Building, breaking, writing — repeat.
I learn by building, breaking things, and documenting every step.Every project, every failure, every fix becomes a note I write down.
Looking for Backend Engineer Opportunities
Java & Go · Distributed Systems · High Concurrency · Performance Optimization
ABOUT ME
Dylan Kwok
后端工程师
具备 Java/Go 双栈开发能力，6 年高并发架构开发经验，深耕直播、IM、IoT 业务，胜任高吞吐服务研发。擅长性能调优与问题攻坚，研读主流框架源码，兼顾技术实现与业务价值。
FEATURED
自研终端 AI 编程 Agent
自研终端 AI 编程 Agent，实现守护进程 + TUI 双进程架构，通过 TCP JSON-RPC2.0、NDJSON 完成进程间流式通信。基于 ReAct 构建 Agent 主循环，封装 LLM 抽象层；自研 Skill 工具系统，兼容 MCP 工具协议；工具/模型的洋葱中间件责任链统一处理权限、事件、参数校验；支持隔离 Sub-Agent 协作与父子事件总线桥接；实现双层记忆、上下文压缩，配套文件操作权限审批与黑名单安全防护。 https://github.com/guosgbin/kwokcode
MORE FEATURED
008-JVM堆外内存泄露排查
出海服务开启设备日志记录功能后，频繁触发 Full GC、非堆内存持续上涨、CPU 小幅升高。排查定位为 Fastjson 每次新建 SerializeConfig，造成频繁类加载、元空间占用持续增长，引发元空间阈值 Full GC。通过复用 SerializeConfig 对象修复问题，同时沉淀字节码类框架使用的性能规避经验。
项目-IM限流-公网流量降低
本文档记录了IM公网流量优化项目，核心目标是在不影响用户体验的前提下降低直播间IM的公网流量成本。主要策略包括：消息下行限流方面，对点赞、弹幕、进场、免费礼物等非关键消息按直播间人数和用户身份进行差异化限流，主播及贵族用户不受限流影响；消息上行限流基于Redis Lua脚本实现滑动窗口机制并配合本地缓存降低Redis压力；消息体精简策略涵盖删除废弃字段、压缩字段名长度、延迟图片域名拼接至客户端、跳转数据改为接口获取等方式；统计数据采用增量推送仅下发变更字段；Gzip压缩将阈值从4K降至1K使流量降低约33%；客户端配合实现退后台断连IM及版本控制兼容。最终通过多维度组合优化实现了公网流量的大幅下降，同时有效保障了付费用户的核心体验。
LATEST WRITINGS
Smolagent 核心逻辑-04-代码安全执行器与远程沙箱
剖析模型生成代码的安全执行：本地执行器靠 import 白名单、AST 逐句解释、超时与输出截断做受限执行，但并非真沙箱；真正不可信代码需切换远端执行器实现完全隔离。
Smolagent 核心逻辑-03-工具系统
解析 Tool 与 ToolCollection：单个工具的标准化契约（名字、描述、入参出参、构造即校验、懒初始化），以及从手写、HuggingFace Hub、langchain 到 MCP 服务器的多来源批量加载与聚合方案。
Smolagent 核心逻辑-01-Agent 主循环 MultiStepAgent
拆解 MultiStepAgent 抽象基类：把任务拆成多轮「思考→动作→观察」的 ReAct 循环，统筹记忆、规划、异常分级与可观测性，并分析结果到达、步数超限、外部打断三类出口与强制兜底策略。
Smolagent 核心逻辑-02-ToolCallingAgent和CodeAgent
对比两大子类：ToolCallingAgent 逐个调用工具，动作原子化、结构确定、天然支持并行；CodeAgent 让模型直接写 Python 代码，一段代码等于一次思考加多次行动，大幅减少往返，配合沙箱白名单安全执行。
LangChain和Langgraph和hermes相关问题
LangChain是智能体开发基础层，提供模型、消息、工具等模块化能力，LangGraph为底层编排引擎，通过状态、节点、边实现可控复杂工作流。配套LangSmith、第三方Langfuse提供可观测能力，依托中间件、分层记忆实现容错与上下文治理。Agent遵循LLM+Harness架构，Hermes基于GEPA算法，可离线迭代技能库，实现智能体自主进化。