Gemini CLI 安全连接服务器：使用 Termalin 的 MCP 方案

Gemini CLI 通过 MCP 协议与 Termalin 的内置 MCP 服务器通信，完成服务器命令执行与文件管理，而不把 SSH 密钥暴露给 Gemini。

1. 在 Termalin 设置 → MCP 开启 Agent 访问，勾选 Gemini 可访问的主机。Termalin 只写入无密钥的主机清单，所有身份验证由 Termalin 的密钥托管完成。
2. 在 Gemini 的 ~/.gemini/settings.json 添加 MCP 服务器条目：

```
{
"mcpServers": {
"termalin": {
"command": "<path>/termalin-mcp"
}
}
}
```
重启 Gemini 后即可使用 hosts_list、ssh_exec、session_open 等工具。

Gemini 可在 Termalin 的终端标签中直接运行，或通过 MCP 进行无键交互。

通过在 Termalin 中为每台主机设置“完整访问”“允许列表”“阻止”三种策略，控制 Gemini 的权限。若在云端运行 Gemini，可使用 Termalin 的托管 MCP 端点（Pro 或试用版）并提供短期 API 密钥。

Gemini 与 Termalin 的结合让你在保持密钥安全的前提下，让 AI 直接操作服务器，适用于部署、日志查看、服务重启等日常运维任务。

BackstageCon 2026：一日全程聚焦 AI 与平台实践

BackstageCon 将于 2026 年 11 月 9 日在盐湖城举行，作为 KubeCon + CloudNativeCon North America 的前奏。全日单轨道，涵盖 AI 代理、技术深度、开发体验与部署经验四大主题，所有演讲均标注难度等级，方便不同阶段的团队挑选。

参会者将听到真实案例：如何在 Backstage 中引入 AI 代理、赋予其身份与权限、自动化目录所有权、保持插件更新。演讲者包括已在生产环境使用 Backstage 的平台团队、评估阶段的团队以及初学者。
会议强调人性化采用：最难的往往是人而非技术。与会者可了解 AI 如何帮助团队改造已有十年历史的 Backstage 实例，并获得可落地的改进思路。
适合正在或计划在 Kubernetes 与云原生栈上运行 Backstage 的平台团队、评估团队以及插件作者。无需预先准备，建议先浏览软件目录、模板与插件文档。

BackstageCon 为社区成员提供面对面交流机会，帮助你在日后持续获得灵感与合作伙伴。 参加 2026 年 11 月 9 日的 BackstageCon，开启 AI 与平台协同的新篇章。

不可给 AI 代理 root 权限，改为可审计的系统状态变更

在云原生环境中，直接赋予 AI 代理 root 访问权限会导致不可预测的系统漂移。
可行方案是让代理在可控的、不可变的基础镜像上运行，任何对系统的修改都通过 软件工厂（源代码、CI、镜像构建、签名、发布）提交 PR，完成审计后才生成新镜像。

- 隔离运行：代理以短生命周期的容器或 VM 形式执行，避免直接写入宿主机。
- 不可变宿主：基础系统以镜像形式管理，任何变更都需重新构建镜像，保持系统状态可追溯。
- 审计链：代理只能提出变更请求，不能直接合并或发布，保证变更经过人类或自动化审核。

此模型既保留了 AI 代理的自愈与自优化能力，又避免了传统 root 权限带来的安全风险。

Edge‑Agentic Commit Analyzer：零依赖本地守护

Edge‑Agentic Commit Analyzer 是一个纯 Python 脚本，专为 Git 提交前检查设计。它在本地无任何外部 API 调用，执行时间低于 10 秒，完全依赖标准库和 Git 命令。通过一次性运行，能快速识别提交的语义意图、危险代码模式（如 eval、exec、subprocess.call、__import__、明文密码）以及是否包含测试代码。输出为严格的 JSON，便于直接管道到 jq 或 CI 流程。

运行方式

```bash
git add .
python analyzer.py
```
结果示例
```json
{
"status":"success",
"dev_message":"Staged diff analyzed successfully. Risk detected: false.",
"analysis":{
"intent":"Refactoring or feature implementation based on staged changes.",
"security_risk_detected":false,
"unit_test_adequate":true,
"execution_time_sec":0.002
},
"diff_summary":"diff --git a/main.py b/main.py ..."
}
```

该工具可直接挂载到 pre‑commit 钩子，成为毫秒级的安全与质量检查。源码可在 Gumroad 以“按需付费”方式获取。

一键式 LLM 限流逃逸 CLI

该工具是一个无状态的命令行脚本，专门用于在多家 LLM 提供商之间快速切换，避免因单一服务限流导致的整体延迟。
它读取 JSON 配置，按优先级顺序请求各提供商，单次请求超时 0.8 秒，总执行时间不超过 5 秒。若某提供商返回 429 或 5xx，脚本立即跳过，继续尝试下一个。
脚本仅依赖 Python 标准库，无需额外依赖，适合 CI/CD、Cron 或轻量级无服务器环境调用。
使用时只需准备 config.json（包含提示、超时和各提供商信息），设置对应 API Key 环境变量，然后执行脚本即可得到 JSON 格式的成功/失败日志和最终响应预览。

哪些 AI 爬虫应在 robots.txt 里允许？

AI 助手通过两种方式抓取网页：一类收集内容用于训练模型，另一类在用户查询时实时抓取页面并引用。你可以在 robots.txt 中分别对这两类做不同处理，但前提是了解每个 user‑agent 的功能。

常见 AI 爬虫与作用

- GPTBot / ClaudeBot / CCBot / Google‑Extended / Applebot‑Extended：收集内容用于训练。若不想让内容被用于未来模型，可在 robots.txt 中 Disallow: /。
- OAI‑SearchBot / ChatGPT‑User / Claude‑SearchBot / Claude‑User / PerplexityBot / Perplexity‑User：在用户查询时抓取页面并引用。若想让页面出现在 AI 回答中，应允许这些爬虫访问。

推荐 robots.txt 示例

```

# 训练爬虫：拒绝
User-agent: GPTBot
User-agent: ClaudeBot
User-agent: CCBot
User-agent: Google-Extended
User-agent: Applebot-Extended

# 搜索与回答爬虫：允许
User-agent: OAI-SearchBot
User-agent: ChatGPT-User
User-agent: Claude-SearchBot
User-agent: Claude-User
User-agent: PerplexityBot
User-agent: Perplexity-User
```

保持对 Googlebot 与 * 的原有规则不变。此配置既能让你的网站在 AI 搜索中可见，又能避免被用于训练。若有付费或私有内容，可进一步细化路径。测试方法可用 Python 的 urllib.robotparser 或在线工具检查。

Node.js SaaS SMS 验证链接的稳定模板与调度策略

在 B2B SaaS 注册页面中，Node.js SMS API 只接受了未完成投递的验证链接，导致重试队列堆积，可能同一用户被多次发送。

核心需求：
- 发送、投递状态轮询、调度发送取消、模板管理、抑制与幂等重试。
- 适用于美国和欧盟地区的基本验证。
最佳做法：
- 让应用层持有模板版本、受众、抑制决策，SMS API 仅做投递基础设施。
- 记录四个时间戳：注册、发送接受、最新状态、验证完成，并使用幂等键。
- 轮询时遵守 24 h 幂等窗口，避免重复发送。
- 在应用层实现国家白名单和成本阈值，防止跨境或超量投递。

如果需要 webhook、语音、WhatsApp、RCS 或国内合规等功能，则需直接使用支持这些特性的提供商。
若仅需稳定的 SMS 交付，Infrai 的统一 REST 接口可在不改动业务代码的前提下更换后端实现。

Cairn：让 AI 编码代理的计划落到真实 Issue 上

Cairn 是一个为 AI 编码代理设计的工作 harness，核心目标是让代理的计划、进度与团队使用的 Issue Tracker 同步。它通过 39 条 /cairn:<verb> 命令与 87 个类型化工具，支持在 Claude Code、Grok Build、Copilot CLI、Codex、Gemini CLI、Cursor、OpenCode、Zed 等多种 harness 中使用。

代理在计划阶段会把每个阶段和需求写入项目的 Issue Tracker，随后在执行阶段自动 claim、更新进度并在完成时关闭 Issue。Cairn 通过“goal‑backward”验证，检查代码是否真正实现了计划目标；若发现 drift，ship 阶段会被阻止，确保只有完全符合计划的代码才会发布。
Cairn 采用三层存储：
- Tracker Store：保存所有 Issue、阶段、评论等，是真正的工作真相。
- Git Store：记录计划文件、决策、验证记录等，保持版本化。
- Cache Store：临时缓存、索引、度量，丢失无损。
它支持 8 种 Tracker 适配器（GitHub、GitLab、Jira、Asana、Azure Boards、ClickUp、Linear、本地文件），可在无账号的本地环境启动，后续可通过 tracker_migrate 迁移到托管后端。
使用流程简洁：
1. /cairn:new 创建项目结构并写入 cairn.json。
2. /cairn:plan 生成阶段计划并同步到 Tracker。
3. /cairn:work 开始工作，代理会自动 claim 并记录进度。
4. /cairn:verify 进行 goal‑backward 验证，生成 VERIFICATION.md。
5. /cairn:ship 在 drift 清零且所有验证通过后才允许发布。
Cairn 还提供可选功能：可视化的项目板、预算化的 headless 执行、文档自动发布、内置的安全与代码审计、以及多维度的审查与回溯。所有功能均已在 8 次发布、325 个 Issue、25 个阶段中验证。

Cairn 采用 MIT 许可，已发布到 npm，团队可直接通过 npm i @eventually-consistent/cairn-server 或对应 harness 的安装命令使用。

JOPS 1.0.13：一键把 Android 结构迁移到 Cordova/Capacitor

JOPS 通过类化视图和生命周期管理，让 Android 应用的结构直接映射到浏览器。最新 1.0.13 版本支持在 Apache Cordova 或 Capacitor 环境下无构建步骤、无视图改动即可运行同一套代码。

- Android 后退键驱动路由：硬件键或手势直接调用 Router.back()，首屏关闭应用，符合 Android 习惯。
- 自动化项目初始化：npx jops-core init 能识别 Cordova/Capacitor 项目，自动把应用写入 shell 实际服务的文件夹。
- 安全区布局：使用 viewport-fit=cover 并在模板中为刘海、Dynamic Island、home 指示器添加安全区内边距。
- 精准路由：新增 canGoBack()，onBackPressed() 仅在真正的后退时触发，避免前进链接误触。
测试覆盖：Cordova 12 + cordova-ios 8.1.1 + cordova-android 15.1.0，Capacitor 8.5 + @capacitor/app 8.1，iOS 17 Pro Max 模拟器、Android 16 Pixel 2 模拟器及真实设备。
使用步骤简化为四步：创建平台、安装 JOPS、运行 init、用 Cordova/Capacitor 自带工具构建运行。JOPS 通过内置的 import map 与 CSP 兼容 Cordova，支持线程工作者，且不覆盖已有配置。

适合需要长期维护、跨平台的混合移动应用。

零停机 Postgres 版本升级方案

PostgreSQL 通过逻辑复制实现零停机的主版本升级。
在升级前，旧集群持续发布变更，新的集群订阅这些变更，保持同步。
升级完成后，只需短暂的写入停顿（约 181 ms）完成切换，业务几乎不受影响。

关键步骤
1. 准备：保持旧集群在线，开启逻辑复制，确保 DDL 在切换窗口之外完成。
2. 切换：在 pgbouncer 后端完成切换，旧集群保持可回滚。
3. 回滚：若升级失败，可在毫秒级别内通过逆向订阅回滚到旧版本。

此方案兼容 PostgreSQL 10‑19，支持多版本并行运行，适用于需要高可用、低 RTO 的生产环境。

Takumi 替代 Satori：Astro 构建速度提升 30%+

在 Astro 项目中，OG 图像生成是静态构建的重要环节。原先使用 Vercel 的 Satori + Sharp 方案，随着页面数量超过 150 条，构建时间显著增长。Satori 依赖 JavaScript 与 Yoga WASM，导致 V8 垃圾回收、JS‑WASM 边界切换以及单线程执行等瓶颈。

Takumi（takumi-js）是一款用 Rust 编写的高性能图像引擎，提供与 Satori 完全兼容的 API。迁移后，构建时间从 67 秒降至 42 秒，整体耗时缩短 30%+，CPU 与系统时间也相应下降。迁移过程无需改动现有 JSX 结构，只需：
1. 安装 takumi-js 并在 package.json 添加 OG_RENDER 环境变量切换。
2. 在动态 OG 端点中根据 siteConfig.ogRender 选择 takumiRenderSvg 或 satori。
3. 通过 sharp 将 SVG 转为高质量 JPEG。
核心收益
- 零布局重构：保持原有 JSX 结构，直接替换渲染引擎。
- Rust 原生速度：显著减少构建时间与 CPU 占用。
- 易于切换：环境变量即可在 CI 与本地构建间切换，支持双引擎对比。

如果你在 Astro、Next.js 或 SvelteKit 项目中使用静态生成的社交预览，考虑将渲染引擎从 Satori 换成 Takumi，可获得显著的构建性能提升。

Grafana MCP for Claude Code：直接查询仪表盘、指标与告警

Grafana MCP 是 Grafana Labs 官方的 MCP 服务器，专为 Claude Code 设计。它让 Claude Code 能够在 Grafana 9.0+ 或 Grafana Cloud 上直接搜索仪表盘、执行 PromQL 与 LogQL 查询、读取告警规则状态，并可查询事件。通过只读模式，开发者不再需要手动复制粘贴查询，提升排障效率。

快速上手

1. 在 Grafana 创建 Viewer 权限的服务账号并复制 token。
2. 在 Claude Code 里执行
```
claude mcp add --scope user --transport stdio grafana \
--env GRAFANA_URL= \
--env GRAFANA_SERVICE_ACCOUNT_TOKEN=<token> \
-- uvx mcp-grafana --disable-write
```
3. 重启 Claude Code，运行 claude mcp list 确认已连接。整个过程约 5 分钟。
功能概览
- 仪表盘：搜索、摘要、获取单个属性、读取面板查询。
- Prometheus：即时与区间 PromQL 查询，列出指标与标签，计算分位数。
- Loki：LogQL 查询，列出标签，提取日志模式。
- 告警：列出告警规则及状态，读取通知策略。
- 事件：搜索事件，Grafana Cloud 上可执行 Sift 检查。
使用提示
- 只读模式下，--disable-write 防止 Claude Code 创建或修改资源。
- 若需写入功能，可将服务账号角色改为 Editor 并去掉 --disable-write。
- 旧版 Grafana (<9.0) 会返回 400 “id is invalid”，请升级后再使用。
- 服务器支持 Prometheus、Loki、仪表盘、告警与事件默认开启，可通过 --enabled-tools 开启其他数据源。

结论
Grafana MCP 为 Claude Code 提供了完整的监控数据访问能力，减少手动操作，提升排障效率。它是开源（Apache 2.0）且免费，适用于自托管或 Grafana Cloud。

ParadeDB 通过段分区与位图提升 COUNT 与搜索性能

ParadeDB 在 2026 年 10 月发布的技术报告中展示了如何利用 ctid‑aware 段分区、倒排 DocId 映射和位图投影显著加速 COUNT 查询。对同一 Wikipedia 数据集的基准测试，ParadeDB 的 COUNT 通过段分区将可见性检查从 1,382 次下降到 30 次，吞吐率提升至 5,353 QPS，远超 TIN 的 2,645 QPS。
通过倒置 DocId 映射，单词频繁出现时的缓冲访问量从 7,500 次降至 400 次，减少 95% 的 I/O。
对高频词使用位图代替 BP128 编码，进一步将 99% 分位延迟减半。
在 Hacker News 数据集上，ParadeDB 对过滤计数、排序等多样化查询的吞吐率提升 10–22 倍，最快可达 66 倍。

这些优化使 ParadeDB 成为 Postgres 上的 Elasticsearch 替代方案，特别适合需要高吞吐量计数和复杂过滤的搜索场景。

Grafana Cloud IRM：一站式事故管理与 AI 调查

在收到前端 API 失败的警报后，团队通常需要在多个工具间切换：查看警报、检查仪表盘、在 Slack 里讨论。Grafana Cloud IRM 把这些步骤合并到一个 incident 记录里。打开警报组即可看到受影响服务、关联仪表盘、历史与聚合警报数，帮助快速判断严重性。

通过 Grafana Assistant，团队可在同一 Slack 线程里询问“还有哪些警报在触发？”并获得自动生成的摘要与检查建议。确认需要协调响应后，声明 incident，系统自动创建专属 Slack 频道、Zoom 会议和 AI 调查，省去手动创建的繁琐。
AI 调查会自动收集警报数据、仪表盘链接、时间线以及团队在 Slack 中的讨论，形成根因假设并展示证据。团队可在 Assistant Workspace 里添加、重新评估假设，甚至同步任务到 Jira 或 GitHub。根因确认后，结果直接写入 incident 记录，避免后期手工整理。

当问题解决后，Grafana Mobile App 让团队随时在手机上查看 incident 记录、时间线和 AI 调查，甚至直接生成并推送到 Confluence 的事后复盘。这样，所有关键上下文都保留在同一平台，减少信息丢失，提升响应效率。