后端同学，你会运维吗

你自己这会的话，对哪方面的技术比较感兴趣？像在这里边的领域里边的话，目前你自己对哪一块研究的会比较深一些？那你接触的这个，比如 GPU 吧， GPU 这块的话，你接触的这这些显卡呀都是都是什么型号的呀？你调试过哪些东西啊？像那个 GPU 里面的网络的话有接触过吗？那比如像 GPU 里边，咱们都知道 GPU 的话，它这东西肯定是离不开高速网的，对吧？因为你因为它本身这个过程中的传输也是巨耗带宽的，对吧？像这里边的话，像那个带宽方面的，有做过调试吗？像你这里边调试的话，你比比如说你怎么怎么对你印象最深的？你有有有有几个地方你觉得是对自己觉得是成就感比较比如说像有没  有遇到那个 GPU 的，就是那个显卡，它这个显卡呢，用了一段时间，它这个显卡呢重启完之后，它驱驱动不是会掉吗？对吧。哦，这种问题有解决过。你维护的这么就就就不管是短短的多久的多长时间嘛。就比如说它有没有遇到这种这种那个 GPU 服务器出现什么比如说显卡驱动掉，这种问题有有有办法规避吗？像在这个 Kubernetes 里边的话，你做过的哪些东西会多一些？在这个 K8S 里边呢，我想的把那个里边像像你刚才说的都暴露了。我想把里边的某一个服务的服务对外，让它提供服务，哪怕是一个 Nginx，或者提供了一个页面，我的页面呢部署了一个官网，比如说部署了个京东，对吧京东的页面，我想让用户呢在外面能看到它，这个时候呢我通过哪几种方式可以把这个服务暴露出来？Ingress 的话可以吗？像 K8S 向外面暴露的方式有，他像你只说了刚才那一种， NodePort 的方式，是吧？嗯嗯。还有主机的网络一种。你在这里边那看来你没有做过这个向外面暴露。比如说在 Service 里面提供 Ingress 服务，这个东西听说过吧？你维护的这 K8S 里边的话，它这个 Pod 数多的话能达达到多少个呀？那比如说像 K8S 呢？ K8S 对 Pod 的调度分布不均的话，知道怎么比如像那比如我想看看某个 Pod 呢，我发现它正在撞撞，能够看到 Pod 的那个状态， Running 呢还是 Pending 啊，对吧？如果发现这个状态呢是 Pending 了，这可能是什么原因说我想看一看，去里边看看日志，到底是因为啥。这个时候呢我用哪个命令可以？帮我过滤了一下里边的时间，这个不是 2026 年吗？我想过滤一下 2026 年 4 月份。像 Nginx 的话调试过吗？本身的配置文件里边的参数优化的话，你会做哪些？那个 CPU 线程数呢？lVS负载均衡的软件，你知道哪些？这个数据库的话，有接触过吗？像 MySQL 这些的话，你主要会接触它做的过哪些工作呀？那如果是主从同步这个做过是吧？那比如说主从复制的好处你知道有有能有哪些吗？那比如说像咱们这个数据库里边，你知道数据库的那个引擎，比如说 InnoDB 跟 MyISAM 吗？这个都听说过。MySQL 的数据库有在 K8S 里边搭搭建过吗那要持久化的话你是用什么方式做的呀？Ceph 这种存储物接触过吗？比如说我在 K8s 里边呢，我想看一看我这一，比如我的空间吧，可能有好多，我可能建了 A 空间、 B 空间、 C 空间，对吧？ K8s 里边的空间，但是这个扯的是吧？嗯，就在这里边呢，我想看看我 A 空间里边的里边的所有的容器， CPU 和内存，这个的话能查你现在那个 Linux 上面，你常用的编程工具你用哪些啊？规划

行业垂直 Agent（差异化优势，简历亮点）推荐 GitHub 项目：Hermes Agent（star 59k+）：带长期记忆的个人 Agent，支持邮件 / 日程 / 信息检索，可二次开发为行业助手。地址：https://github.com/nousresearch/hermesDify（star 12k+）：零代码 AI 工作流，快速搭建垂直 Agent（如教育答疑、电商导购），支持 API 集成。地址：https://github.com/langgenius/difypy-jrag：模块化 Agentic RAG，支持多智能体协作、流式响应，适合进阶开发行业问答 Agent。地址：...

过去这一年，我对Vibe Coding的理解发生了明显转变——不再是“让一个AI帮我写代码”，而是像管理一个小型研发团队一样，管理一组AI。最近，我就用这套流程，将LLM-TradeBot在不到一周的时间里，从0搭建到了可运行版本。下面，我把目前稳定在用的一整套流程记录下来，供大家参考。1. 先选对“主力AI员工”如果只记住一条经验，那就是：选对模型，能极大减少返工、修BUG、推倒重来的隐形成本。在能力允许的情况下，尽量选择当下综合能力最强、上下文稳定的模型，而不是“能用就行”。在我的流程里，目前的AI分工如下：- Claude Code：核心开发主力，负责规划与编码；- Codex：负责代码Review与风险检查；- OpenCode：负责高频小改动与自动执行。IDE层面，我依然把Claude Code作为主战场，它非常适合长时间、高强度的Vibe Coding。2. 架构师 + 程序员的“双层AI架构”这是我认为最关键的一步。不要让一个AI既当产品经理，又当架构师，还当底层码农，这样几乎一定会导致：前期很爽、后期失控、最终形成“屎山”。我的做法是明确AI的角色分工，分为AI架构师和AI程序员两层。AI架构师（大脑）我会选择一个擅长系统思考和产品设计的模型，让它只专注做四件事，不涉及具体编码：1. 构思整个系统的目标和边界；2. 拆分开发阶段和模块；3. 为每一步生成「给AI IDE用的Prompt」；4. 验收阶段性成果，并给出下一步指令。这里有一个重要原则：不要让AI架构师陷入实现细节。上下文越干净，它的判断越稳定。AI程序员：专心干活，不做决策真正负责写代码的是AI程序员，流程非常简单：- 把AI架构师给出的Prompt，原样丢给AI程序员（我选用Claude Code）；- 监督它完成具体工作，包括编码、读文档、跑测试、修BUG。测试结果、异常情况、设计偏差，我会原封不动反馈给AI架构师，由它判断是继续推进，还是调整方向。这样做能明显感觉到：系统是“被管理着往前走”的，而不是失控地生长。3. Code Review 必须独立出来这是我最近新增、但非常重要的一步。当代码规模开始变大时，我会把代码丢给Codex，让它只专注做两件事，不参与设计、不写新功能：- 逻辑Review；- 风险检查（包括边界、异常、潜在Bug）。它的核心作用就是判断“这里有没有坑”，这一层能挡掉非常多未来才会暴露的问题。4. 不要害怕推倒重来这是Vibe Coding里最反直觉、但也最重要的一点。去年12月，我尝试开发一个MEME Auto LP系统，随着代码越来越多，逻辑越来越绕，明知道方向不对，却舍不得重写，最终导致：越修越乱、越改越偏，最后完全背离初衷。最终我选择：新建文件夹，全部重来。换了流程、换了模型组合，用现在这套多Agent方式，开发反而异常顺利。很多时候，与其花时间修补“屎山”，不如让更智能的AI，重新写一座干净的“山”。5. 测试、验收、提交：用Git控制AI最后一点，非常务实：一定要用Git。我目前的配置是GitHub私有仓库+GitHub Desktop/自动生成Commit Message，每完成一个阶段，就按照“测试→确认无误→提交”的步骤操作。这样做，你永远拥有三种权利：回滚、覆盖、推翻重来，这也是控制AI不乱写、不乱删、不乱来的最有效手段。最后如果只是开发一个很简单的小工具，其实任何AI IDE都能直接搞定。但只要项目稍微复杂一点，Vibe Coding的核心就不再是“写代码”，而是“设计一套能持续推进的AI协作流程”。对我来说，现在这套流程，已经足够稳定地支撑中大型项目开发。以上，记录在此。

这个项目就是一份绝佳的“AI Agent开发实战教科书”。它完美地解决了初学者“不知从何下手”的痛点。https://github.com/czl9707/build-your-own-openclaw📊 项目概况速览Build Your Own OpenClaw 是一个手把手教你从零开始构建一个AI Agent（智能体）的教程项目。它通过18个循序渐进的步骤，带你一步步实现一个具备聊天、使用工具、记忆、多平台交互等功能的完整Agent。分析维度具体情况项目价值项目定位顶级教学项目，模仿“Build Your Own X”系列学习路径极其清晰，目标感强技术热门度较高（1.3k Stars），...