上下文越来越长，模型却开始答非所问 用 LLM 做应用开发，最怕的不是模型不够聪明，而是上下文窗口越来越不够用。 我接手过一个客服机器人项目，上线第一个月效果很好。第三个月开始，用户频繁...

用 GitHub Actions 的 workflow_dispatch 配合 environment 字段，蓝绿部署、灰度发布都能搭。但跑起来有两个容易踩的坑：inputs 的默认值在特定触发方式下不生效，以及 environment secrets 在...

问题场景：12 个矩阵任务被「团灭」 用矩阵策略跑 12 个测试组合，一个组合失败了，另外 11 个正在运行的任务全部被 GitHub Actions 强制取消，白跑了 40 分钟。 这不是网络波动，是 fail-fast ...

解决什么问题 每天凌晨自动跑「Python 3.10 / 3.11 / 3.12 × Ubuntu / Windows / macOS」共 9 个组合的测试，或者每周一检查依赖有没有安全更新。GitHub Actions schedule 触发器配合矩阵策略...

# GitHub Actions pip 缓存总失效？我踩过最深的 4 个坑 GitHub Actions 的 pip 缓存用不对，每次 CI 都重新下载几千个包，多花 1-3 分钟。本文记录我实际踩过的 4 个缓存失效场景，给出可直接...

GitHub Actions 缓存失效的根因与解法：同一个 workflow 为什么时而快时而慢 同一个 workflow，第一次跑 3 分钟，第二次跑 40 秒，第三次又回到 3 分钟。换了台机器反而更快。不是网络问题，不...

# GitHub Actions docker login-action v3 三个真实坑：权限/作用域/缓存不统一 用 GitHub Actions 跑 Docker 构建，registry 认证是最基础的操作，但 docker/login-action@v3 这个 Action 在自...

场景 每次 Push 都重新安装依赖，CI 运行时间从 40 秒飙到 4 分钟。`actions/cache` 配了、`restore-keys` 也有，但缓存依然每次都重新下载。 这不是幻觉。`actions/cache` 有两个陷阱，即使读...

# RAG 上下文压缩后缓存失效的根因与三个解法 用 RAG 跑生产环境时，上下文压缩（Context Compression）是个好东西——能显著减少 token 用量、降低 LLM 调用成本。但有一个副作用很多人会遇到...

用 AI 写代码快一年了，从最初的新鲜感，到现在越来越觉得：工具本身差不多，关键在于你怎么用它。 prompt 写得好不好，决定了 AI 给你的答案质量。我见过很多人抱怨 AI 不听话，给了上下文还是...

问题：压缩后 Embedding 变了 给 RAG 对话系统加上上下文压缩（对话历史摘要化）后，向量检索缓存命中率从 60% 跌到接近 0。这不是缓存本身坏了，而是压缩改变了对话历史的向量空间：同一个问题...

问题现象 GitHub Actions 跑了三个月，cache 命中率始终在 30% 徘徊。明明每次只改了一行代码，却每次都重新下载 400MB 的 node_modules。直到加了 restore-keys，命中率也没见涨。 restore-key...