Andrej Karpathy 前陣子提了一個概念：LLM Wiki——把 wiki 的結構化知識和 LLM 的語言能力結合，讓 AI 不只是生出看似合理的文字，而是基於你真正寫過的、整理過的、沉澱過的知識來回答問題。
老實講，這概念一看就覺得「對啊，為什麼沒有人這樣做？」於是我自己刻了一個。
一個基於 Karpathy LLM Wiki 哲學的雲端知識庫服務。把素材丟進去，AI 自動讀懂、重組成結構化 wiki，然後你可以用自然語言查詢整個知識庫——每個答案都有 citation，點擊就能追回原始文章。跟 RAG 最大的差別：不是查詢時才匆匆翻幾頁，而是入庫當下就讓 LLM 把知識整理好。
從排斥 vibe coding 到把 AI Agent 當成個人基礎設施：Morning Brief 自動化、WP-CLI 遠端管理、Skill 體系、多 Agent 分工模式。與其當做個會對話的 AI，這更像是個人 AI 作業系統。
稍微研究了一下BepInEx這個很常見的模型修改外掛在macOS下要怎麼使用，我用Chill with You – Lo-Fi Story來舉例。首先，你當然要有且下載這個遊戲：
之前花了不少時間在goland上跑起leetcode plugin，需要一些設定才可以讓整個goland跑起來。現在多了一個Rust可以玩解題，那我們首先還是要先把整個環境搭起來啦！
在講這個之前，先提一下主流語言通常「錯誤檢出」方面通常分為三個階段：
goplsC++擁有非常混亂的LSP實作，常常pre-compile time報錯，但是compile下去沒問題，以及反之….主要也是因為C++實在是過於複雜。而go是一個滿特殊的語言，他能夠把一些runtime才能檢出的東西藉由gopls以及go vet 做結構性語法檢查下，將錯誤把runtime提前到pre-compile time。
我其實滿驚訝目前好像沒有任何library有實作這個，或者有但是我找不到，所以我就實作了一個。別看這功能看起來很小巧簡單，這個需要對reflect有相當的認識，所以把製作心得記錄下來。
通常我們server boot up的時候需要印出很多log，有時候無可避免的要把整個config給印到log上，這樣會產生一個問題：要是config內含敏感資訊，如帳號跟密碼，這就會產生一些資安問題：
log.Infof("bootup with config : %+v", config)
印出來就會像這樣（標準的%+v會印出來的格式）
{Host:192.168.1.1 User:username Password:mypassword123}
顯然，這是不太恰當的，所以我們總歸來講有幾種作法
json:"-"讓他不被印出來func String() string，把敏感資料手動by key抹除掉最近開始把腦筋動到每個月要吃掉我20鎂的linode，看看能不能用Google Compute Platform來取代掉單純的VM。GCP本身有提供Free Tier, 所以只要小心地控制用量，搬遷應該是可以省下一筆，而且也可以玩玩GCP的一些新功能。
我這次先搬遷之前寫的一個爬蟲服務，這個爬蟲服務應該是我現有服務裡面最簡單的一個，首先先分析一下他有什麼特性：
可以先看看上一篇沒Thread Pool，Limiter也好？真的嗎？ 來個前情提要。
Worker Group其實基本概念跟Thread Pool很像，就是:
不過由於go沒有generic(目前版本是1.16，在1.17/1.18會支援)，所以這兩個channel都沒辦法寫得很漂亮，這也是大多數Worker Pool要不就是得用chan interface{}來寫，不然就是寫不出來。不過Worker Group這種東西其實夠輕量，輕量到其實自己打造都是可以的，這邊就介紹一下怎麼自己打造一個Worker Pool，以及揭秘為什麼很多CLI/UI都需要有一個自己的UI Thread(go沒thread，所以稱為UI routine吧）。
眾所皆知Go是沒有原生的Thread Pool這種東西，這在寫Crawler的時候會造成一些小小的不便。比方說你想要crawl PTT，這樣打一打大概2秒內DDoS protection就把你擋起來了：
docUrlList, _ := GetDocUrlList() //拿到某個版的文章列表
for _, docUrl := range docUrlList {
go func() {
docUrl := docUrl
p, _ := ParseSingleRawDocument(docUrl)
parseChannel <- p
}()
}