Hi there 👋

数据库按主键查一行，为什么通常只读 3 个页？为什么主键建议短一点？为什么范围查询快，而 LIKE '%关键词' 快不起来？ 这些问题的答案，都在 B+ 树的形状里。 本文不背结论，直接从一棵小树开始：先定规则，再走一遍查找、插入、删除、范围查询，最后写出完整实现。全文用 order=4（每个节点最多 4 个孩子、3 个 key），小到能在纸上画完；核心规则和真实数据库一致，真实实现另外还多了并发、锁、页头等工程细节。 ...

一个 8000 万行的 orders 表，下面这条 SQL 跑了 4.2 秒： SELECT * FROM orders WHERE user_id = 12345 AND created_at >= '2026-09-01'; 加上一个联合索引之后，同样的数据、同样的服务器，它变成了 3 毫秒——快了 1400 倍。 ALTER TABLE orders ADD INDEX idx_user_created (user_id, created_at); 差别在哪里？不是"索引会变魔术"。差别在于：前者把 8000 万行从磁盘上一个页一个页地翻了一遍，后者只沿着一棵矮树下降了三次、读了三四页就找到了全部结果。 ...

一个插件能在 DeepSeek Harness（下称 dsh）里做到什么程度？ DeepSeek-Bot（下称 DS Bot，社区常按它早期发布时的包名写作 dsh-bot）给出的答案是：把你面前的一个 Agent 变成一支有名字、有分工、有长期记忆、能互相派活的 Bot 团队——而它没有重写一套 Agent 运行时。 ...

在雷达点云重建出的表面上"插入一个点位"，听起来是一个几何动作：找一个位置，放一个点。 但把它放进一条真实的处理流水线里，问题会变成三个：插在哪里（定位）、该不该插（一致性校验）、插完以后加速结构还对不对（更新）。BVH（Bounding Volume Hierarchy，层次包围盒）在这三步里都会出现，而最后一步才是真正容易出事的地方。 ...

Agent 看起来能自主规划、调用工具、完成任务，但在程序内部，它究竟如何运转？ 本文选取 OpenAI Agents Python SDK 的 Runner 作为研究对象，依据官方文档和调研时读取的 main 分支源码，拆解它的核心循环。本文属于文档与源码调研，不包含实际模型调用测试；引用的 main 分支及在线文档会持续更新，内部函数和文件布局可能随版本变化。 ...

引言：同门殊途 1980 年代的卡内基梅隆大学（CMU），两位 AI 巨头各自孕育了一个认知架构： Allen Newell（1927–1992），AI 先驱、图灵奖得主，与 John Laird、Paul Rosenbloom 创建了 SOAR——一个志在实现通用智能的认知架构 John R. Anderson，认知心理学家，创建了 ACT-R——一个志在精确模拟人类认知过程的架构 两者都源于符号主义传统，都使用产生式规则作为知识表征，都追求"统一认知理论"。但从第一性原理审视，它们在工作记忆、决策机制、学习方式、设计哲学上存在深刻分歧——这正是本文要剖析的主题。 ...

从认知科学出发，设计并实现一个仿人类记忆的 AI Agent 记忆系统。本文涵盖 ACT-R 激活扩散模型、艾宾浩斯遗忘曲线、情绪调节记忆编码，以及完整的 Python 实现解析。

每日 GitHub 热门项目趋势 Top 20

当 AI 可以一秒生成百行代码，我们真正需要的不再是"写得快"，而是"写得对"。三种经典的开发方法论——SDD、BDD、TDD——在 AI 编程时代迎来了真正的黄金期。 ...

一、为什么我们需要 A2A？ 1.1 一个正在发生的问题 假设你是一家企业的 CTO。你的团队已经部署了： 一个基于 LangGraph 的客服 Agent 一个基于 CrewAI 的数据分析 Agent 一个基于 Google ADK 的代码审查 Agent 这些 Agent 各自都很强大。但当你想让客服 Agent 把用户的退款请求转交给数据分析 Agent 来核实订单数据，再让代码审查 Agent 检查退款逻辑是否有 bug 时——它们互相不认识。 ...