目录同步将身份提供商中的用户、用户组和成员关系复制到应用程序中,用于控制访问权限。它独立于单点登录(SSO);SSO 仅负责身份验证。SCIM 虽然标准化了端点和请求格式,但各提供商的实现仍不一致,尤其是在用户组变更、数据类型、可选功能和用户注销方面,因此应用不得不编写脆弱且与具体提供商耦合的代码,并依赖入站更新。 Firezone 则通过定时任务,基于拉取方式与各身份提供商的 API 进行同步。它会处理分页结果、使用稳定 ID、检测用户组中的循环关系、扁平化嵌套成员关系以简化权限检查,并在清理数据前保存检查点。大规模同步还必须应对速率限制、不完整响应、任务重叠,以及可重试与永久性失败。之所以不采用增量同步,是因为扁平化的用户组、删除操作和过期令牌会让增量同步既危险又复杂。 最终,Firezone 将定期的全量核对与针对各提供商定制的实时钩子结合起来。串行队列可防止任务重叠;收到通知后,系统会重新读取最新数据,而不是直接信任事件载荷。这种混合方式能够加快数据更新,同时通过全量同步修复遗漏的事件并保证一致性。
作者并未将 Muse 用于点餐、安排预约等日常任务,而是把它作为一个低成本、高吞吐量的 AI 智能体,用于名为 fullsets.fm 的业余项目。该网站汇总专业录制的音乐会,按艺人分类,并提取演出曲目单。Muse 会扫描 Reddit 和 YouTube,寻找冷门频道以及包含完整、高质量演出的视频;随后,它会帮助匹配艺人,并在视频获批前检查 Luna 和 Gemini 流程的处理结果。
作者每月花费 80 美元,让 Muse 执行大规模搜索任务,每周消耗数十亿个 token,而且用量似乎没有上限。Muse 的写作和编程能力一般,界面及任务执行也偶有不稳定,但它很适合重复性的 Gemini Flash 类自动化工作。本文还提出了一个问题:持续不断地大规模抓取网站,可能会促使更多平台屏蔽 Muse。文章中包含一个推荐码,以及一张受《人生切割术》启发的 AI 生成图片。