- 博客(38)
- 收藏
- 关注
RSS订阅原创 Day 2 · Java 后端工程代码审查 — 深入审查 Issue 与解决方案教学文
结论先行：这是一套"能跑但边界模糊"的经典 Cache Aside 实现——它假设了"DB 提交和 Redis 删除必然同时成功、且不会有并发读旧写回"，而现实是两个系统之间不存在分布式事务。必须围绕"删除失败"与"并发写回"两条失败路径重新设计。不一定。 这是 Cache Aside（旁路缓存）模式的"阿喀琉斯之踵"。Cache Aside 的写路径规则是"先更新 DB，再删除缓存"（Write-Around 思路：让缓存下次读取时自然重建，而不是去更新缓存）。这个规则本身是对的——删除缓存比更新缓存更不
2026-08-28 16:02:34
428
6
原创 Pi ：Agent 测评体系——从 Trajectory 到 Regression
可观测回答"Agent 做了什么"，测评回答"Agent 做得好不好"。。这篇把 eval 方法论补全。
2026-08-19 17:19:36
668
5
原创 AI 时代审查思维：审查第一篇
一个很普通的电商下单服务，逻辑就三步：查库存、扣库存、建订单。@Service.orElseThrow(() -> new IllegalArgumentException("商品不存在"));throw new IllegalStateException("库存不足");代码读起来顺不顺？顺。有，有库存校验，有异常抛出，格式也干净。如果这就是你 PR 的全部内容，很多团队可能就点了合并。但先别急。我不找语法错误，我只判断：这代码上线后，可能出什么事？现在，我们走进审查者的脑子。
2026-08-16 16:30:47
471
10
原创 Pi ：任务规划与执行语义——Plan、State、Replan 与 Termination
主循环回答"下一轮怎么跑"，规划回答"下一步为什么这么跑"。——Pi 用循环内化了"隐式规划"，但真正设计 Agent 时，你要把规划变成显式语义。这篇研究四件事：规划状态机、何时 replan、何时终止（这是 Agent 领域最深的坑）、以及 Pi 的隐式规划给了什么借鉴。
2026-08-16 09:02:40
710
8
原创 Pi ：上下文工程——Context Assembly、Compaction 与 Memor
这是本系列最重要的"横向能力"篇。前面所有篇都在讲"Agent 怎么运行"，这一篇讲。模型选错了可以换，上下文构造错了，Agent 会"越跑越傻"——这正是本系列一直强调"Context 是编译出来的"的完整展开。
2026-08-15 09:33:41
731
1
原创 Pi ：内置四工具源码拆解——文件锁、变更快照与 bash 隔离
四个工具没有一个直接碰 Node 的 或 。它们全部通过注入的 （）操作文件系统、执行命令：这个抽象有三个直接收益：这是"工具层与操作系统解耦"的标准姿势——你的 Java 工具也应该定义 / 接口，而不是直接在工具里 。 的 schema（）：三个细节值得抄：① 输出有界，且明确告诉模型怎么读完。 工具描述原话：“输出截断 + 指引模型用 offset 继续读完”——Pi 把"怎么处理大文件"写进工具描述，模型按指引自动分页。② 图片是一等输入。 支持 jpg/png/gif/webp/bmp
2026-08-13 10:19:07
825
1
原创 Pi:Agent 主循环——调度内核与循环钩子
一期讲了工具循环怎么执行、扩展怎么接。这篇补上主循环本身的：输入怎么进来、推理和工具怎么调度、每轮状态怎么写、人在哪里介入、钩子在哪里触发。核心代码是，配合第 10、11 节（事件与钩子）。
2026-08-12 10:20:53
398
1
原创 Pi:模型层——大模型调度内核与“推理“支柱
系列入口：[[解剖Pi-八支柱视角下的极简Agent架构]]（总纲）一期五篇拆完了"执行、会话、工具、安全、落地"。。模型层是整个 Agent 公式里"大模型"那一半——。这篇拆。但就是这么一层"统一 API"，撑起了模型适配、流式、重试、超时、缓存、推理级别、上下文交接全部能力。
2026-08-11 09:11:43
716
1
原创 用“判断·授权·执行·记录·会话·隔离·决策·看见“八支柱解剖 Pi：一个极简 Agent 的“五内建、三外置“
上一篇文章《设计Agent与AI工具-总纲博客》里，我把 Agent 开发收拢成八个词——判断、授权、执行、记录、会话、隔离、决策、看见。，约 4 万 star，OpenClaw 的核心运行时构建在它的 SDK 之上）。这篇文章从 Pi 的 GitHub 仓库直接拉源码和文档，逐条核对：它是否符合这八支柱？符合到哪一层？不符合的地方，它自己的逻辑是什么？每一段结论都附源码或文档原话，不靠转述。
2026-08-09 10:23:26
643
4
原创 AI Agent 开发总纲：从提示词工程走向系统设计
那是因为你一直在看"树"，没看到"林"。这篇文章是一张林的地图——把目录里那些博客（生产级 Agent、可观测性、上下文窗口、幂等、SSE、Redis、TTFT）和两个真实项目（Pi Agent Harness、Claude Code 会话式 CLI）串成一张总图，按四个维度收拢，最后补一节从 Session 设计里提炼的硬需求与软实力。看完它，你再回头看任何一篇，都能说得出"它解决的是这条链路上哪一个问题"。
2026-08-09 10:11:02
722
5
原创 AI 可观测性实战：从一条链路到最小可测性单元
一套可观测性建起来，最终的目的只有一个：当系统表现不好时，你能知道该动 Prompt、检索、模型、上下文还是工具。一次 AI 请求的完整链路，连同上下文来源、模型消耗、工具行为和质量结果一起被记录下来，问题就从"猜"变成了"查"。这是可观测性给 AI 系统带来的最大改变。
2026-08-06 10:40:01
573
2
原创 Agent 不是会调工具的聊天机器人，是断电了还能续跑的执行系统
不需要一次性把整个 Agent 平台搭出来。分三阶段，每一阶段都有明确的边界。
2026-08-04 10:53:54
493
3
原创 Redis实战：一个AI工作流系统里的五个应用场景，从传参到限流的完整链路
你给 Agent 平台发了一条消息：「帮我查一下昨天长沙的天气，整理成一段话发到工作群。这句话落到后端，会触发一串连锁动作：解析意图、抽取参数、查工具配置、调第三方 API、把多个子任务并行跑完再汇总。这一串动作里，Redis 至少会被摸到五次——登录态的 token 存了一次，工具的配置缓存读了一次，调用第三方前的限流计数加了一次，并行分支的结果写了一次，汇总节点抢锁抢了一次。这五次，正好对应五个经典场景。本文不讲「Redis 有哪些数据类型」这种开场白，而是顺着这一条真实请求的链路，把每个场景的。
2026-08-03 11:14:14
410
2
原创 幂等性实战：从一次重复扣款事故到生产级幂等链路
一个操作执行一次和执行N 次无论这个操作被调用多少遍，对系统状态的影响都只发生一次。幂等的本质：用一个全局唯一标识标记本次操作，执行前判断是否已处理，配合数据库约束兜底，保证多次调用结果一致。一个全局唯一标识—— 幂等键选对（业务流水号，不是自增 ID）；执行前判断是否已处理—— 原子占位（Lua/SETNX/唯一索引），先占坑再执行；数据库约束兜底—— 唯一索引 / 状态机 / 版本号，让存储层成为永不失守的最后一层。从"是什么"到"怎么防"，从单层方案到六层链路，绕了一大圈，其实幂等就是一套。
2026-08-02 09:52:20
680
3
原创 秒杀系统八股连环问：从超卖血案到生产级架构
秒杀是后端面试的"照妖镜"。一个抢购场景，从"能跑"到"能扛"，中间隔着超卖、重复下单、消息丢失、最终一致性、热 Key、防刷……每一个都是真实生产事故的浓缩。面试官最爱的套路就是抓住你方案里的一个漏洞，顺着往下追一层——你越自信，他追得越深。这篇文章就是一场完整的模拟面试。我把一份真实的秒杀代码评审文档拆开，用面试官连环问的方式重新组织：每一层你以为自己答完了，面试官就补一刀，逼着你把架构再进化一轮。七层下来，正好覆盖一份生产级秒杀系统的全部考点。
2026-08-01 11:01:23
641
5
原创 TTFT优化：一个方案的5次推倒重来
回到最开始的那个直觉方案。它错了吗？其实没一条是错的。流式返回确实用上了，连接池确实省了握手，异步解耦确实让主链路短了几十毫秒。漏了链路的前半段：用户到服务器的路上，DNS和TLS在消耗看不见的时间漏了RAG的计算开销：Embedding和向量检索，占了30%以上却被当成"别人的事"漏了并发下的排队效应：单用户测试很快，不代表百万并发下依然快漏了"先看见再行动"的底气：没有分层Trace，每次排查都是一场猜谜好的优化方案，和"看起来对"的优化方案之间，差的就是这四件事。
2026-07-31 09:57:34
772
6
原创 代码在，测试过了，接口却 404？—— 多模块 Maven 项目 SNAPSHOT 依赖漂移的深度排查与原理剖析
❌ 反模式：mvn -f 子模块/pom.xml spring-boot:run原因：绕过 reactor，从本地仓库解析 SNAPSHOT，版本不可靠✅ 正模式：mvn -pl 启动模块 -am packagejava -jar 启动模块/target/xxx.jar原因：reactor 保证所有模块都是最新编译这次排查花了近两个小时。如果启动命令统一为 reactor + jar→ 问题根本不会发生如果理解 MockMvc 的 classpath 来源。
2026-07-30 11:54:07
337
3
原创 SSE 深度解析：从协议原理到生产落地
不支持自定义请求头，这是很多人的阻塞点。路线一（轻量级方案）—— Cookie 认证。服务端设Cookie，连接建立时自动携带。简单、安全、零代码。缺点是跨域场景下 SameSite 限制会导致 Cookie 不发送。路线二（重型方案）—— 先用 POST 换一次性 Ticket，再用 Ticket 连 SSE。本质上是用一个短暂的临时凭证，把"认证"和"建立流"拆成两步，避免 Token 长期暴露在 URL 里。路线三（完全自控）—— 放弃 EventSource，用fetch手写 SSE 客户端。
2026-07-30 09:33:46
737
5
原创 你的 ChatBot 没崩，只是还没撞上 Token 超限这堵墙
摘要本身也是一次 LLM 调用，花 Token + 花时间。如果一条 2000 Token 的消息你也去摘要，摘要的 prompt 就花了 300 Token，返回摘要又花了 200 Token——为了省 2000 Token 花了 500 Token，还多了 2 秒延迟。值不值？得设一个成本阈值：只有当消息 Token 数超过某个值（比如 5000 Token），才触发摘要。低于这个值，直接保留原文——不折腾。// 不够长，别浪费钱摘要try {
2026-07-29 22:29:46
527
4
原创 ConcurrentHashMap 深度解析：从问题到设计，从设计到源码
当某个线程发现自己区间的桶全部处理完毕，并且// transfer() 的退出逻辑（简化）// 当前区间的桶都处理完了// 这是最后一次进入——所有桶都已确认迁移完毕// 清除临时引用// ★ 切换到新数组！// 设置新阈值 = 新容量*0.75return;// CAS 将 sizeCtl 减 1（表示本线程退出扩容）// 检查是不是倒数第二个线程（即最后一个退出的线程）// 判断条件: (sc - 2)!// 如果相等 → 我是最后一个 → 需要收尾return;
2026-07-29 09:57:35
834
2
原创 java运行排错，新码旧jar
一个知识库列表接口挂了。这个名字有误导性。它不是编译器报的"找不到方法"——源码完全能编译通过。它是 JVM 在运行时发现某个 class 文件的二进制签名和调用方期望的不一致，抛出的一个Error子类。Error意味着这不是业务异常，是 JVM 层面的问题：当前 classpath 上加载到的类，和编译时用的类，不是同一个版本。
2026-07-28 15:01:30
507
3
原创 JVM 面试宝典：从入门到调优实战
概念全称包含内容面向用户JVM类加载器、运行时数据区、执行引擎核心运行环境JREJVM + 核心类库 + 资源文件Java 程序运行用户JDKJRE + 开发工具（javac、javap、jdb 等）Java 开发者。JVM 是整个 Java 生态的基石，屏蔽了底层操作系统的差异，实现了"一次编写，到处运行"。算法是否移动对象是否有碎片内存利用率适用场景标记-清除否是100%CMS 老年代标记-复制是否50% → 90%（HotSpot 优化后）新生代标记-整理。
2026-07-28 09:49:38
639
1
原创 Java 并发编程深度全解 —— 从八股到实战
JMM 通过关系来定义操作之间的内存可见性。如果 A happens-before B，那么 A 的结果对 B 可见，且 A 的执行顺序在 B 之前。六大核心规则│ ① 程序顺序规则 ││ 同一个线程中，前面的操作 happens-before 后面的操作 │// hb→ │// 后面的 ││ ││ ② volatile 变量规则 ││ 对一个 volatile 变量的写 hb→ 后续对该变量的读 ││ ││ ③ 锁规则 ││ 对一个锁的解锁 hb→ 后续对这个锁的加锁 ││ │。
2026-07-27 10:35:10
519
2
原创 JavaSE 深度梳理：从表层语法到底层机制
真正理解 JavaSE，不在于背下多少道面试题，而在于脑中有一条清晰的认知曲线——从"日常写的那些代码"出发，逐步下沉到 JVM 如何执行它们，再向外延伸到语言自身的演进逻辑。本文尝试按这条曲线组织全部核心知识点。
2026-07-26 10:29:03
570
6
原创 Java 集合框架八股：从全景架构到 HashMap 连环追问
对比维度JDK 7JDK 8数据结构Segment[] + HashEntry[] + 链表Node[] + 链表 + 红黑树（对齐 HashMap）同步机制ReentrantLock（分段锁）CAS + synchronized（桶级锁）锁粒度Segment（16个段）单个桶（bin）并发度固定的（默认16）动态的（=桶数量）扩容Segment 内部独立扩容多线程协同扩容（helpTransfer）红黑树❌✅size 计算分段计数，可能全锁。
2026-07-25 04:19:54
477
原创 整了张修仙角色卡，能说的不能说的都在这了
先交代背景。我想在酒馆里跑修仙。不是那种穿过去系统激活追妻火葬场的修仙，是那种你散修一个灵石掰两半花、路边野店可能黑吃黑、筑基丹要攒三年材料还得看丹阁脸色——的修仙。但你我都知道普通角色卡做不到。AI记不住。昨天你刚筑基，今天问它你在什么境界，它：“你是一名筑基期修士……不对你好像还在炼气？等等我再看看——你是什么境界来着？就这种感觉。所以我去看MVU卡了。MagVarUpdate，一个让AI能读写变量的架构。然后我花了大概……一天？从v0.1干到v0.7，搞了37个文件，一张PNG。
2026-07-19 10:57:29
699
4
原创 ReAct 和 Plan-and-Solve，两种 Agent 模式你选哪个？
两个模式的取舍，本质上是在灵活性和结构性之间做权衡。ReAct 把决策权分散到每一步，模型实时决定下一步干什么。代价是 token 烧得多，还有死循环风险。Plan-and-Solve 把决策集中在规划阶段，后面就是机械执行。代价是一旦规划有误，整个任务可能白干。所以没有"哪个更好"，只有"哪个更适合你当前的任务"。从 ReAct 开始试。跑通了但觉得 token 开销太大、或者模型经常跑偏，再考虑往 Plan-and-Solve 的结构化方向调整。
2026-07-15 16:59:18
745
4
原创 SSE 双队列架构进化之路：从 OOM 到网络漂移，一个后端项目的八次蜕变
这是一个 LLM 流式对话后端的故事。项目核心很简单——一条 SSE 连接（Server-Sent Events），把大模型的流式输出实时推给用户。听起来不值一提：一个队列存 token，一个 SseEmitter 推出去，完事。但线上教做人。LLM 生成太快，下游消费太慢 →OOM网络抖了抖，几个 token 丢了 →用户看到一篇残缺回答用户从 WiFi 切到 4G，三秒断连 →全量重跑 LLM，账单翻倍每一个问题都不是"加个 if-else"能解决的。
2026-07-13 15:52:25
922
5
原创 我用 AI 模拟面试官把自己“烤“了两轮，然后我悟了
Claude Code 是 Anthropic 的 CLI 工具，grilling 是它内置的一个面试模拟技能。macOS/Linux/Windows 都能装。不收费（用 API key 按 token 计费），一次模拟面试大概花几毛到几块钱，比你买一杯奶茶便宜。以上所有技术案例都是经典后端场景（MySQL 分页、Redis 缓存、连接池配置、线程池隔离），不管你是 Java、Go 还是 Python 后端，底层逻辑是通的。
2026-07-10 17:57:00
748
原创 从Deepseek接口到自创建简单Agent
首先是定义函数"""星座运势工具""""""查询城市天气"""return f"{city} {date}：晴，24~30℃，微风""""数学计算，传入数学表达式"""try:return f"计算结果 {expr} = {res}"return f"计算失败：{str(e)}"这里定义了三个本地工具，分别是固定回答以及运算注意的是，到这并未能直接使用，因为你传给大模型，它是有固定json格式的tools = [# 工具1：星座运势"sign": {},},},
2026-07-07 17:20:39
636
1
原创 Workflow?还是Agent，教你如何选择
常规 Workflow 更适合全流程标准化、场景可穷尽、无需自主决策的固定工作，稳定性与运行效率更有优势；当业务满足需求开放多变、执行路径不可预判、需要自主规划复盘、多轮交互、高频迭代拓展任意两项特征时，常规 Workflow 的预设编排逻辑将无法覆盖全部业务情况，此时选用 Agent 是更适配的技术方案。
2026-07-06 11:25:55
512
1
原创 一文从prompt原理教你如何写一份skill
能力维度LLM 原生状态Skill 框架的策略机制模式匹配✅ 极强提供规范模板让 LLM 匹配生成Prompt模板填充✅ 极强JSON Schema + 格式模板Prompt头脑风暴✅ 强ADR + 选项对比Prompt清单检查✅ 强逐项验证清单Prompt角色切换✅ 极强每阶段赋予不同角色Prompt跨阶段记忆❌ 弱文件 JSON 传递工具 (read/write)状态跟踪❌ 弱增量记录 + 文件存在性检查工具 + 规则精确计数❌ 弱。
2026-07-05 13:02:44
529
3
原创 一文讲清楚流式生成核心：SSE
SSE 是基于标准 HTTP 协议、服务端向浏览器单向推送数据的流式通信方案，只能服务器发消息给客户端，客户端不能主动发消息给服务端。
2026-07-05 10:29:27
735
2
原创 VIbe Coding时期，推送项目惹众宾欢也
本文详细介绍了在 vibe coding 过程中如何安全地将项目推送到 GitHub，避免泄露 API 密钥等敏感信息。文章从推送前的安全检查开始，逐步讲解 Git 仓库初始化、代码提交、远程推送等完整流程，并提供了更新现有仓库的方法和常见问题解决方案。通过本文，您可以掌握安全推送代码的最佳实践，确保开发过程中的信息安全。
2026-07-04 16:24:59
491
2
原创 一文明白ai时代几个关键名词
1.序列长度暴增：一般来说你一句话可能分单词只有10个id，如果分单字的话，就可能会翻倍，而我们Transformer 的复杂度是n方，这就导致，可能是翻4倍或者更多的后果，长文本显存就爆炸了，以及能处理的长文本长度直接缩水，无法接受一般。欸，RNN（循环神经网络），非常符合人的直觉，逐字扫描，按时间状态，逐Token处理，这就会涉及到后面Token是依赖前面Token的问题的，导致了以下几个问题。比如说越接近1，就是越相似，越接近-1，就是越不相似，不受向量模影响，而L2欧式距离是计算两直线的距离。
2026-07-01 15:59:50
491
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人