今年最火的AI技术应该是OpenAI在春节期间发布的Sora了。相比起其他视频生成产品就3、4秒的时长，Sora是碾压式的存在。但Sora没有对外开放，所以要生成长视频，暂时也没有其他完整的好的方案。综合各种资料来看，目前最可行的方案应该就是：写剧本/分镜——>生图——>生视频->视频拼接，本质上就是通过多个短时长的视频组成一个完整的长视频。下面就详细讲述一下。

随着2022年底ChatGPT引爆AIGC行业，层出不穷的各种LLM和AIGC应用都让人感觉新的时代马上就要到来。由于业务的需要，2023年自己的主要精力主要放在了AI这部分的跟进与研究。年底给公司做了一次AI技术的科普分享，这里先放出PPT，详细内容待后续的文章补充。

得闲看了一下博客，发现从2021年开始文章就很少了。主要是由于工作的需要，从那时开始基本上都在不停地学习新的东西，每个东西学习和使用的时间都不长，能分享的东西也就不多。而自己年终总结也停留在了2021年。今天想着梳理一下从2021年开始自己的一些感悟吧，也算是总结，也算是一个阶段的分享。

最近在实现LLM调用外部工具的时候，突然意识到貌似OpenAI的Function Calling和LangChain的Agent都能达到相同的结果，只是实现方式不同。因此这里来对比一下。

原文：https://hacks.mozilla.org/2023/07/so-you-want-to-build-your-own-open-source-chatbot/?continueFlag=6d9bf218cf6b0fd3ad8c94275089c5a0 by Stephen Hood

人工智能很可能是近年来最具有影响力和颠覆性的技术之一。这种影响并非理论性的：人工智能已经以实质性的方式影响了现实中的人们，它已经在改变我们所熟悉和喜爱的网络。鉴于 AI 可能带来的好处和危害，Mozilla 已经致力于可信 AI 的原则。对于我们来说，“可信”意味着 AI 系统在使用数据和做出决策时是透明的，尊重用户的隐私，优先考虑用户的自主权和安全，并致力于减少偏见和促进公正。

目前，移动互联网越来越趋向于下滑，在AGI大模型爆发之前，市场认知的未来三个大方向：Web3、元宇宙、VR/AR。其中，Web3中各主流公链 DAU 累计约为 250 万，而传统互联网的 DAU 为 50 亿，对比起来是蕴含着很大机会的。于是2022年花了很长一段时间学习了Web3相关的知识。主要分为三个部分。

1. Web是什么？
2. 业界生态
3. 如何开发

本文是第一部分：Web3是什么？

内容更新于 2026-09-29。保留原发布日期，正文与示例已按更新时的官方文档修订。

把应用打成镜像以后，单机运行通常已经不难。真正的复杂度出现在多台机器和多个团队之间：新实例应该放在哪里？节点损坏后谁来补齐副本？发布期间怎样保留可用容量？客户端如何找到不断变化的实例？

Kubernetes 用声明式 API 和控制器管理这些变化。用户提交期望状态，系统持续观察实际状态，再通过一系列操作缩小两者之间的差距。理解这套机制，比先记住大量 YAML 字段更重要。

内容更新于 2026-09-29。保留原发布日期，正文与示例已按更新时的官方文档修订。

一个应用在开发电脑上能运行，并不代表能够稳定交付。测试环境缺少某个系统库，生产环境使用另一版 JRE，发布时临时登录服务器修改配置，这些差异会让一次代码变更变成难以复现的现场操作。

Docker 的价值在于把运行环境和应用一起组织成制品，再让部署流程围绕这个制品展开。真正要建立的是一条可追溯的链路：源码版本对应哪个镜像，镜像经过哪些验证，部署到了哪里，故障时能否回到已知状态。

《Clean Architecture》一书中对于软件架构目的的解释：

The goal of software architecture is to miminize the human resources required to build and maintain the required system.

即：软件架构的目的就是将构建和维护系统需要的人力成本降到最低。

因此，可以得出架构设计的关键思维就是判断和取舍（程序设计的关键思维是逻辑和实现），即如何选择技术、组合技术使得需要的人力资源最少。

需要注意的一点是，脱离业务谈架构是不合理的，技术架构及其演进都是业务目标驱动的。

记录在阅读公众号、博客上一些好的文章时的笔记和心得。