45 篇博文 含有标签「2025 年」

最近有很多用户会询问 MITM 中的热加载部分，对于热加载中的 Hook 函数的使用场景了解不充分，本篇将围绕 Hook 函数定义并且给出具体的小例子帮助用户进行理解。

在 AI 工具搜索、意图识别、记忆管理、知识扩展等场景中，核心需求往往是对大量模糊文本的语义进行高效检索。

传统的关键词匹配难以满足需求，因此需要通过向量化表示（embedding）与 向量数据库 来实现语义级别的近似搜索（Approximate Nearest Neighbor, ANN）。

目前 IRify 已经支持 C 语言了，说起 C 语言那绕不开的点就是指针了。

在之前的文章中有提到我们为处理超长输入的上下文，进行一些知识蒸馏萃取的功能，在最近的一段时间里这部分的工程有了一些的应用，也就是在 yakit 中新增的两个内置插件——知识构建与知识检索。

之前我们发布了 IRify 性能升级的第一篇技术文档，在文中详细阐述了针对 IRify 编译后端进行的一系列基础性架构优化。通过将指令间的引用从内存指针迁移为持久化 ID，并引入 Fetch 和 Save 异步 I/O 抽象，我们成功地将编译器的核心计算逻辑与缓慢的数据库持久化操作解耦，在数据库模式下获得了约20%的显著性能提升。

然而，性能优化的征程永无止境。解决一个瓶颈，往往会使下一个瓶颈凸显出来。当后端的数据库持久化不再是主要制约因素后，我们发现，编译器前端在文件处理和 AST（抽象语法树）解析阶段的固有串行性，成为了限制编译总吞吐量的“新墙”。

本文将聚焦于我们进行的第二阶段深度优化，详细介绍如何通过构建一个高效的异步处理管道（Pipe），彻底重塑了前端编译流程，并进一步完善了后端的并发数据处理模型，以应对前端带来的数据洪流，最终将 IRify 打造成真正意义上的高并发编译引擎。

PluginTrace 功能介绍​

在渗透测试和自动化工作流程中，YAK 插件是实现自定义安全逻辑、扩展 Yakit 功能的核心工具。然而，随着插件数量和复杂度的增加，如何有效监控其执行状态、诊断潜在问题，成为保障工作流高效顺畅的关键。

背景​

大型模型的 AI 知识能力现今基本可以被认为“溢出”了，他的编码能力，知识都很强，但是上下文限制或者无法和用户偏好对其导致效果无法如人意，因此留给我们这种普通研发者的重要工作就是教会 AI 做事儿。

SQL 注入是一种常见且危险的网络安全攻击技术，将恶意的 SQL 代码“注入”到原本合法的数据库查询请求中。本文围绕 YAK 靶场的 SQL 注入教程，详细介绍分析过程和利用方式。

**前文指路：**YAK，公众号：Yak ProjectJava 反编译技术（三）：循环结构

本期文章主要介绍 IRify 在实战中各个页面的功能，以及如何通过扫描结果分析源码漏洞。