开发者工具箱｜编程·开发工具·资源

计算机网络面试复习笔记

一份入门友好且面向面试的计算机网络笔记，系统覆盖通信模型、协议、网络层、TCP/UDP、WebSocket/WebRTC 及常见面试题。详细对比和要点如下：

通信模型
客户端-服务器：集中式架构，所有请求经服务器处理，如 Google、Amazon。
P2P：设备直接通信，无中心服务器，如 WebRTC、Torrent。

协议速览
HTTP：请求-响应、无状态、运行于 TCP。
FTP：文件传输，使用控制连接和数据连接两条通道。
SMTP：发送邮件，使用 TCP。
IMAP：读取和同步邮件，邮件保留在服务器。
WebSocket：全双工、持久连接，但仍是客户端-服务器，非 P2P。
WebRTC：点对点通信，主要用 UDP，支持音视频和数据通道。

网络层要点
应用层：HTTP/FTP/SMTP/IMAP/WebSocket
传输层：TCP/UDP（TCP 可靠有序，UDP 快速尽力交付）
网络层：IP 寻址与路由

TCP vs UDP
TCP：面向连接，有 ACK 和重传，适合文件、银行、HTTP。
UDP：无连接，无确认，速度快，适合直播、游戏、视频通话。

重要面试问答
- FTP 用两条连接：一条命令，一条数据。
- 视频通话用 UDP：速度优先，丢帧可接受。
- WebSocket 不是 P2P，是客户端-服务器。
- SMTP 发邮件，IMAP 读邮件。

整份笔记对常见协议、层模型和面试题做了清晰梳理，适合快速复习和面试准备。

#开发者 #工具 #计算机网络 #网络协议 #TCP #UDP #WebSocket #WebRTC #面试
@DevToolboxHub

用 TypeScript ADK 构建 AI 代理

Google 的 Agent Development Kit（ADK）推出 TypeScript 原生版本，配合 Node.js 生态实现完全类型安全的 AI 代理开发。基于 Zod 模式定义工具参数，在编译期即可校验函数调用声明，减少运行错误。

示例项目是一个“Hello World”风格的天气和时间查询代理，整个代理逻辑集中在单文件 src/agent.ts 中，使用 Gemini 2.5 Flash 模型。工具返回判别联合类型，测试套件基于 Node 原生测试运行器，无需调用模型即可进行确定性测试。

开发者可通过 CLI 或 Web UI 本地调试，并一键部署到 Cloud Run。ADK 同时支持浏览器端运行，兼容 ESM 和 CommonJS。

设置步骤：需要 Node.js 20+、Gemini API 密钥或 Vertex AI 凭证。克隆示例仓库后执行 init.sh 安装依赖并生成 .env 文件，编辑认证方式后即可通过 npm start 或 npx adk run 启动交互式代理。

部署命令：npx adk deploy cloud_run --project "$GOOGLE_CLOUD_PROJECT" --region "$GOOGLE_CLOUD_LOCATION" --service_name "$SERVICE_NAME" --with_ui true src/agent.ts

ADK 目前版本 1.4.0，适用于需要快速构建、调试和部署 AI 代理的 TypeScript 开发者。

GitHub
GitHub

#开发者 #工具 #TypeScript #ADK #Gemini #Nodejs #CloudRun #AI代理
@DevToolboxHub

Agent 记忆可移植性：往返测试与方案

你的 agent 记忆存储在哪里？当框架出现破坏性变更、嵌入模型淘汰，或另一个 agent 需要第一个 agent 积累的上下文时，记忆能否真正迁移？一篇技术文章提出了「往返测试」来验证可移植性，并分析了 Open Knowledge Format (OKF) 与开源方案 Memanto。

记忆的核心不是读取问题，而是写入问题。当对话积累 400 轮时，哪些交互重要？事实被取代了怎么办？事件升级为记忆需要什么证据？谁断言、何时、依据什么、何时过期？忘记也是合规需求。这五个决策索引无法替你完成。

导出分为三级：原始轮次 tarball（需重跑提取管线）、含映射字段的结构化记录（可写导入器但丢失原因）、语义级记忆（含来源、时间边界、取代链）。市面上多数产品提供第一级却宣传第三级。

嵌入陷阱：若记忆的持久形式是 embedding，它就被绑定到嵌入模型。重新嵌入是隐式有损推导——零错误但检索质量沉默退化，三周后才显现。向量是缓存，将缓存作为记录系统等于被锁定。

多代理场景加剧问题：IDE agent、支持 agent、分析 agent 各自学习，存入各自存储，形状与规则不同，产生无协调机制的分歧。用户纠正了支持 agent，编码 agent 却永远相信旧事实。

OKF v0.1 于 2026 年 6 月由 Google Cloud Data Cloud 团队发布：一个目录的 markdown 文件 + YAML frontmatter，每个概念一个文件，交叉链接，唯一必需字段是 type。人类凌晨可读，Git 可做差异与审查，能超越技术栈存活。但 Satvik Singh 的基准显示，OKF 文档中有三个置信错误，检索放大之一：前 28 个结果中错误答案出现 26 次。bundle 是快照，记忆是过程。

往返测试（一个下午完成）：1) 从当前系统导出 ./snapshot-a；2) 导入干净实例；3) 从干净实例导出 ./snapshot-b；4) diff -r 检查。关注语义损失：取代链、来源、置信度/过期、交叉引用。若 B 的单元少于 A，有东西被静默丢弃。大多数系统至少失败三项。

往返测试是区分可移植性声明与可移植性保证的关键一步。无论当前使用何种记忆方案，都值得先跑一遍这个测试。文中还介绍了开源内存代理 Memanto（MIT 协议，v0.2.8 原生支持 OKF 集成与迁移，LongMemEval 89.8%，LoCoMo 87.1%）。

#开发者 #工具 #AgentMemory #OKF #Memanto #可移植性 #往返测试 #嵌入陷阱 #GoogleCloud
@DevToolboxHub

清洁架构实现无服务器可移植性

Elena van Engelen 介绍如何在不牺牲原生云能力的前提下消除无服务器供应商锁定。她演示了使用 Clean Architecture、Spring Cloud Function 和 Gradle 模块来隔离业务逻辑，从而构建可移植的 FaaS 应用。最后通过 Terraform CDK 实现多云 IaC，将 Kotlin 服务部署到 AWS 和 Azure。

该方案的核心在于将业务逻辑与云平台解耦，使得代码可以跨不同供应商复用，而无需重新编写核心逻辑。通过 Gradle 模块化，可以清晰划分领域层与基础设施层，Spring Cloud Function 提供统一的函数抽象，适配不同云环境。Terraform CDK 则利用编程语言定义基础设施，提高了多云部署的灵活性和可维护性。

#开发者 #工具 #CleanArchitecture #Serverless #SpringCloudFunction #Gradle #Kotlin #TerraformCDK #多云
@DevToolboxHub

Java 周报：JDK 28 新 JEP、Simple JSON API 等

本期 Java 周报（2026 年 7 月 20 日）汇总了多条重要动态：两项 JEP 拟纳入 JDK 28、Oracle 发布 2026 年 7 月关键补丁更新、Embabel 1.0 正式 GA、Azul Payara 7.2.0 与 Helidon 4.5.1 同步更新。

JDK 28 候选 JEP
• JEP 540：Simple JSON API（孵化器）——为 Java 提供轻量 JSON 处理能力
• JEP 541：Deprecate the macOS/x64 Port for Removal——计划移除 macOS/x64 移植版

安全与补丁
• Oracle 2026 年 7 月关键补丁更新（CPU）

工具与框架 Release
• Embabel 1.0 GA：首个稳定版
• Azul Payara 7.2.0：基于 Payara Server 的发布
• Helidon 4.5.1：快速迭代的微服务框架新版本

以上动态涵盖了 Java 语言演进、安全更新与主流工具的新版本，开发者可重点关注 JEP 540 带来的原生 JSON API 雏形。

#开发者 #工具 #Java #JDK28 #SimpleJSONAPI #JEP #Embabel #Azul #Payara #Helidon #CPU2026
@DevToolboxHub

从三层架构到本地优先数据架构

Johannes Schickling（Prisma 创始人）在 InfoQ 播客中探讨如何超越传统三层 web 栈，转向本地优先方法。他分享了从 Prisma 到开发 Overtone——一款利用客户端事件源和 SQLite 的音乐策展应用——的经验，并比较了事件源与 CRDT 的权衡。

本地优先不仅仅是离线支持，更是数据架构的重新思考。传统三层架构将数据集中在服务端，而客户端事件源将数据逻辑下沉到客户端，减少网络依赖、提升响应速度。Overtone 通过 SQLite 在本地存储事件流，再按需同步，实现了类似本地应用的用户体验。节目还讨论了事件源的事件顺序、冲突处理等实际挑战，为考虑本地优先的架构师提供了可参考的决策模型。

适合关注前端数据管理、离线应用、事件驱动设计的开发者收听。

#开发者 #工具 #JohannesSchickling #Overtone #Prisma #LocalFirst #客户端事件源 #SQLite #CRDTs
@DevToolboxHub

.NET 11 Preview 6 发布：C#、ASP.NET、MAUI、EF 同步更新

微软推出 .NET 11 Preview 6，覆盖 C#、ASP.NET Core、MAUI 及 Entity Framework Core 多个组件。C# 方面，扩展成员新增索引器支持，允许在扩展块中为现有类型添加索引访问；同时引入内置联合支持类型。

ASP.NET Core 带来异步验证、自动 CSRF 保护，并默认启用 OpenAPI 3.2。MAUI 将 CollectionView 支持扩展到 Windows 平台。EF Core 新增 FULL OUTER JOIN 翻译能力。

本次预览版进一步完善了语言特性和框架能力，适合 .NET 开发者先行试用评估。

#开发者 #工具 #NET11 #CSharp #ASPNETCore #MAUI #EFCore
@DevToolboxHub

LibreFang 2026.7.21 发布：安全审计与多用户隔离

LibreFang 2026.7.21 正式发布，自 v2026.7.11 以来共合并 61 个 PR，来自 4 位贡献者。本次更新重点强化了多租户数据隔离与凭证管理，并扩展了 MCP 集成。

安全与多用户隔离
用户可自带 LLM 提供商 API Key，支持按所有者追踪消耗；运营者可设置组织级提供商白名单并在 API 层强制每人预算。
知识图谱已按用户分区，修复跨用户数据泄漏；MCP 桥接层加强跨账户频道发送限制；会话专属压缩摘要防止 prompt 泄漏。
四轮安全审计修复了 15+ 个漏洞，涵盖授权缺口与令牌配额竞争。

开发者体验
新增 MCP resources 原语，Agent 可直接访问 MCP 暴露的资源。
长时间运行任务在 Slack 上通过 Block Kit 消息编辑实时展示阶段进度。
仪表盘 Hands 面板内可在线编辑 HAND.toml 清单。
所有 sidecar 适配器现支持快捷预设目标通道。

基础设施与提供商鲁棒性
Gemini 与 Vertex AI 驱动新增 response_format 支持；优先使用实时模型目录（构建时回退）。
令牌配额释放时保留预留以防止自我 DoS；提供商别名规范化防止扣费泄漏。
路由中出现的提供商错误现在会准确暴露，不再返回乱码或空轮次。

其他修复与维护
包括权限、环境变量信任、会话锁、MCP 参数过滤、上传路径规范化等多项修正。
依赖升级：tokio-tungstenite、wasmtime、serde_with 等。
迁移至 agent-client-protocol 1.3.0。

安装 / 升级
Binary: curl -fsSL https://get.librefang.ai | sh
Rust SDK: cargo add librefang
JavaScript SDK: npm install @librefang/sdk
Python SDK: pip install librefang-sdk

GitHub 完整更新日志及发布页面见素材链接。

#开发者 #工具 #LibreFang #AI #多租户 #MCP #Rust #安全审计
@DevToolboxHub

AI网关：应对AI飞速变化的演进架构模式

传统API网关假设确定性服务与简单模式，这已被Agentic AI打破。企业工程领导者正将AI网关作为演进架构接缝，在一个控制平面内集中防护栏、模型路由、代理身份、动作策略和语义审计，防止代价高昂的故障并保持核心平台稳定。

作者：Joe Price, Branimir Đurek, Pavlos Migkiros, Trevor Dearham。

#开发者 #工具 #AI网关 #演进架构 #AgenticAI #控制平面 #InfoQ
@DevToolboxHub

Netflix 公开内部 LLM 推理服务平台技术细节

Netflix 详细介绍了将其 LLM 推理能力整合到内部服务平台时的生产经验，包括如何处理不同模型大小、硬件需求以及推理引擎快速迭代的挑战。该公司分享了架构选型和运行实时推理工作负载的运维工作，平台基于 Triton 和 vLLM 构建。

该平台旨在支持多种模型规格，并适应不断演进的开源推理引擎，确保在 Netflix 内部业务场景中稳定、高效地提供 LLM 服务。

#开发者 #工具 #Netflix #LLM #推理 #Triton #vLLM #MLOps #工程效率
@DevToolboxHub