标签 Go语言 下的文章

对话 Uber 前 CTO:我如何用 5000 个微服务驯服这头失控的巨兽

本文永久链接 – https://tonybai.com/2026/05/10/scaling-uber-with-thuan-pham

大家好,我是Tony Bai。

在硅谷的黄金时代,曾有一家公司以一种近乎“暴力”的美学,重新定义了增长的速度。它的名字叫 Uber。

在最癫狂的岁月里,它以“周”为单位攻占新的城市,用海量的资本和补贴点燃市场,其业务增长曲线陡峭得如同悬崖峭壁。

但在这场增长的狂欢之下,是一套摇摇欲坠、濒临崩溃的技术系统。

2013 年,当 Tuan Pham(后来被称为 Uber 的“救火队长”)加入时,这家拥有 40 名工程师的公司,系统每周都会崩溃数次。而他面临的第一个挑战,就是公司的核心派单系统,只剩下 5 个月的寿命。

近日,这位传奇 CTO 接受了一次深度访谈。他不仅首次揭秘了当年与创始人 Travis Kalanick (以下称TK) 长达 30 小时的“魔鬼面试”,更详细复盘了 Uber 是如何在失控的边缘,被迫走上那条被全网群嘲、却又别无选择的 “5000 微服务” 之路。

今天,就让我们跟随 Tuan 的视角,重返那个硝烟弥漫的战场。

从船民到 MIT:一段关于生存的开端

Tuan Pham 的人生开局,堪称地狱模式。

他出生于越南,是战争的亲历者。1975 年后,由于家庭背景,他和家人被迫成为“越南船民”,挤在破旧的渔船上,冒着不足 50% 的生还率,在深夜逃离故土。

在海上漂泊了四天三夜,躲过风暴和海盗,他们最终在马来西亚登陆,却又被拖回大海,最终被印尼的一个荒岛收留。

一年后,他们以难民身份来到美国。身无分文,不懂英语,第一套衣服来自教堂的捐赠衣橱。

“生存”,是刻在他骨子里的第一性原理。

和很多技术天才一样,Tuan 在数学上展现了过人的天赋。高中时,他靠着一台有两个软盘的 IBM PC 自学了编程,甚至用脚本语言帮政府机构把需要 3 周才能完成的财务对账工作,压缩到了 3 小时。

凭借着优异的成绩和推荐信,他被 MIT 录取,正式开启了他的计算机科学之旅。

血泪的教训:两场失败,塑造了 Uber 的基因

在加入 Uber 之前,Tuan 的职业生涯并非一帆风顺。但正是这些宝贵的“失败”,让他积累了足以驾驭 Uber 这头巨兽的认知。

第一场失败,在 SGI(硅谷图形公司)

上世纪 90 年代,他参与了一个极其超前的项目——交互式电视。在那个连手机和互联网都还没普及的年代,他们已经实现了“视频点播、在线购物”。斯皮尔伯格、迈克尔·杰克逊都来参观过。但这个项目最终惨败,因为机顶盒的成本高达 4.5 万美元。这让他得到一条教训:光有伟大的技术没用,你必须在正确的时间、以正确的价格,出现在正确的市场。

第二场失败,在 NetGravity(一家互联网广告公司)

他们发明了动态广告系统,并成功上市。但另一家比他们晚成立的公司,靠着更轻量的“广告服务(Ad Service)”模式,野蛮生长,最终被 Google 收购。而他们,因为董事会要求“优先盈利”,错失了市场。这让他得到了另外一条教训:当市场窗口期出现时,增长速度压倒一切,哪怕是以亏损为代价。

这两条从真金白银和血泪中总结出的铁律,仿佛就是为日后的 Uber 量身定制的。

30小时的“魔鬼面试”:与 TK 的灵魂拷问

离开 VMware 后,Tuan 并未主动寻找工作。是 Benchmark 的传奇投资人 Bill Gurley(也是 Uber 的早期投资人)找到了他。Bill Gurley 认识 Tuan,源于十几年前那家失败的广告公司。

Tuan 在访谈中反复强调一个观点:

“我从不刻意经营人脉。你只需要把你手头的每一份工作做到极致,真诚地对待你身边的每一个人。随着时间推移,你的声誉会为你打开所有的大门。”

当他见到 Uber 的创始人 Travis Kalanick (TK) 时,一场长达 30 小时、横跨两周的马拉松式面试开始了。

TK 在白板上写下了密密麻麻的清单:从招聘开除、到代码质量、再到团队文化……他们每天 Skype 两小时,一个一个地辩论。

Tuan 回忆道,那根本不像面试,更像是两个合伙人在激烈地碰撞思想。有一次,聊到一半 TK 要赶飞机,他直接拿起电话让助理改签,然后继续辩论。

T.K. 对技术细节的痴迷,和近乎偏执的激情,让 Tuan 意识到,这是一个将技术视为公司命脉的创始人。

面试的最后,Tuan 发现,这 30 小时其实是一场“模拟工作”。TK 在用最高成本的方式,去观察当他们意见相左时,是否还能有效地沟通、并最终达成共识。

微服务之殇:我们根本不想搞 5000 个微服务!

Tuan 加入 Uber 时,公司只有 40 个工程师,但系统每周都会宕机数次。整个后端是一个巨大的单体应用,派单系统是用单线程的 Node.js 写的。为了扩容,工程师们只能不断地把程序挪到 CPU 更快的机器上(垂直扩容)。

Tuan 问团队:“如果最快的 CPU 也扛不住了怎么办?”

工程师说:“那就换一个有多颗 CPU 的机器。”

Tuan 再问:“那这些进程之间怎么共享状态?”

团队沉默了。

Tuan 迅速算出,当时最大的城市纽约,将在 5 个月后彻底冲垮派单系统的物理上限。

重写,是唯一的活路。

他只提了两个要求:1. 一个城市必须能被多台机器支撑;2. 一台机器必须能支撑多个城市。 没有新功能,只要活下去。

最终,团队在 8 月份惊险上线了新系统,暂时续上了命。

但真正的噩梦,来自那个名为 API 的巨型单体应用。随着业务的爆炸式增长(UberX 上线、新城市扩张),这个单体应用成了所有团队的瓶颈。任何一个新功能,都可能要排队等好几个团队的开发资源。

为了活下去,Tuan 和 TK 做出了那个后来被全行业“群嘲”的决定:

“任何新功能,一律不许再往单体里加!必须作为独立的服务(Microservice)去开发。”

同时,成立一个专门的团队,去把旧的单体应用一块块“拆骨”。

这个拆骨项目,代号“达尔文(Darwin)”。Tuan 苦笑道,如果时间静止,这个项目 3-6 个月就能搞定。但他们花了整整两年。

因为在他们拆解的同时,业务的增长速度比他们拆解的速度还要快!新功能被疯狂地加回到那个正在被拆的单体里。

“当你把一块代码剥离出去后,剩下的部分因为业务增长,变得比你剥离出去的还要大。我们就像在追着自己的尾巴跑。”

5000 个微服务,不是一个被精心设计出来的架构蓝图。它是在极端增长压力下,为了让几百个工程师能够并行开发、不互相阻塞,而被迫做出的“最不坏”的选择。

这是 Uber 用每年几亿美元的服务器成本,换来的开发速度。

中国速度:两个月,拿下中国市场

在 Uber 的历史上,最能体现这种“速度压倒一切”文化的,莫过于 2014 年底的“中国闪击战”。

圣诞节前,TK 宣布:新年过后,Uber 要全面进军中国。他给了 Tuan 两个月的时间,在中国本土,从零开始搭建一套完整的、物理隔离的数据中心。

Tuan 的工程团队评估后,给出的最快时间是 6 个月。他在湾区的朋友们听说后,都嘲笑他疯了:“没有 18 个月根本不可能。”

TK 不接受,最终两人“折中”到了 4 个月。

4 个月后,项目延期了。TK 很不爽。

5 个月后,项目再次延期。TK 暴怒。

Tuan 对 TK 承诺,再给一个月,但必须允许他们“分阶段上线”,而不是一次性点亮所有城市。

TK 同意了,但提了一个极其苛刻的条件:第一个上线的,必须是当时业务量最大的城市——成都。

Tuan 在访谈中回忆道,这在当时看来简直是自杀,但事后回想,这是 TK 做出的最天才的决定。

“当你把最硬的骨头啃下来之后,剩下的就全是下坡路了。整个团队的士气和信心都被拉满了。”

最终,他们真的做到了。IT 团队在两周内完成了服务器的跨国部署,软件团队在无数个通宵后,让代码在中美两地同时跑了起来。

没有人认为这能成功,但它就是成功了。 这就是 Uber 当时的魔力。

小结:AI 时代的生存法则

在访谈的最后,Tuan 聊到了如今最火热的 AI 编程。

他所在的新公司 FAIR,已经开始使用 Agent Swarm(智能体集群) 来辅助开发。他发现,顶级的工程师在使用 AI 后,产出能翻倍。

当被问及“AI 时代,如何区分优秀与平庸的工程师”时,Tuan 的回答,与他在 Uber 血战时总结出的经验如出一辙:

“好奇心、无畏、愿意尝试新事物、敢于打破常规。这些特质,在过去能让你脱颖而出,在今天,同样能让你成为驾驭 AI 的顶级玩家。平庸的人把 AI 当拐杖,而优秀的人把 AI 当作火箭推进器。”

从越南船民到硅谷之巅,Tuan Pham 的一生,就是一部关于“在混乱中寻找秩序,在极限压力下野蛮生长”的史诗。

Uber 的故事或许不可复制,但它留给我们的思考,远未结束。

在技术的世界里,从来没有完美的架构,只有与业务增长阶段相匹配的、充满妥协与权衡的草台班子。

而我们作为工程师的终极使命,就是在这个草台班子上,用最快的速度,把它搭成别人眼中坚不可摧的罗马。


今日互动探讨:

看完 Uber 的故事,你觉得在你的公司里,是应该优先选择“技术正确”的完美架构,还是“能快速上线”的野路子?你对微服务和单体架构有什么切身体会?

欢迎在评论区分享你的看法!


还在为写 Agent 框架频频死循环、上下文爆炸而束手无策?我的新专栏 从0 开始构建 Agent Harness 将>带你:

  • 抛弃臃肿框架,回归“驾驭工程 (Harness Engineering)”的第一性原理
  • 用 Go 语言手写 ReAct 循环、并发拦截与上下文压缩引擎等,复刻极简OpenClaw
  • 构建坚不可摧的 Safety Middleware 与飞书人工审批防线
  • 在底层实现 Token 成本审计、链路追踪与自动化跑分评估
  • 从“调包侠”进化为掌控大模型边界的“AI 操作系统架构师”

扫描下方二维码,开启从 0 开始构建Agent Harness 的实战之旅。


你的Go技能,是否也卡在了“熟练”到“精通”的瓶颈期?

  • 想写出更地道、更健壮的Go代码,却总在细节上踩坑?
  • 渴望提升软件设计能力,驾驭复杂Go项目却缺乏章法?
  • 想打造生产级的Go服务,却在工程化实践中屡屡受挫?

继《Go语言第一课》后,我的《Go语言进阶课》终于在极客时间与大家见面了!

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造!30+讲硬核内容,带你夯实语法认知,提升设计思维,锻造工程实践能力,更有实战项目串讲。

目标只有一个:助你完成从“Go熟练工”到“Go专家”的蜕变! 现在就加入,让你的Go技能再上一个新台阶!


商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求,请扫描下方公众号二维码,与我私信联系。

火爆外网的 Go 开源神器 CLI Printing Press:一键生成 Agent 专属 CLI 工具

本文永久链接 – https://tonybai.com/2026/05/09/cli-printing-press-intro

大家好,我是Tony Bai。

近日,一个名叫 cli-printing-press 的开源项目冲上了 X.com 热搜。它用 Go 写成,解决的是 AI Agent 时代最隐秘、也最致命的痛点——工具不够用,更不好用。

先说一个反常识的故事

Discord 有 300 多个官方 API 端点。

按常理,一个覆盖所有端点的 CLI 工具,应该是最好用的那个。但事实恰恰相反。

OpenClaw 之父 Peter Steinberger 用 Go 写了一个叫 discrawl 的工具,只提供 11 个命令:sync、search、sql、tail、mentions、members……就这些。结果?700多 颗 GitHub Star,社区口口相传,被无数 AI Agent 开发者列为必装工具。

为什么一个”阉割版”打败了”全功能版”?

因为 Steinberger 看到了 Discord API 设计者自己都没意识到的东西:聊天记录不只是聊天,它是一个组织的知识库。

每一条消息线程,本质上都是一份可以被归档、被索引、被本地全文搜索的文档。那 11 个命令,围绕的就是这个洞察。300 个端点包装器,做不到这一点。

CLI Printing Press,就是一台把这种洞察自动化的“机器”。

AI Agent 的”工具饥渴”时代

在聊这个工具之前,我们需要先理解 2026 年的 AI 开发现状。

Claude Code、Codex、OpenClaw、Gemini CLI等 AI Agent 的能力已经突飞猛进。它们可以写代码、查数据、做分析、自主决策。但有一个瓶颈正在成为所有人的噩梦:现有的 CLI 工具,根本不是为 Agent 设计的。

想象一下 Agent 在调用一个普通 CLI 时会遇到什么:

  • 输出格式不稳定,有时是表格,有时是纯文本,Agent 根本无法可靠地解析;
  • 没有类型化退出码,出了错要去解析 stderr 的文字才能知道是认证失败还是网络超时;
  • 每次查询都要远程 API 调用,一个复合问题需要十几次 round-trip,token 哗哗地烧;
  • 遇到没有公开 API 文档的网站(比如 ESPN、Google Flights),完全束手无策。

CLI Printing Press 项目 README 开篇就把这个痛点说得很直白:“在 AI Agent 的世界里,没有什么比时间和金钱更宝贵——落到工程层面,就是速度和 token 消耗。一个设计优良的 CLI 是 Agent 的肌肉记忆:不用翻文档,不走弯路,不浪费 token。”

CLI Printing Press,就是为了解决这个问题而生的。

它到底是什么?

用一句话描述:

CLI Printing Press 是一台 CLI 工厂。给它一个 API 地址(或者任意一个网站),它输出一个专门为 AI Agent 设计的 Go CLI 工具 + MCP 服务器 + Claude Code Skill。

安装方式极其简单(Go需要>=1.26版本):

# 安装工厂本体
go install github.com/mvanhorn/cli-printing-press/v4/cmd/printing-press@latest

# 克隆技能文件(配合 Claude Code 使用)
git clone https://github.com/mvanhorn/cli-printing-press.git

# 在 Claude Code 中启动,直接加载skill
claude --plugin-dir .

然后在 Claude Code 中,一条命令就能启动生产流程:

/printing-press Notion          # 给 Notion API 生成 CLI
/printing-press https://espn.com/nba  # 直接指向网站,无需 API 文档

为什么选 Go?

这是一个值得细聊的设计决策。

在这个 TypeScript、Python 等生产力语言大行其道的时代,CLI Printing Press 选择了 Go,并且坚定地把 Go 作为所有生成产物的语言。原因很现实:

第一,分发极其简单。 go install 一行命令,跨平台,无依赖。Agent 在运行时动态安装工具,最怕的就是依赖地狱。Go 的静态编译二进制文件是最优解。

第二,Go 已经被实践证明。 Peter Steinberger 用 Go 写的 gogcli(Google Workspace CLI)拥有 7000+ Star,而 Google 官方之后推出的 Rust 版本,一周冲到 1 万 Star,却在社区中败给了前者。一个用户的评价是:”我 100% 偏好 gogcli,因为它就是能让 Agent 做到它需要做的事。”广度没能打败深度,Rust 没能打败 Go。

第三,Go 的并发模型非常适合 Agent 的使用场景。 SQLite 批量事务、并发 sync worker、FTS5 全文索引……这些都是 Agent 高频调用场景下的性能关键路径,Go 处理起来得心应手。

核心机制:它如何做到的?

每个 API 都有非显见身份(Non-Obvious Insight)

这是整个项目最有哲学深度的设计。

Printing Press 在生成任何 CLI 之前,都要先找到这个 API 的”非显见洞察”(NOI),一句话的格式:

“[API] 不只是 [显而易见的功能]。它是 [非显见的东西]。每个 [数据点] 都是关于 [隐藏真相] 的信号。”

几个例子,读完你可能会有点震撼:

这个 NOI 是整个 CLI 的创意 DNA。如果 AI 在研究阶段写不出一个 NOI,说明研究深度不够,Phase 0 不会放行。

五层创造力梯子

大多数工具停在第 1 层。Printing Press 直接爬到第 5 层。

第 1 层:API 端点包装命令         ← 99% 的生成工具止步于此
第 2 层:输出格式 (--json, --csv)
第 3 层:本地持久化 (sync, search, SQLite)
第 4 层:领域分析 (stale, orphans, load)    ← discrawl 的水准
第 5 层:行为洞察 (health 综合评分, similar 重复检测)  ← 目前无人到达

第 3 层以上,才是真正的价值所在。一旦数据落在本地 SQLite,compound 查询就成为可能——这是任何无状态 API 包装器永远做不到的事情。

本地优先数据层

Printing Press 生成的每个高质量 CLI,都带有一套完整的本地数据层:

  • 领域特定的 SQLite 表(不是 JSON blob,是真正的关系型结构)
  • FTS5 全文搜索索引
  • 带游标追踪的增量同步
  • 直接 SQL 查询接口

这意味着什么?看一个 Linear 的真实 Demo:

$ /pp-linear sql 'blocked issues whose blocker hasn't moved in 7 days'

背后执行的是:

SELECT i.identifier, i.title, age(now(), b.updated_at) AS stuck
FROM issues i
JOIN issue_relations r ON r.issue_id = i.id
JOIN issues b ON b.id = r.related_issue_id
WHERE r.type = 'blocked_by'
  AND b.state = 'in_progress'
  AND b.updated_at < now() - interval '7 days';

结果:

ENG-412  Crash on cold-start        blocked 11d
ENG-388  Reconnect dropped sockets  blocked 9d
ENG-301  Backfill missing rows       blocked 8d

50 毫秒。本地完成。关键是 Linear 的官方 API 无法回答这个问题。

Agent-Native 设计哲学

这是 Printing Press 和普通 CLI 生成工具最根本的区别。每一个生成出来的 CLI,都内置了以下设计:

  • 自动 JSON 输出:终端里显示人性化表格,管道传输时自动切换为 JSON,无需 –json 标志。
  • –compact 模式:只返回高重力字段(id、name、status、时间戳),减少 60-80% 的 token 消耗。
  • –dry-run 安全探索:让 Agent 在不执行副作用的情况下验证命令逻辑。
  • 类型化退出码
- 0 = 成功
- 2 = 用法错误
- 3 = 资源未找到
- 4 = 认证失败
- 5 = API 错误
- 7 = 速率限制

Agent 读一个退出码就知道下一步怎么做,不需要解析错误文字,自我纠正只需一次重试。

为什么 CLI 比 MCP 更适合 Agent?

CLI 的 token 消耗比 MCP tool definition 少 100 倍。LLM 本来就在 shell 交互上训练过。退出码 0 = 完成。–json | jq 是一流的组合模式。

这套设计哲学有一句精辟的总结:“Agent-native 设计,就是认真对待 CLI 设计 的结果。”

无 API 文档?浏览器嗅探搞定

ESPN 没有官方 API。Google Flights 没有公开文档。Dominos 也没有。

Printing Press 的解法:启动一个浏览器,你正常点击浏览,它在后台抓取所有 HTTP 流量,逆向工程出 API 结构,自动生成 OpenAPI spec,然后继续走后面的生成流程。

三种输入模式,覆盖所有场景:

  • –spec:直接提供 OpenAPI spec 文件
  • –har:DevTools 导出的 HAR 流量包
  • 直接 URL:交给浏览器嗅探

工厂流水线,一次生成,双接口输出

每次运行 Printing Press,整个流程分阶段进行:

  • Phase 0:解析 & 复用(1-3 分钟)
  • Phase 1:研究简报 — API 身份、竞争对手、数据层、产品论点(5-10 分钟)
  • Phase 1.5:生态吸收门 — 目录化每个 MCP/skill/CLI 的功能,生成吸收清单(5-10 分钟)
  • Phase 1.7:浏览器嗅探门(2-5 分钟)
  • Phase 2:生成 Go CLI + MCP 服务器(1-2 分钟)
  • Phase 3:构建 GOAT — 吸收所有功能 + 超越命令(10-20 分钟)
  • Phase 4:发货检查 — Dogfood + 验证 + 质量评分(3-8 分钟)
  • Phase 5:Live Smoke Test(可选)(2-5 分钟)

Printing Press产出的不是一个,而是两个可用工具:

一个 spec 进去
  → <api>-pp-cli    Cobra CLI,供 Claude Code / Codex / shell 调用
  → <api>-pp-mcp    MCP 服务器,供 Claude Desktop / Cursor / Windsurf 使用

两者共享同一个 internal/client、同一个 internal/store、同一套认证逻辑。零代码重复,一套实现,双场景覆盖。

质量不靠玄学,靠四项机械验证

生成出来的 CLI 质量如何保证?Printing Press 用了一套两层 100 分制评分系统,加四项机械化验证。

第一层(基础设施,50分):检查骨架是否正确——输出模式、认证流程、错误处理、Agent-Native 标志、终端 UX、README、Doctor 命令、本地缓存。

第二层(领域正确性,50分):检查代码是否真的能跑——生成的 URL 路径是否存在于 OpenAPI spec、认证格式是否和 spec 一致、SQLite 数据管道是否正确连通、是否有死代码和悬挂函数。

Grade A = 85 分以上。两层都过,才算合格。

四项行为证明(Proof of Behavior):

  • 路径证明:所有生成的命令 URL 都存在于 OpenAPI spec
  • 标志证明:所有注册的 flag 都被至少一个命令引用
  • 管道证明:每个 SQLite 表都有 WRITE 路径(sync)和 READ 路径(search/query)
  • 认证证明:认证头格式和 spec 的 securitySchemes 匹配

任何一项证明失败,会触发自动修复流程,重新验证。

已打印的 CLI 库:45 个开箱即用

不想自己生成?官方已经打印好了 45 个 CLI,覆盖主流场景:

  • 旅行:flight-goat(Kayak + Google Flights 双数据源,一条命令搞定长途航班搜索)
  • 体育:espn-pp-cli(17 个体育项目,实时比分、系列赛状态、伤病报告)
  • 生产力:linear-pp-cli(50ms 复合查询)、slack-pp-cli、cal-com-pp-cli
  • 电商:ebay-pp-cli(真正的狙击竞价)、craigslist-pp-cli(历史价格对比、骗局评分)
  • 房产:redfin-pp-cli(内部 Stingray API 嗅探,$/sqft 净 HOA 排名)
  • 美食:dominos-pp-cli(本地最优套餐叠加,这是 Dominos 官网没有的功能)

安装方式同样极简:

# 一键安装入门四件套
npx -y @mvanhorn/printing-press install starter-pack

# 安装指定工具
npx -y @mvanhorn/printing-press install espn sentry linear

两个 CLI 协同工作的真实场景

Printing Press 最打动人的地方,是多个 CLI 可以在同一个 Claude 对话中协同工作。

场景:我想去看 OKC 的季后赛,怎么买最便宜的机票?

$ /pp-espn nba okc round 2 game 1 + /pp-flightgoat sea-okc, fly-in same day

两个 CLI,一次对话:

  • espn-pp-cli 拉取实时数据:OKC 刚以 131-122 赢了凤凰城,第二轮第一场预计在 5 月 9 日或 10 日
  • flightgoat-pp-cli 立刻查询:西雅图飞俄克拉荷马城,当天往返
  • 结果:西南航空 $437 往返,推荐 Wanna Get Away+ 可退款票,Frontier 的那班到得太晚,跳过

这不是 Demo,这是真实运行的输出。两个工具各司其职,一个 Agent 对话完成端到端决策。

写在最后:Go 为什么在 AI 时代逆袭

CLI Printing Press 的出现和走红,其实折射出一个更大的趋势。

Rust 以性能和安全著称,Python 以生态和易用性著称,但在 AI Agent 工具这个细分赛道,Go 正在悄悄胜出。原因很简单:

  1. 分发成本最低:单一静态二进制,go install 一行,Agent 可以动态自安装。
  2. 并发模型刚好够用:协程 + channel 处理并发 sync 任务,不过度设计。
  3. SQLite 生态成熟:go-sqlite3、modernc/sqlite,本地优先架构的标准搭档。
  4. 工程师接受度高:Agent 调用的工具,背后的人类也要维护,Go 的可读性是优势。

更深层的洞察是:AI Agent 需要的不是最强的工具,而是最可靠、更好用的工具。 打 5 分的输出稳定输出,胜过偶尔打 9 分但不可预测的输出。Go 的 CLI 恰恰提供了这种可靠性。

而 CLI Printing Press,把这套哲学变成了一条流水线。

如果你也在构建 AI Agent,或者正在为 Agent 寻找合适的工具层,这个项目值得花半小时认真研究一下。它解决的问题,可能比你意识到的还要根本。

参考资料


今日互动探讨:

看完这款“CLI 印刷机”,你觉得在 AI 时代,传统的 RESTful API 是否已经走到了尽头?你最想为哪个原本没有 API 的网站“打印”一个专属工具

欢迎在评论区分享你的脑洞!


还在为写 Agent 框架频频死循环、上下文爆炸而束手无策?我的新专栏 从0 开始构建 Agent Harness 将带你:

  • 抛弃臃肿框架,回归“驾驭工程 (Harness Engineering)”的第一性原理
  • 用 Go 语言手写 ReAct 循环、并发拦截与上下文压缩引擎等,复刻极简OpenClaw
  • 构建坚不可摧的 Safety Middleware 与飞书人工审批防线
  • 在底层实现 Token 成本审计、链路追踪与自动化跑分评估
  • 从“调包侠”进化为掌控大模型边界的“AI 操作系统架构师”

扫描下方二维码,开启从 0 开始构建Agent Harness 的实战之旅。


原「Gopher部落」已重装升级为「Go & AI 精进营」知识星球,快来加入星球,开启你的技术跃迁之旅吧!

我们致力于打造一个高品质的 Go 语言深度学习AI 应用探索 平台。在这里,你将获得:

  • 体系化 Go 核心进阶内容: 深入「Go原理课」、「Go进阶课」、「Go避坑课」等独家深度专栏,夯实你的 Go 内功。
  • 前沿 Go+AI 实战赋能: 紧跟时代步伐,学习「Go+AI应用实战」、「Agent开发实战课」、「Agentic软件工程课」、「Claude Code开发工作流实战课」、「OpenClaw实战分享」等,掌握 AI 时代新技能。
  • 星主 Tony Bai 亲自答疑: 遇到难题?星主第一时间为你深度解析,扫清学习障碍。
  • 高活跃 Gopher 交流圈: 与众多优秀 Gopher 分享心得、讨论技术,碰撞思想火花。
  • 独家资源与内容首发: 技术文章、课程更新、精选资源,第一时间触达。

衷心希望「Go & AI 精进营」能成为你学习、进步、交流的港湾。让我们在此相聚,享受技术精进的快乐!欢迎你的加入!

img{512x368}


商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求,请扫描下方公众号二维码,与我私信联系。

如发现本站页面被黑,比如:挂载广告、挖矿等恶意代码,请朋友们及时联系我。十分感谢! Go语言第一课 Go语言进阶课 AI原生开发工作流实战 从 0 开始构建 Agent Harness Go语言精进之路1 Go语言精进之路2 Go语言第一课 Go语言编程指南
商务合作请联系bigwhite.cn AT aliyun.com
这里是 Tony Bai的个人Blog,欢迎访问、订阅和留言! 订阅Feed请点击上面图片

如果您觉得这里的文章对您有帮助,请扫描上方二维码进行捐赠 ,加油后的Tony Bai将会为您呈现更多精彩的文章,谢谢!

如果您希望通过微信捐赠,请用微信客户端扫描下方赞赏码:

如果您希望通过比特币或以太币捐赠,可以扫描下方二维码:

比特币:

以太币:

如果您喜欢通过微信浏览本站内容,可以扫描下方二维码,订阅本站官方微信订阅号“iamtonybai”;点击二维码,可直达本人官方微博主页^_^:
本站Powered by Digital Ocean VPS。
选择Digital Ocean VPS主机,即可获得10美元现金充值,可 免费使用两个月哟! 著名主机提供商Linode 10$优惠码:linode10,在 这里注册即可免费获 得。阿里云推荐码: 1WFZ0V立享9折!


View Tony Bai's profile on LinkedIn
DigitalOcean Referral Badge

文章

评论

  • 正在加载...

分类

标签

归档



View My Stats