Spring AI 学习篇（十六）| AI应用的安全与合规

表示并发情况下最大可从连接池中获取的连接数。连接池基本的思想是在系统初始化的时候，将数据库连接作为对象存储在内存中，当用户需要访问数据库时，并非建立一个新的连接，而是从连接池中取出一个已建立的空闲连接对象。maxIdle对应的连接，实际上是连接池保持的长连接，这也是连接池发挥优势的部分，理论上讲保持较多的长连接，在应用请求时可以更快的响应，但是过多的连接保持，反而会消耗数据库大量的资源，因此maxIdle也并不是越大越好，同上例我们建议将 maxIdle设置成50-100中靠近50的数字，例如55。

首先总结一下，Jenkins 运行jar 服务，配置主要包括两部分：jdk 和 maven 以及gitlab或云存储平台（阿里云效）。jdk 如果可以选择自带的jdk版本。这里讲解的是没法选择自带java版本。如果没有找到，说明你这里没有给Jenkins账户配权限，可以切换成root账户查询。如果你的jar 不需要docker 、docker-compose ，则跳过。maven 配置自动安装一个版本即可。这个拉取代码时，需要验证。根据提示的路径，配置全局的配置即可。这里是对Jenkins配置的补充。

Spring AI 学习篇（十五）| Spring AI应用的可观测性

以通俗易懂的方式介绍了傅里叶变换的核心概念与应用。作者将傅里叶变换比作成分拆解机，通过果汁配方、三棱镜分光等生活化比喻，形象解释了时域与频域的转换原理。文章分析了傅里叶变换的三大作用：频谱分析、系统特性研究和运算简化，并列举了其在语音处理、图像压缩、医学成像等领域的典型应用。重点阐释了时域与频域的对偶关系，包括数学表达上的对称性、运算规则的对应性，以及离散傅里叶变换(DFT)与快速傅里叶变换(FFT)的转换原理。全文生动展现了傅里叶变换作为信号处理基础工具的重要价值。

学习与适应，是 Agent 从“工具调用器”升级成“长期系统”的关键一步。它的核心不是让模型自由发挥，而是建立反馈闭环。能记录。能评估。能诊断。能更新。能验证。能回滚。做到这些，Agent 才能越用越稳，越跑越准。智能体设计模式：学习与适应 Learning & Adaptation：功能变化与行业影响解析_热闻岛。

文章摘要 MSI-X是PCIe规范中的增强型消息信号中断机制，相比传统INTx和MSI具有显著优势： 无需物理引脚，通过PCIe TLP报文发送中断 支持最多2048个独立中断向量，每个向量拥有独立地址和数据域 中断表位于设备BAR空间，支持灵活配置 适用于现代高性能设备如NVMe、网卡和GPU 硬件实现上，MSI-X通过PCIe配置空间的Capability结构管理，包含Message Control、Table Offset和PBA等信息。内核驱动通过特定API完成MSI-X的初始化、中断注册和处理，主

Spring AI 学习篇（五）| 嵌入模型与向量表示的本质

AI时代的学习革命：从记忆知识到培养判断力 在AI时代，学习方式正经历根本性转变。传统强调记忆和熟练的学习模式被颠覆，因为AI已成为最强大的信息存储和执行工具。学习重点应转向：1）提问能力而非记忆答案；2）跨界连接而非单科深耕；3）批判性思维而非被动接受。AI擅长执行层任务（信息整合、基础分析等），而人类优势在于判断层（价值评估、情感理解等）。建议采取：AI辅助学习、建立知识框架、即时实践应用、保持人性化特质等策略。最终，快速学习能力和将知识转化为行动的能力，才是AI时代最核心的竞争力。

这篇文章系统梳理了操作系统底层异步机制的学习历程，形成完整知识闭环。主要内容包括： 硬件中断机制 中断是操作系统夺回CPU控制权的根基 时钟中断作为系统"心跳"驱动调度 特权级与地址空间实现安全隔离 信号机制 用户态"软中断"完整复刻硬件中断流程 信号处理自动屏蔽防止递归 sigaction精细控制信号行为 异步编程约束 可重入函数是信号处理的硬性要求 volatile保证内存可见性 典型应用如SIGCHLD回收子进程 整个体系从硬件中断到用户态信号形成完美对应，所有