Languages

Rust

Scala

Mpp & OLAP

Web & Frontend

• Building a Pure-Rust Charting Library

  • lodviz-rs
  • 基于 Leptos 的 react, 纯 rust, 通过 wasm 编译成 web 前端，提供交互式的 svg 图表库，适合 dashboard 场景。
  • lodviz_core: 无UI依赖的核心库，提供数据处理、LOD计算等功能。
  • lodviz_components
  • 11种图表类型，支持交互式功能如缩放、工具提示、图例等。
  • LOD: 通过采样技术，对大型的数据集进行采样，减少渲染开销。通过在 rust 中实现这些算法，相比 JS 提高性能。
    • LTTB: Largest Triangle Three Buckets，适合大规模数据的线图降采样算法。
    • M4: 可视化层面的再聚合（first/last/min/max)
    • Gaussian KDE: 基于高斯核密度估计的降采样算法，适合散点图等。
  • 图形语法：类似于 vega-lite。

  我年前也实现了一个 viz 引擎，对 d3, vega, vega-lite 等图形语法相对深入的进行学习和对比，最好还是自己设计了 viz-spec 语法（也是借鉴 vega-lite）。看这篇文章后，感受更深刻一些。

AI & Agent

• Harness Engineering 好文：Agent 时代的新思考
  • 模型能力已经不是瓶颈
  • Agent 目前的典型失败模式：试图一步到位、过早宣布胜利、过早标记功能完成、环境启动困难（本质还是对目标的定义能力困难）
  • Harness 四大支柱
    • 上下文架构：不多不少，分层递进。
    • Agent 专业化
    • 持久化记忆。
    • 结构化执行：将思考和执行分离，理解-规划-执行-验证
  • 实战案例： OpenAI:
    • 设计环境，而非编写代码，当Agent卡住时，不是更加努力，而是诊断缺少什么能力，并让Agent 构建该能力
    • 机械化的执行架构约束。
    • 将代码仓库作为 SPOT
    • 将可观测性链接到 agent
    • 对抗熵，花时间清理“低质量生成物”
    • Linter 改进：给出Agent修复的有效建议
    • 实战案例：Anthropic
      • 精心设计的 console 和 日志输出，对 AI 友好
      • Agent 时间盲区
      • CI 作为 harness
    • 工程师角色的改变
      • 从写代码到设计环境
      • 规划是新的编码
      • 两种并行模式：有人值守、无人值守

Misc