TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1238 · 15.05
Сделал в компании доклад о применении ИИ в архитектуре, давайте и вам расскажу. Фокус в использовании подхода architecture as code: абсолютно все архитектурные артефакты у нас это тексты. С обычной документацией понятно, это и так некоторый набор текстовых файлов, чаще всего в макрдауне. Для них мы применяем структурный шаблон Arc42 — список из 12 пунктов, по которым нужно распределить информацию о проектируемой системе. Структурный шаблон, во-первых, хорошо известен нейронкам, и они сразу понимают, о чём речь. Во-вторых, можно кинуться в модель бизнес-требованиям и очень быстро создать некий первоначальный набросок, от которого вы дальше уже пляшете, уточняя по пунктам и исправляя ошибки ИИ. Ну и, в-третьих, готовая структура с ящиками, по которым нужно всё раскладывать, это гораздо лучше, чем свалка ADR'ок, как это нередко бывает в компаниях. Со схемами и диаграммами ещё интереснее. Берём инструменты со своими DSL-языками, такие, как Structurizr и PlantUML. Вся схема или диаграмма целиком определяется текстовым файлом. Можно применять Git со всеми его преимуществами. А для нейронок это родная среда: вы, как человек, смотрите на схему глазами, но нейронка работает с её DSL-файлом. Навскидку тут прирост эффективности даже больше, чем в программировании, потому что DSL это просто синтаксис, без смыслового наполнения, человеку его можно вообще не знать. Ты пишешь промпты, а смотришь уже на картинку, сгенерированную схему, и следующим промптом указываешь, где какие правки сделать. Нейронке при этом не приходится думать про потоки, асинхронность, типы данных, она просто правит текст как текст, поскольку у DSL нет поведения. Тут как раз наиболее видна разница между рутинной и интеллектуальной частью работы. Как именно будет выглядеть схема, продумывает архитектор. Если доверить это нейронке, даже мощной, будет полно ошибок, неоптимальностей, неучтённых нюансов среды и так далее. Но вот само по себе написание синтаксиса — имба. #dev@clockstackwheels
Hashtags
Търсене: #debug
@haruka_fantasy_world · Post #349 · 06.02.2026 г., 04:21
嗯, podman的kube兼容的实现也非常草台班子 起因是把k8s带HTTP livenessProbe的pod移植到podman上运行, 发现healthcheck始终失败, 翻源码发现这部分实现非常难评, 是进入容器调用curl localhost实现的, 并不是像kubelet那样从容器外部访问 也就是说, 如果容器是精简过或者做了安全加固, 没有自带curl来做http get, 那livenessProbe无论如何都不会成功 https://github.com/containers/podman/blob/be85287fcf4590961614ee37be65eeb315e5d9ff/pkg/specgen/generate/kube/kube.go#L689 #Debug
Hashtags
@haruka_fantasy_world · Post #322 · 11.12.2025 г., 19:24
被CMSIS-DSP的FFT创飞 (其实是没仔细读文档 arm官方文档明确指出了 arm_rfft_fast_f32 会原地修改输入缓冲区, 然而咱用库之前没仔细读文档 Due to the use of complex transform internally, the source buffer is modified by the rfft. 看到函数参数有输入和输出指针, 然后就想当然认为函数内部一定不会覆盖输入缓冲区, 再加上输入循环缓冲用的是zero-copy, 调用FFT也是直接传入了缓冲区指针, 所以相当于算了一次FFT后直接污染了整个缓冲区 #Debug
Hashtags
@haruka_fantasy_world · Post #171 · 07.10.2024 г., 09:41
TL;DR 容器内设置了错误的dns导致tailscale用了自带的dns解析control-plane的ip, 用一种奇怪的方式避开了防火墙的阻断 #Debug
Hashtags
@ningxueye · Post #33 · 19.03.2024 г., 09:40
aiokafka是根据获取到的metadata内的hostname和port去连接集群的，而我部署服务的环境无法解析集群内的hostname…… 吃了不熟悉Kafka的亏。 #debug
Hashtags
@haruka_fantasy_world · Post #334 · 03.01.2026 г., 01:40
RPI5的PMIC有欠压锁定, 如果使用劣质充电头的上升时间太长会阻止上电自启 https://forums.raspberrypi.com/viewtopic.php?p=2194232&hilit=Rise+time#p2194178 #Debug#分享
@haruka_fantasy_world · Post #272 · 21.07.2025 г., 15:43
最近在研究SDN, 结果闹出了在内网ARP查询外网IP这种抽象事 bro先是实现了带Learning的Bridge, 然后手搓了ARP Proxy, 但是没判断IP范围, 代码认为世界是个巨大的交换机, 所有IP都在LAN, 都能用ARP查出来对应的MAC ( 然后手机疯狂发送TCP SYN, 网桥也在内网里疯狂用ARP查询外网IP 回应想必是没有的, 然后手机就认为上不了网摆了, 绷 #日常#Debug
@Ship_Overboard · Post #833 · 30.08.2023 г., 04:32
#debug#洋屁 playing Valheim with friends started a Linux Dedicated Server w/ Azure Playfab Crossplay Support. can't connect server using IP and Playfab API always connecting > Unable to preload the following plugins: libparty.so checking libparty.so using > ldd libparty.so IT NEEDS libpulse-dev ??????? Why? Audio lib requested SRSLY? sudo apt install libpulse-dev all works...
@djangoproject · Post #323 · 29.04.2017 г., 08:15
https://pypi.python.org/pypi/django-debug-toolbar A configurable set of panels that display various #debug information about the current #request/#response. The #Django_Debug_Toolbar is a configurable set of panels that display various debug information about the current request/response and when clicked, display more details about the panel’s content. Here’s a screenshot of the toolbar in action:
@testflightynoti · Post #38231 · 14.05.2026 г., 08:45
#Crash#Buddy#Debug#crash#logs Join the Crash Buddy - Debug crash logs beta on ✈️#TestFlight 🔗 Link: https://testflight.apple.com/join/tp96uCpD Shared by Dimitri
@haruka_fantasy_world · Post #8 · 01.01.2024 г., 14:04
这里是Tags ! #日常 #吐槽 #Debug #分享 #游戏 #奇思妙想 #达成成就 #打卡
@githubtrending · Post #15488 · 13.02.2026 г., 12:30
#swift#analysis#analytics#cocoapods#crashlytics#debug#debugger#debugging#hacktoberfest#layout_debugger#leak_detection#log#logs_analysis#networking#performance_analysis#sandbox#swift#swift6#ui#uikit#view DebugSwift is a comprehensive toolkit that simplifies debugging for Swift iOS apps by providing real-time monitoring of network requests, performance metrics (CPU, memory, FPS), crash reports, and app resources like keychain and user defaults. It includes interface tools for visualizing layouts with grid overlays and touch indicators, plus memory leak detection and console logging. The main benefit is that you can quickly identify and fix issues during development without leaving your app—just shake your device to toggle the debug panel, making troubleshooting faster and more efficient. https://github.com/DebugSwift/DebugSwift