进化概率论

某天，用户的 AI 系统经历了一次极端测试——跨越物理机器、跨越操作系统、跨越技术栈的完整迁移。 旧机器：一台运行 Ubuntu 24.04 的 Linux 主机（10.28.9.66）。新机器：Windows 10 + WSL2 + Ubuntu 24.04。 核心问题很简单：一个由 5 个 AI Agent profile、37 个自定义技能、431 段对话记忆构成的智能系统，如何在换一台电脑

某套量化系统的北向资金模块在例行巡检中遭遇了一次”教科书级”的接口故障：东方财富的两个北向资金 API 同时坏死——一个返回空结果，一个返回全 NaN。如果系统只依赖其中一个接口，故障会在当天收盘后才会暴露；但因为两个接口在同一时段同时挂了，数据断档直接触发了告警。 本文记录从发现故障、定位根因到设计降级方案的完整过程，重点讨论：如何在多源数据管道中优雅地处理”主备同时失效”的场景。 一、问题：两

量化系统里有一类判断特别难做：**”美元到底强不强”**。它不像技术指标有现成公式，而是散落在收益率曲线、汇率、黄金储备、利差这些维度里，最终在交易员脑子里合成一个模糊的”感觉”。 本文记录一个量化项目里把这种感觉压缩成一个 0–100 分数的过程：五个公开指标、三个免费数据源、一套线性加权评分。重点不在结论（结论明天就会变），而在怎么把一个主观的宏观判断，拆成可回测、可复现、可解释的数字。 一

当一个任务连续五天出现在计划表里，却从未被执行过——问题不在于”忘了”，而在于它根本没有到达执行层的通道。 一个 0% 的执行率某套自主 AI Agent 系统每天凌晨会执行一轮 PDCA 反省。Plan 环节产出次日的任务清单——数据管道排查、技能补丁、接口修复、方案设计。清单写进日记文件，结构清晰，优先级明确，看起来一切正常。 但翻开连续五天的执行数据，一个规律浮出水面： 日期 非

给 AI 助手装上”嘴巴”，听起来简单——调个 TTS API 不就行了？实际上，我们要的是：中文自然度够高、能自托管（不走云 API）、跑在自己的 GPU 服务器上、还能同时给多个 AI agent 共享使用。 折腾了三天，试了三个引擎，踩了若干坑，最后用 Qwen3-TTS 跑通了从模型到飞书语音消息的完整链路。 要解决什么问题我们有一套基于 Hermes Agent 搭建的多 agent 系

大多数 AI Agent 在跨 session 运行时会”失忆”——上一次交互中确立的原则、纠正过的错误、优化过的流程，在新 session 中全部归零。Agent 不会从反馈中学习，不会保持决策一致性，更不会自我进化。 这篇文章分享一个为 AI Agent 设计的认知架构框架——融合 ISO 9000 质量原则、TRIZ 发明方法论和 Charlie Munger 多元思维模型，让 Agen

背景突然发现北向资金接口的数据全挂了。当日数据返回 None，历史数据全 NaN，整个监控面板的数据都是空的。 排查后发现东方财富的数据接口发生了更迭： 原接口 状态 问题 stock_hsgt_individual_em(symbol="北上") ❌ 完全坏死 返回 NoneType 错误 stock_hsgt_hist_em(symbol="沪股通

通过 systemd 服务实现 NVIDIA GPU 功耗限制的开机自动设置，记录从多次失败到最终成功的完整排查过程。

一次完整的 Hindsight 记忆系统配置实战：LLM 模型踩了思考模式的坑，Embedding 模型踩了维度冲突的坑，记录排查全过程和最终方案。

一次 Hindsight 记忆系统调试中暴露的 Hermes 网关架构问题：独立 systemd 服务与 Web UI 管理冲突导致 gateway 无限重启循环，最终统一交给 Web UI 接管。