这里是全站文章的归档入口，下面是按时间倒序排列的全部文章。若想按主题浏览，请从首页的专题分类进入。
《Cocos 游戏开发高级编程》6.3 动画性能与内存
动画的代价分两块：CPU 每帧采样曲线并混合，内存里躺着关键帧数据、烘焙关节纹理与合批图集。本节算清这笔账，讲明采样率、烘焙、图集三者如何互相兑换，用纯 TS 写一个可单测分位数的帧耗时统计器，并给出《方块冲刺》这类项目能直接落地的动画预算清单与排查顺序。
posts
文章归档
PlumePHP 全站文章的归档入口，按时间倒序汇总各专题的技术文章，并提供按主题浏览的专题分类入口。
《Cocos 游戏开发高级编程》6.2 骨骼动画与蒙皮
骨骼动画把动画数据从「节点属性」换成「几十上百个关节的变换矩阵」。本节讲清 Skeleton 资源里的 joints 与 bindposes、SkeletalAnimation 的烘焙开关、蒙皮顶点的加权计算，以及蒙皮模型为什么难以合批、SkinnedMeshBatchRenderer 又如何把共享骨骼的模型合并。
《Cocos 游戏开发高级编程》6.1 动画系统内部与求值
Cocos 动画由 AnimationClip 的 track/channel/curve 三层数据驱动，AnimationState 按时间采样并混合出当前姿态。本节拆开整条求值链路：关键帧插值、weight 混合、crossFade 过渡，用纯 TS 写一个可单测的关键帧求值器，并核对事件常量到底挂在哪个类上。
《Cocos 游戏开发高级编程》5.3 自定义碰撞与查询
讲清 Cocos 2D 物理的主动查询与自定义碰撞响应：用 PhysicsSystem2D.instance 的 raycast、testPoint、testAABB 做射线与区域查询，用 Contact2DType 的四个回调写自定义响应，并指出 IPhysics2DContact 的字段是 colliderA/colliderB 而非 selfCollider/otherCollider。
《Cocos 游戏开发高级编程》5.2 物理调试与性能
讲清 Cocos 2D 物理的可观测性：用 PhysicsSystem2D 的 debugDrawFlags 与 EPhysics2DDrawFlags 位掩码把物理世界画出来，理解 fixedTimeStep、maxSubSteps、autoSimulation 与求解器迭代参数的语义，并用 profiler.stats.physics 定位物理帧开销，附可单测的固定步长累加器实现。
《Cocos 游戏开发高级编程》5.1 内置物理与 Box2D 后端
从 cc.d.ts 与引擎源码路径实证 Cocos 2D 物理的两套后端：内置 builtin 与 Box2D，讲清 PhysicsSystem2D 的后端选择、PHYSICS_2D_PTM_RATIO 单位换算、刚体类型与碰撞体家族，以及两套后端在碰撞回调与动力学上的能力差异，最后落到工程选型。
《AI Agent 高级编程》8.3 跨语言 Agent：TS 实现 A2A 端与 Python 协作
8.1 的 A2A 端是 Python 写的，可真实团队里另一半服务可能是 TypeScript。协议的价值正在于此：只要双方说同一种「线上语言」，语言就不重要。本节用 TypeScript（Node 26，只用可擦除语法）实现一个 A2A 端，与 8.1 的 Python 端跨语言真跑一次双向协作：TS 服务端被 Python 客户端调用，TS 客户端又反过来调用 Python 服务端。
《AI Agent 高级编程》8.2 与 MCP 分工：工具协议 vs 协作协议
上一节把 A2A 跑通了，可很多人第一反应是：这跟 MCP 有什么区别？答案是它们解决的根本不是同一件事——MCP 是 Agent 连工具，A2A 是 Agent 连 Agent。本节用一张对照表把「解决什么、谁连谁、典型对象、有无状态、怎么发现、什么时候用哪个」逐项讲清，再真跑 MCP 与 A2A 两端的对象与调用，给出一张「该用哪个」的决策表与两者的组合形态。
《AI Agent 高级编程》8.1 A2A 协议：Agent Card/Task/消息，起两个本地 Agent 通信
前七章讲的是单个 Agent 怎么用框架写得更好，可真实系统往往有多个 Agent。它们怎么互相发现、怎么把活儿交出去、怎么拿回结果？这正是 A2A（Agent2Agent）协议要解决的。本节先讲清 Agent Card、Task、Message、Artifact 四个核心对象与任务状态机，再用 Python 标准库起一个 A2A 服务端、由客户端发现并委派任务，把一次真实的任务往返贴出来。
性能剖析与优化
Rust 性能剖析与优化实战：perf 与 cargo-flamegraph 定位热点、内存分配剖析（DHAT/heaptrack）、缓存友好与数据结构布局（SoA/AoS、SmallVec、repr）、零成本抽象的边界（泛型 vs dyn、内联）、LTO/PGO/target-cpu 编译优化选项与实测收益。
测试与基准：criterion 与 proptest
Rust 测试与性能基准工程化：单元/集成/文档测试的组织与 dev-dependencies、rstest 参数化与 insta 快照、proptest 属性测试与反例最小化、criterion 基准与 black_box、baseline 与 critcmp 回归检测、cargo-llvm-cov 覆盖率与 nextest。
Serde 与序列化生态
Serde 序列化生态全解：derive 与常用属性（rename/skip/default/flatten/tag）、格式选型（JSON/bincode/MessagePack/CBOR/protobuf）体积与速度对比、serialize_with 自定义与 Visitor、零拷贝借用反序列化（#[serde(borrow)] 与 Cow）、性能优化与常见坑。
并发原语与无锁编程
Rust 并发底层实践：内存模型与 Ordering（Relaxed/Acquire/Release/AcqRel/SeqCst）语义、Mutex 与 RwLock 选型（std 与 parking_lot 对比）、Atomic 基础与 CAS 循环、无锁 SPSC 环形队列实现、ABA 与伪共享陷阱、何时该放弃无锁。
tracing 与可观测性
Rust 可观测性实战：tracing 的 span/event 模型与字段结构化、tracing-subscriber 的 Layer 组合与 EnvFilter、tracing-opentelemetry 接入 OTLP、日志与指标追踪的关联（trace_id 透传）、采样与脱敏的生产取舍。
数据库访问：sqlx 与 Diesel
Rust 数据库访问两大主流方案深度对比：sqlx 的编译期 SQL 校验与异步驱动、Diesel 的 DSL 查询构建器与类型安全、连接池（sqlx::Pool 与 deadpool/r2d2）选型、迁移工具、类型映射与 NULL 处理、事务与批量写入实践，附选型决策表。
仪表盘设计与可读性工程：信息层级、图表选型与避免误读
系统讲解监控仪表盘的设计与可读性工程：信息层级与布局分区、图表选型（时间序列、热力图、直方图、状态图、表格）、单位与坐标轴约定、双轴与截断轴等常见误读陷阱、模板变量与下钻路径设计、颜色语义与无障碍设计、面板查询成本与大盘生命周期维护，以及可落地的仪表盘评审清单。
日志采样、去重与降噪：从每天 TB 级日志里捞出信号
系统讲解日志采样、去重与降噪工程实践：头部采样与尾部采样策略的取舍、按 trace_id 一致性哈希采样保证链路完整、基于指纹归一化的重复日志去重与计数、日志模板化聚类（Drain 类算法）、动态基线与告警抑制降噪、字段裁剪与分层存储的成本控制，以及落地顺序与常见坑清单。
OpenMetrics 与指标规范治理：暴露格式、命名单位与兼容性
系统讲解 OpenMetrics 规范与指标治理：文本暴露格式与内容协商、命名与单位约定（base unit、_total/_seconds/_bytes）、HELP/TYPE/UNIT 元数据、Exemplar 语法、OpenMetrics 与 Prometheus 文本格式的兼容与迁移，以及用 linter 与 CI 落地指标规范治理的完整方法。
边缘与 IoT 可观测性：弱网缓冲、设备侧采集与带宽约束
系统讲解边缘与 IoT 可观测性工程：设备侧采集的资源约束与指标裁剪、弱网与离线场景的本地缓冲及断点续传、边缘聚合与本地告警分工、带宽与流量预算下的传输优化、时钟同步与数据可信度标记、多站点联邦采集，以及边缘可观测性落地中的常见避坑清单与工程最佳实践。
Serverless 与 FaaS 可观测性：冷启动、调用链断点与并发限流
系统讲解 Serverless 与 FaaS 可观测性工程：冷启动的测量与阶段分解、函数实例生命周期与冻结机制、调用链在异步消息与事件源处的断点与上下文传播、并发度与限流（throttle）指标、日志采集与结构化、成本归因，以及跨平台统一采集架构与最佳实践清单。