没有经过国际安全机构或者中国的机构认证，看不出安全性保证。

比如 FIPS 140-2 ，FIPS 140-3

这个问题算是 one knight tour 的拓展, 给一个相关视频。
https://www.youtube.com/watch?v=RytNZ2btZxE

建议多看看市面上一些比较成熟的 agent 产品的开源， 做一些二次开发，你现在想得太过简单，我觉得你对如何做 agent 开发一窍不通
尤其类 manus 的产品，国内好多公司做了商业化产品而非玩具

给几个例子
https://www.aipyaipy.com/

https://www.letsmagic.cn/

完全开源的比如京东的
https://github.com/jd-opensource/joyagent-jdgenie

https://ai.baidu.com/easydl/

easydl 提供的方式更加傻瓜化。

有一些平台，目前百度的飞浆平台 已经做得很好了
https://paddlepaddle.github.io/PaddleX/latest/pipeline_usage/pipeline_develop_guide.html
大模型百度也提供微调

其次讯飞的星火平台提供微调

其他方式的成本由于更贵，如果你又不懂一些 AI 知识（如 llamafactory, petraining, sft, lora ） 还是别碰。

是啊，没错，可以参加一下国际 C 语言混乱代码大赛（ IOCCC ）来感受一下，
比如 2024 年第 28 届国际 Ｃ 语言混乱代码大赛（ IOCCC, The International Obfuscated C Code Contest ）公布了获奖作品，其中包括 OpenRISC 32 位 CPU 模拟器、能运行 Doom 的虚拟机，号称世界最小的大模型推理引擎（基于 70 亿参数的 Meta 开源模型 LLaMA 2 ）

其他多数语言做不了的事情, C 都能做。

给一段策略模式代码
```
package main

import "fmt"

// 定义 RouteStrategy 为一个接口，包含 CalculateTime 方法
type RouteStrategy interface {
CalculateTime(origin, destination string) int
}

// 使用函数类型作为策略
type StrategyFunc func(origin, destination string) int

// 实现 RouteStrategy 接口的 CalculateTime 方法
func (sf StrategyFunc) CalculateTime(origin, destination string) int {
return sf(origin, destination)
}

// 实现三种策略：步行、骑行、驾车

func WalkStrategyFunc(origin, destination string) int {
// 假设固定耗时 30 分钟
return 30
}

func BikeStrategyFunc(origin, destination string) int {
// 假设固定耗时 15 分钟
return 15
}

func DriveStrategyFunc(origin, destination string) int {
// 假设固定耗时 10 分钟
return 10
}

// 路线规划器
type RoutePlanner struct {
strategy RouteStrategy
}

// 设置策略
func (rp *RoutePlanner) SetStrategy(strategy RouteStrategy) {
rp.strategy = strategy
}

// 估算出行时间
func (rp *RoutePlanner) EstimateTime(origin, destination string) int {
return rp.strategy.CalculateTime(origin, destination)
}

func main() {
planner := &RoutePlanner{}

// 使用步行策略
walkStrategy := StrategyFunc(WalkStrategyFunc)
planner.SetStrategy(walkStrategy)
fmt.Println("Walk Time:", planner.EstimateTime("Home", "School"))

// 使用骑行策略
bikeStrategy := StrategyFunc(BikeStrategyFunc)
planner.SetStrategy(bikeStrategy)
fmt.Println("Bike Time:", planner.EstimateTime("Home", "School"))

// 使用驾车策略
driveStrategy := StrategyFunc(DriveStrategyFunc)
planner.SetStrategy(driveStrategy)
fmt.Println("Drive Time:", planner.EstimateTime("Home", "Work"))
}
```

go 不存在 抽象类，go 也不存在对象（ class) 这种， 所以不要再谈什么面向对象。

我不想说了，我已经强调了 go 不是面向对象语言， 实现策略模式请用函数式和接口混用的方式。

那个老兄的代码 Entity 已经实现了 IFIrst 和 ISecond 的接口

其他用法套用函数式编程，强调 go 不是面向对象的语言。

多用 struct 嵌套，少用 interface, 另外 go 不是面向对象的语言，其接口实现都是鸭子类型。

牛逼，我绕道了，拉黑不谢。

你连话都说不明白， 一点逻辑都没有， 去知乎和 linuxdo 吧。

我 claude 从来就没有被封过，不过就是付费比较困难。

我歪个楼，发一个看来的 java 相关的小说
写在 2025 年对未来 10 年的预言
截取最后几段，哈哈

人们开始尝试 Quarkus 、Micronaut 、GraalVM——希望通过 Ahead-of-Time 编译拯救这只老牛，但是在和 Go 、Node.js 、Rust 竞争时已经力不从心。



年轻人正在学 Python 写数据处理、用 JavaScript 做前端、用 Go 写微服务。



Java 虽未衰亡，但已老态龙钟。



2023 年，转折点到来了，一个叫做 ChatGPT 的弱智 AI 的出现，彻底敲响了 Java 的丧钟。



AI 编程助手全面普及，软件开发正式进入“提示驱动开发”时代。



无论是资深程序员，还是新手程序员，都开始用提示词驱动 AI 来输出代码。



面对 AI 生成的一坨坨代码，Java 那冗长的语法，强结构化的特性，即使实现一个简单功能就得需要写出完整得类，方法签名，类型声明、异常处理......



程序员不喜欢，因为无论阅读还是修改，都非常麻烦。



AI 似乎也不喜欢 Java ，似乎生成代码的难度和 token 的成本都很高。



同样的任务，AI 更愿意用 Python 、Go 、TypeScript 等语言实现。



但实际上，无论任何编程语言，都和提示驱动开发格格不入，因为提示词还是自然语言，编程语言再怎么高级，它都是计算机语言，两者之间存在的天然鸿沟，让程序员在进行提示驱动开发的时候非常别扭。



因为简单的任务还行，对于复杂的任务，提示词很难准确到位，生成的代码不是这里有问题，就是那里有问题，得反复修改，改着改着 AI 就懵了，最后，程序员不得不自己亲自动手去改那一坨坨代码。



2030 年，一个叫 CloseAI 的公司推出了 X 语言。



这是一门天生为提示词驱动而生的语言：结构灵活、容错能力强、语义抽象极佳。



它总能非常精确地反映程序员的意图，简洁高效地实现，从而迅速风靡全世界。



越来越多的公司将核心系统重写为 X 语言，或者部署在兼容 X 的服务平台。



相比 X 语言，Java 就像当年的汇编一样，没有人愿意使用了。



用 Java 编写的那些至关重要的系统都成为了遗留系统。



考古发现，这一阶段程序员最常说的几个词就是：35 岁，裁员。



考古界无法解释为什么程序员正处于年富力强的时候，就被公司抛弃了。



企业招聘的时候也要求 35 岁以下，让大龄程序员不得不考虑转行。



如果从 25 岁硕士毕业算起，程序员的职业生涯只有区区 10 年！



真是匪夷所思！
============================================================
五、尾声



2033 年，Oracle 宣布终止对 JDK 的 LTS 版本支持。



2035 年，最后一所大学宣布将“编程导论”从 Java 改为 X 语言。



考古界发现了最后一个询问 Java 情况的帖子，它的内容是：



“Java 死了吗？”



无人回复。



最后，考古委员会给 Java 写了一个墓志铭：

============================================================
https://mp.weixin.qq.com/s?__biz=MzkzMjYzNjkzNw==&mid=2247632277&idx=1&sn=53ca5edd0151e6af18253a5f226f4895&poc_token=HLLalmijj0-YnVvvzke7TCBZAFvq1DO-VXaKXRvR

兄弟，你真的非常非常民科，AI 算法 有一堆来自于生物学，

深度学习反而和这个不靠近


听说过 上个世纪就提出来的遗传编程、遗传算法吗， 这个和达尔文自然选择非常接近。遗传算法是受自然进化理论启发的一系列搜索算法， （在巨大的解空间中找到可能的解法）
https://zh.wikipedia.org/wiki/%E9%81%97%E4%BC%A0%E7%AE%97%E6%B3%95


现代的大模型和深度学习也有结合这些遗传编程的

谷歌最近提出 AlpahEvolve 就是例子, 让大模型生成的代码自我进化

https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

github 上 AlphaEvolve 的开源实现

https://github.com/codelion/openevolve

基础云 IaaS 里面做 java 是没什么前途的，java 都是偏业务，也就是调用而已，而不是基础设施层的，基础设施层除了一些数据库是 java 相关的， 其他都不是 java 写的。