Secrets 管理服务怎么选?


⭐ 个人开发者推荐排行

🥇 Doppler — 最适合个人 & 小项目

✅ 极简上手体验、开发者友好 UX/UI
✅ 免费套餐可用(对少量 Secrets 足够)
✅ 自动版本管理、自动同步多个环境变量
✅ 可和各种 CI/CD、云平台集成
❌ 比 Vault/ASM 复杂功能少一些,但对个人用足够了(doppler.com)

📌 特别适合
✔ 快速部署测试/小型服务
✔ 想要直观 UI 管理 Secrets
✔ 不想自己搭基础设施


🥈 Infisical — 开源 + 可自托管,有成长空间

✅ 支持自托管(自由度高)
✅ 提供 UI 和 SDK,支持自动密钥轮换
✅ 社区版可以免费用,适合预算有限的人(infisical.com)
⚠ 自托管更适合有一点 DevOps 经验的开发者

📌 特别适合
✔ 想要完全掌控 Secrets
✔ 想避免付费 SaaS
✔ 有能力托管你自己的服务


🥉 AWS Secrets Manager — 适合 AWS 项目

✅ 深度集成 AWS 生态(IAM, Lambda, RDS 等)
✅ 自动轮换、审计日志、访问控制完善
❌ 需要 AWS 账号 & 可能产生持续费用
❌ 学习曲线较高一些(Cyber Snowden)

📌 特别适合
✔ 你的应用主要部署在 AWS 上
✔ 想利用 AWS 自动轮换功能
✔ 不介意按量付费


⚙ HashiCorp Vault — 最强但最复杂

✅ 功能最全面(动态 Secrets、细粒度策略、PKI、审计等)
✅ 可跨云/自托管
❌ 入门难度大,需要自己维护服务
❌ 企业版成本很高,自托管也有运维成本(Cyber Snowden)

📌 适合
✔ 多应用/多环境、专业团队
✔ 需要动态 Secrets 或复杂策略
❌ 不太推荐给只有自己一个人的场景


📌 GCP Secret Manager(补充)

如果你的服务主要部署在 Google Cloud,它也很简单好用,但功能比 AWS Secrets Manager 更基础(没有内建轮换逻辑)(infisical.com)
适合
✔ GCP 生态部署
但对个人项目价值不如 Doppler/Infisical 明显。


🧠 总结建议(个人开发者)

方案适合程度说明
Doppler⭐⭐⭐⭐最易用、入门最少、适合个人
Infisical⭐⭐⭐自托管 + 开源选项好,学习成本稍高
AWS Secrets Manager⭐⭐好用但有 AWS 依赖和成本
GCP Secret Manager⭐⭐简单但能力基础
HashiCorp Vault强大但复杂、运维成本高

🛠 如果你现在要开始用

👉 推荐从 Doppler 开始

  • 开一个免费账号
  • 在你的项目里集成 Doppler CLI / SDK
  • 先把 Secrets 管理起来
  • 随着项目成熟,再根据需要迁移到更复杂的方案

📌 选哪个更靠谱?

个人/小项目Doppler
想自托管 & 自由度高Infisical
AWS 全栈生态AWS Secrets Manager
企业/专业安全Vault


Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG