FastAPI 学习笔记：从 ASGI 到异步 API 的生态梳理
如果你打算用 Python 写现代 HTTP API，多半会碰到 FastAPI：类型注解驱动、自动生成交互式文档、性能口碑也不错。但文档里常出现 Starlette、Pydantic、ASGI 等名词——它们各自解决什么问题、和 FastAPI 怎么叠在一起，初学者容易晕。这篇笔记按「协议 → 服务器 → 框架 → 业务层」的顺序，把主线捋直，并记下我整理时的常用结论与链接，方便以后回看。 认证、登录与 JWT 见站内 FastAPI 登录与认证：OAuth2、SSO 与常见方式。若你还关心 Python 侧锁文件与 uv、CI 装依赖再构建、全栈接口层怎么拆，可交叉阅读 2026 年 Python 包管理与依赖选择、GitHub Actions + Hexo 博客自动部署、全栈开发技术选型。 读完你能带走： ASGI 在请求链里处在哪一层，为什么需要 Uvicorn 这类进程。 Starlette / Pydantic / FastAPI 各自负责的边界，以及 OpenAPI 与校验怎么对齐。 lifespan 里接数据库、async 路由里 await...
项目管理与信息可视化：九种常用图形、本地配图与示例说明
开会时白板画了半天，对方还是问「所以依赖关系在哪」——多半不是画得不够细，而是图形类型和当下问题不匹配。下面按「先定范围、再排时间与依赖、再看流动与资源、最后做分解与归因」的顺序，整理九种常见可视化；每种配本地保存的示意图和一句示例说明，便于你对照选用。若你也在梳理工作流与可复用交付，可顺带对照 Agent Skills：AI 时代的可复用能力封装；技术栈与协作形态若在变，脉络可参考 AI 技能大爆发：VibeCoding、Agent、MCP、OpenClaw 与 Skills 的发展史。 读完可以带走： 九种图形各自对应的「核心问题」与典型视觉特征。 每张图下有一条可套到自己项目里的示例说明（软件、建筑、营销、预算等常见场景均可类比）。 文末组合建议：简单项目与复杂/不确定项目分别优先哪些图。 文中示意图均为教学/产品公开素材。 思维导图（Mind Map）——项目范围与脑暴思维导图常用于项目启动时的脑暴和范围分解：中心主题向外放射，一层层展开子项，适合把「大而空」的目标拆成可讨论的分支，再导出为 WBS、清单或排期。 图：项目范围/日程类思...
Seedance 与 Sora：商业化与版权博弈下的 AI 视频分流（2026）
Sora：高算力、高预期，却难抵营收与版权双重压力，最终整体下线视频能力。 Seedance 2.0：贴近短视频与广告场景，靠生态与定价跑通试用，但同样在欧美陷入 IP 风暴。 读完带走：AI 视频胜负不只取决于画质，更取决于单位经济、场景黏性与法务响应速度。 2026 年 3 月，OpenAI 宣布关闭旗下 AI 视频产品 Sora 的消费者 App、API，以及 ChatGPT 内的视频生成入口，并取消与迪士尼等方的高额合作意向。一度被视作「电影级生成」标杆的 Sora，就此退出面向大众的产品形态。几乎同一时期，字节跳动旗下的 Seedance（尤其 Seedance 2.0）在国内仍保持高热度，被不少创作者和中小商家当作「可批量出片」的工具。两条路径的分叉，很难只用「技术好坏」解释——更关键的是商业化是否跑得通，以及版权与监管压力来临时能否快速收口。下面先看商业化，再看法律法规与公开报道中的争议时间线。 若把「模型能力」和「产品化」分开看，可先对照本站 Agent 工具链与 Skills 脉络，以及 Agent Skills 作为可复用能力封装——视频生成同样是能力...
2026 AI 技能大爆发：MCP、Vibe Coding、Agent、OpenClaw 与 Skills
MCP：把「接什么工具」从各家自研接口，收敛成可复用的开放协议，Agent 才有稳定的「手脚」。 Vibe Coding：用自然语言指挥生成与迭代代码，把门槛从「写每一行」挪到「说清楚要什么」。 Agent：在 MCP + 强模型之上，做多步规划、调用工具、执行工作流；和单次问答不是同一类游戏。 OpenClaw / Skills：本地或自托管的 Agent 运行时 + 可分发、可组合的 Skill 包，把能力做成「装插件」。 若你更关心「Skill 目录长什么样、和 GitHub 上同名课程有啥区别」，可先看站内这篇：Agent Skills：AI 时代的可复用能力封装。 2024 到 2026 年，大家聊 AI 时，「技能」越来越常指一件具体的事：模型不只生成文字，还能按步骤调用工具、读写环境、把事办完。下面按时间先后，把 MCP、Vibe Coding、Agent、OpenClaw 与 Skills 串成一条线；例子侧重能想象的用法，方便你对照自己的场景。 MCP（Model Context Protocol）：先把「接线」标准说清楚Anthropic ...
互联网产品经理基本功学习笔记（2026）
这份笔记把产品经理需要掌握的基础知识串成一条逻辑链：从文档规范起步，再到产品从无到有的过程。每个理论尽量按「定义 → 为什么重要 → 怎么做」展开，并配有案例（背景、问题、做法、启发），便于零基础反复阅读与练习。 一、产品文档撰写规范（PRD 的基本功）PRD 全称 Product Requirements Document（产品需求文档）。产品文档（尤其是 PRD）是产品经理与开发、设计、测试沟通的「合同」。写得规范，执行就顺；写得模糊，容易返工和伪需求。 1. 命名规范 定义：标题准确、简洁、无歧义；常见格式为「描述对象 + 版本号」。 为什么重要：团队每天浏览大量文档，命名混乱会找错文件或用旧版。 怎么做：对象细化到模块或功能；版本号便于追踪迭代。 示例：《CRM（Customer Relationship Management，客户关系管理）系统 - 用户注册模块产品需求文档 V1.2.3》。 小贴士：若已是终版且不再改，可省略版本号。 2. 表达规范 定义：通篇使用客观、书面化专业表述。 为什么重要：口语化显得不专业，也易引发误解。 怎么做：避免「我觉得」「咱们下周」...
全栈开发技术选型：Nuxt Nitro 与 Python 后端如何取舍
如果你在 Nuxt 全栈项目里纠结「业务 API 继续放 Nitro，还是拆一个 Python 服务」，这篇把取舍拆成三件事：你现在主要做什么、哪些能力必须靠 Python、架构上怎么演进而不推翻重来。下面结论会先给，再展开场景与可选架构。与「把编排与接口稳定下来、把重能力外包给合适运行时」同一思路的，还有 Agent Skills：AI 时代的可复用能力封装 里讨论的 Skill 化交付，可对照阅读。 读完可以带走： 一张维度表，快速对照 Nitro 与 Python 后端。 AI、PDF/PPT、教育类函数图三类需求的落地方式。 三种架构的适用边界，以及「先 Nitro、按需加 Python」的分阶段做法。 Nitro 与 Python 后端：一张总表Nitro 是 Nuxt 的服务端引擎（Node.js）；Python 侧常见组合是 FastAPI 或 Django REST。下表默认对比 Nuxt 4 + Nitro 与 独立 Python API 服务（不与 Nuxt 同仓库时）。 维度 Nuxt + Nitro 纯 Python（FastAPI&#...
如何调研一款新的互联网 SaaS 产品是否值得去做（2026 实战指南）
一、市场需求（需求度）——确认痛点真实且强烈理论解释：SaaS 成败第一关是「问题是否足够痛」。用户画像 + Y 模型上半部验证「谁、何时、何地、做什么」（场景）→「为什么」（目标/动机）。2026 年 AI 工具可瞬间分析海量数据，但 必须结合临场感（亲自到用户场景观察）。 2026 最新经验：AI 可辅助，但 20+ 深度访谈仍是底线。垂直 SaaS（行业特定）需求更强，增长率远超通用 SaaS。 1.1 关键词与搜索趋势分析 Google Trends：核心关键词 + 目标国家/地区，看约 5 年趋势（上升通常表示需求增长）。 Ahrefs / SEMrush / Similarweb：月搜索量、长尾词、竞争度（KD 值）。 操作：优先高搜索量、中等 KD 的长尾词（如「AI 垂直 SaaS 医疗预约」而非「AI SaaS」）。 1.2 社交媒体与社区调研 Reddit、Quora、Twitter/X、Facebook Groups、Discord、LinkedIn：搜索痛点关键词，统计讨论频率、情绪（抱怨帖多 =...
Agent Skills：AI 时代的可复用能力封装
Agent Skills 可以理解成「给 AI 的项目说明书 + 工具包」：核心是一个 SKILL.md，可按需配 scripts/、templates/、references/。 它解决的不是“AI 会不会写代码”，而是“AI 能不能稳定按你的规则做事”。 GitHub Skills 是面向人的免费互动课程；Agent Skills 是面向智能体的能力封装，名字像，但不是一回事。 想马上试：先写一个 30 分钟能做完的最小 Skill，把你最常重复的流程放进去，再迭代。 如果你也有这种体验：同一个需求，昨天 AI 回答很稳，今天又“失忆”了，那你遇到的通常不是模型能力问题，而是上下文没有被沉淀。 Agent Skills 的价值就在这里。你把“这件事该怎么做”写成可复用模块，放进仓库，再让智能体按规则读取。这样做的收益很直接：重复解释更少、输出风格更稳、团队协作也更容易对齐。 Agent Skills 到底是什么先用一句人话定义：Agent Skills 是把经验、流程和约束打包成目录，让 AI 在需要时再加载的做法。 一个 Skill 通常以 SKILL.md 为核心...
逆向工具命令：反编译，签名，打包的工具使用
反编译，签名，打包的工具使用1.apktool 安装： 官方定义：A tool for reverse engineering Android apk files 官网下载：https://ibotpeaches.github.io/Apktool/install/ 2.dex2jar安装： 将dex文件，转换成java的jar 官网下载：https://sourceforge.net/projects/dex2jar/ 3.java转换smali: 第一步：javac命令编译java文件为class文件 第二步：dx命令将class文件转化成dex文件 第三步：使用baksmali工具将dex文件转化成smali文件 工具： https://github.com/fourbrother/java2smali 4.jd-gui安装： 查看jar包文件的版本 官网下载地址：http://java-decompiler.github.io/ 5.jadx-gui安装： https://github.com/skylo...
Scrapy的执行细节：第一步运行命令
第一步运行命令scrapy crawl xx:执行到：\Lib\site-packages\scrapy\cmdline.py调用def execute(argv=None, settings=None): 初始化settings = get_project_settings() 配置项目环境init_env：os.environ[‘SCRAPY_SETTINGS_MODULE’] = cfg.get(‘settings’, project) 初始化cmd.crawler_process = CrawlerProcess(settings)，一个进程中同时运行多个scrapy爬虫的类，获取cls_path = settings.get(‘SPIDER_LOADER_CLASS’)，加载类site-packages\scrapy\spiderloader.py 123456789101112131415161718192021222324252627282930313233343536373839@implemente...