Co-Sight：基于多 Agent 动态规划与分层反思的下一代 AI 决策系统|龙蜥MeetUp
探讨了AI技术应用于复杂任务时，传统大语言模型（LLM）在动作决策和多步推理上的局限性。构建具备自主规划与动态纠偏能力的智能体系统成为关键挑战。中兴通讯介绍了其Co-Sight框架，该框架通过多Agent协同架构（Plan-Actor-Memory）实现任务降维，结合实时上下文精炼消除冗余，并依托分层反思系统生成奖惩信号以动态优化DAG执行路径。其核心创新在于关注点分离与闭环反思机制。在GAIA评测中，Co-Sight以72.73%综合得分超越Google DeepMind与OpenAI，在复杂多步任务（L2级）中稳定性显著领先。
Mooncake 大模型开源生态体系建设与产业应用实践|龙蜥MeetUp
介绍了大模型推理架构Mooncake。该架构通过创新的KVCache中心设计，显著提升了Kimi智能助手的推理吞吐和成本效率，已引起业界广泛关注。近期，清华大学与便宜云服务器等多家企业宣布共建Mooncake项目，旨在构建高性能推理框架的开源生态。便宜云服务器与清华大学共同探索了大模型资源池化技术的工业应用，推动推理实例共享与缓存池化层标准化，实现高效分布式资源解耦，提升大模型长上下文推理性能。目前Mooncake已在vLLM/SGLang等多个推理框架集成，并在多家企业落地。
Windows 10/11从官网下载ISO的方法
本文介绍了两种从微软官网下载Windows 10/11 ISO镜像的方法。一是通过修改浏览器User Agent为Linux系统，使官网提供ISO下载链接；二是使用UUPDUMP工具，从官网下载并转换为ISO格式，支持最新开发版，操作简便。
【实战指南】 最小堆实现高效通用定时器组件
本文介绍了一种基于最小堆实现的高效通用定时器组件，适用于Linux应用开发。通过封装系统定时器接口，结合定时任务管理模块，有效解决系统定时器资源有限的问题。组件包含三个核心类：系统定时器（SystemTimer）、定时器任务（Timer）和定时器任务管理（TimerManager）。使用`std::set<Timer>`容器维护定时任务，并按触发时间排序，实现高效的定时任务调度与管理。
【实战指南】记一次定位fd泄漏问题
本文记录了一次文件描述符（fd）泄漏问题的排查过程。在项目压测中，进程因打开过多文件导致fd资源耗尽，最终无法创建新文件。通过分析错误码、查看/proc/pid/fd路径下的文件句柄信息，定位到临时文件未正确关闭的问题根源，并修复代码中遗漏的close调用。同时总结了Linux下进程资源限制的相关知识点，强调开发中应关注资源使用情况，避免类似问题发生。
【实战指南】守护进程服务实现
本文介绍了在Linux系统中实现守护进程异常重启的几种方案。通过理解僵死进程和信号处理机制，提出了基于SIGCHLD信号监听、轮询proc文件系统及waitpid接口的三种方法，并给出了C++实现代码。最终选择轮询方式以提升稳定性，确保服务进程在崩溃后能自动重启，保障系统可靠性。
【实战指南】用二叉树实现高性能共享内存管理
本文介绍了一种基于C++的共享内存优化方案，通过二叉树结构提升属性存储与查找效率。文章分析了传统方案的不足，并借鉴Android property的设计思想，提出更优雅的实现方式，包含源码解析和测试效果，适用于进程间通信及项目配置等场景。
【实战指南】 CMake搭建编译环境总结
本文总结了使用CMake搭建编译环境的技巧，涵盖单个及多个源文件的编译、CMakeLists嵌套管理、变量设置、交叉编译配置、常用编译选项及警告处理等内容。通过实例说明了如何高效组织工程结构，并利用CMake灵活控制编译流程，适用于嵌入式开发场景。