当 AI 助手开始读取代码、调用工具和执行命令，隐私问题就不再只是"会不会拿去训练"了。 0. 写在前面 这篇文章不是劝大家停止使用 AI 工具。笔者自己也很难回到没有 LLM Agent 的工作流里。 真正想讨论的问题是：我们正在把什么交给远端模型？这些数据经过哪些服务？谁能看见，谁能修改，谁能触发本地工具调用？出了问题以后，能不能审计和追责？ 过去一两年，LLM Agent 正在从聊天窗口渗透到越来越多的实际工作流里。Cursor、Claude Code、Codex、Cline 这类工具让模…

面对 2015 年的老博客，是推翻重写还是爆改布局？借助最新 AI 模型结对，笔者仅用几个小时，完成了从前端排版到后端性能的全面现代化翻新。记一次时间性价比极佳的工程实践。

基于 FAST 2002–2026 论文集，本文梳理了存储系统研究从文件系统、Flash/SSD 到 KV cache、checkpoint 与 model loading 的迁移轨迹，重点讨论 AI 时代哪些老问题被重新推回了舞台中央。

在 AI 时代，代码不再需要“经历岁月”才会变成遗留代码，它可以在生成的瞬间就成为遗留代码。

本文是博主读 Fast Cloud Storage for AI Jobs via Grouped I/O API with Transparent Read/Write Optimizations 后的一些主观感想。

本文是博主读 FAST26 Sharpen the Spec, Cut the Code: A Case for Generative File System with SYSSPEC (Awarded Best Paper) 后的一些主观感想。

Cost-efficient Archive Cloud Storage with Tape: Design and Deployment

LESS is More for I/O-Efficient Repairs inErasure-Coded Storage

ACOS: Apple’s Geo-Distributed Object Store at Exabyte Scale

SRE 小王凌晨两点将节点设为 DRAINING，这是他控制面系统发生的变化。

本文面向中重度使用 LLM coding 并思考未来开发范式的工程师，以及构建大型商业项目的一人公司开发者。本文描述 BMAD v6 的工作机制、与传统敏捷开发的关系，以及人类在流程中的位置。以及笔者实际体验的一些感受。

比如晒太阳和发呆，LLM Agent 做得到吗？（2025 年终杂谈）

在当前分布式存储硬件背景下，性能 vs 成本 vs 数据安全性几乎成为了一个不可能的大三角。

本节将重点讨论分布式存储系统的产品形态、常见组件。并一起思考、完成一个技术选型 CheckList。

Cloudflare 对 2025 年 12 月 5 日故障的复盘报告，和一些自己的思考。

2025 年 11 月 08 日 - 09 日，周大服 12 周年学术研讨会暨李相俊教授指导会在北京圆满落幕。

最近季度，笔者用了一些时间尝试在实际生产系统 (分布式存储领域) 中引入大模型 LLM 和 Agent 技术，以探索大模型在日常开发、运维、以及系统问题分析的能力边界。

分布式人两个重要手段：Partition 和 Replicate。其宛如两板斧一样大道至简，不必故弄玄虚。本文聚焦于 复制 主题。