自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(28)
  • 收藏
  • 关注

原创 Windows Server AppFabric Caching

这种数据类型负责存储“较重要的数据”,而且这类数据都是不会经常变动的数据,而且每次变更数据都会建立一个新的版本,所以这类数据非常适合用来共享给多用户、多应用程序的情况,用来加速所有应用程序的访问速度,降低各应用程序对数据库系统造成的负荷。不管是 Reference Data (共享读取) 或者 Activity Data (独占写入) 已经很适合做数据缓存,但并非所有应用程序类型都支持这种方式快取,这里的“资源数据”指的是“共享的”且“同时需要被读写”的数据,而且读写量都非常大的情况。

2026-07-05 14:07:47 237

原创 也谈谈性能:局部性与性能的实验观察

对比这两段代码,参照实验结果可以看出,在for循环条件中的Width和Height属性,jit做了特殊的处理,应该是缓存起来了,因此,实验2中的Fill和FillEx才没出现性能差别。而在循环体中所使用的Width属性,没有缓存起来,导致实验1中,Fill和FillEx性能有可见的差异。写法B中,使用的是在栈中的变量width和height,因此较写法A具有更好的局部性。程序会分配一大块内存,存储具体的图像数据,然后再为Bitmap分配小块内存,储存Width、Height及对图像数据的引用。

2026-07-05 14:06:59 248

原创 第一次负责项目的总结

不就让我们多动脑,多思考吗,古人总结很多的,现在越来越觉得古人总结的一些道理真是太好,太神奇了,让我感触最深的一句就是“温故而知新”,因为N年前发生的很多事情我还记得很清楚,离题了。,当然这个方法会调用其他的辅助方法,特别是写底层方法的人,你的方法都是写出来让大家调用的,别人实现一个功能还要调你N个方法,你说别人爽不爽,让别人爽了,才是真的爽,一个功能一个方法,看起来也清晰,总之百利无一害,当然要达到这个程度还是要一定的积累的,把事情做得更好当然也需要更多时间,但我们开发中最缺的就是时间。

2026-07-04 14:17:27 169

原创 领域驱动设计之领域模型

加一个导航,关于如何设计聚合的详细思考,见文章。2004年Eric Evans 发表Domain-Driven Design –Tackling Complexity in the Heart of Software (领域驱动设计),简称Evans DDD。领域驱动设计分为两个阶段:以一种领域专家、设计人员、开发人员都能理解的通用语言作为相互交流的工具,在交流的过程中发现领域概念,然后将这些概念设计成一个领域模型;由领域模型驱动软件设计,用代码来实现该领域模型;

2026-07-04 14:16:53 171

原创 POCO Controller 应用

就是说 IActionResultHelper 用来创建 Action 结果的契约,Index 方法中返回一个 Json 格式数据,返回类型为ActionResult,Result.Json 也就是 IActionResultHelper.Json,也就是说所有的一切都表明,你可以创建属于自己的 IActionResultHelper,包含自定义的 IActionResultHelper.Json 类型格式。以上是有关 Action 的操作,如果涉及到 View 操作,又是怎么实现?

2026-07-03 16:49:56 194

原创 适合程序员的智能家居

看到最近智能家居的讨论挺火,我也来分享下在智能家居这块的体会。我主要改造了我租的房子的室灯。主要实现功能有:监控室内环境,改装了室灯,光线暗的时候有人时自动开灯,光线亮自动灭灯,可红外用遥控器、手机客户端改变阈值。

2026-07-03 16:48:42 188

原创 旧物利用 - 将机顶盒改造为一台Linux开发机!

主板接线如图,从左到右依次连接到转接板的GND, TXD, RXD,不同板子可能有所差别,可以尝试调一下TXD, RXD顺序。(烧录也可以命令行形式甚至不需要Windows,需要参考海思官方文档,为了方便故在Windows平台下进行烧录)注意Ubuntu base预装systemd,Network Manager,需要自行安装。配置端口,会自动识别,选择CH340的端口,波特率为115200。打开HiTool软件,选择芯片,第一次使用可能会弹出显示。机顶盒连接电源,并按下机顶盒电源按钮,开机。

2026-07-02 20:44:27 230

原创 rainfuck 是由 Urban Müller 在 1993 年创造的一门非常精简的图灵完备的编程语言。

然后只需要提供一个已经初始化为 0 的字节数组作为内存、一个指向数组的指针、以及用于输入输出的两个字节流就能够让程序运行了。比如 Hello World!程序就可以写成:Copy。

2026-07-02 20:43:31 242

原创 AsyncLocal 的避坑指南

那么我们如何在 FooAsync 方法中修改 AsyncLocal 的值,并且在 Main 方法中获取到修改后的值呢?我们需要借助一个中介者,让中介者来保存 AsyncLocal 的值,然后在 FooAsync 方法中修改中介者的属性值,这样就可以在 Main 方法中获取到修改后的值了。

2026-07-01 15:51:59 251

原创 检查实际的业务端代码

2、有try-catch-finally结构,但是deliverTag是一个固定值0,一样的会出问题。再看我们业务系统消费端代码,消费端各种不规范写法都有,以下例举几个典型。3、自动签收确认的,大量消息的时候,容易搞死消费端应用。

2026-07-01 15:50:29 156

原创 C++测试

15.某市某区公安分局下辖6个派出所,每个派出所每季度处理治安案件数量不同,编写程序输入该分局每个派出所各季度的案件数量(4个季度),并计算每个派出所全年案件总量,将案件总量添加到二维数组的最后一列,输出完整的二维数组。16.在一次警务技能比武中,有12名选手参加了射击比赛,成绩即射击环数(比如10.2环,9.8环),编写函数将成绩按降序排序,主函数用户输入环数,调用函数,输出排序后的成绩。13.声明一个时间类(Time),用于记录警务活动的时间,包含私有数据成员:小时(hour)、分钟(minute)。

2026-06-30 14:29:34 203

原创 Spring AI学习:工具调用实践(基于和风天气api)

public String getWeather(@ToolParam(description = "城市LocationID") String locationId){@Tool(description = "根据城市名称查询城市LocationID")// 体感温度,单位:摄氏度。// 风速,单位:公里/小时。// 大气压强,单位:百帕。//露点温度,单位:摄氏度。// 温度,单位:摄氏度。// 相对湿度,单位:%// 降水量,单位:毫米。// 能见度,单位:公里。// 云量,单位:%

2026-06-30 14:28:47 193

原创 M3编程能力实测:SWE-Bench Pro得分59%超过GPT-5.5的深度分析

M3在SWE-Bench Pro上59%的分数,不是"刷榜成绩",而是真实编程能力的体现跨文件理解:1M上下文让M3能看完整代码库执行反馈训练:M3学会"先想测试再写代码"开源第一:唯一开源且达到顶级水平的编程模型。

2026-06-29 14:50:49 310

原创 thinking模式深度推理:M3怎么帮你修最难的Bug

thinking模式找到了根因(asyncio的协程切换),并给出了异常安全方案。一个FastAPI服务运行几天后内存持续增长,最终OOM。

2026-06-29 14:50:05 154

原创 本地模型为什么能跑起来?从 llama.cpp 量化说起

这个产品发布之所以引起关注,是因为它正好踩中了很多开发者这两年对本地模型的真实感受:大模型不再只存在于云端,也开始进入普通电脑。你打开 Ollama、LM Studio,或者直接用 llama.cpp,下载一个量化版本,就有机会在本地跑起一个还不错的大模型。但问题也来了:为什么一个大模型可以在本地跑起来?为什么同一个模型会有 Q4、Q5、Q8 这么多版本?为什么模型能加载,不代表它一定跑得快?为什么有些量化版本体积小了,回答质量也会下降?

2026-06-28 15:12:13 211

原创 洛谷P14637 [NOIP2025] 树的价值超详细题解与碎碎念

本文去掉代码全文共 4800 字。这篇博客并非完全意义上的题解,主要是对我学习这道题的思路回顾与总结,基于以下两篇题解融合和补充(所以记号不是我原创的,我觉得尤其是第二篇题解定义的名词非常形象易懂直接抄了),以及一些碎碎念。写了很多细节问题,都是我在学习这个题时思考过的,所以这篇文章非常长。因为我是蒟蒻,我已经尽量在让这篇题解启发式了qwq,所以对于“显而易见的结论”讲述的废话可能很多,请巨佬们多多批评指教。由于文章太长,写作周期也长,精修困难。如有不解请敲在讨论区,我若看到一定会尽力修正表述。

2026-06-28 15:11:16 226

原创 新写了个直播录制工具,可录制抖音快手斗鱼直播

注:抖音和其他直播有的视频是H.265格式,windows/mac自带播放器可能无法播放,可以用其他播放器播放,也可以用工具->FFmpeg->编码转换转为H.264即可正常播放。安装项目自带的浏览器扩展后,浏览器打开抖音直播后,右上角(我这里拖到了右下角)会出现一个M3U8 Quicker的图标,点开可以发现自动检测到了直播的地址。目前已经亲测可以一直录制直到主播下播结束,然后点击停止并转Mp4即可。点击录制,自动跳转到软件的新建录播任务界面。开始录制,一直会录制到直播结束。

2026-06-27 14:51:24 225

原创 为什么我没有继续做 Prompt 合集?

这句话当然有用,但它不够工程化。如果每次都让用户在 Prompt 里临时描述这些信息,Agent 的输出就会很不稳定。所以 Hermes Edu Skills 的思路不是“写更多万能提示词”,而是把教育任务拆成一个个结构化 Skill,让 Agent 根据场景加载对应能力。

2026-06-27 14:50:32 231

原创 层级树的构建与节点增删改全解析:从设计到落地

在实际业务中,凡是存在“父子关系”或“层级关系”的数据结构,通常都可以抽象为层次树模型。例如:企业的组织架构与部门体系、员工之间的上下级关系、系统菜单结构、具备继承特性的权限体系、多级分类、文件目录结构,以及地址的省市区层级等。确定了表的字段以后才能够更好的进行技术方案的设计与实现。遍历层级树节点,一个树节点如果有子树,则再次递归此子树,直到没有子树为止。接下来我将介绍4种构建树的实现方式,我们从最朴实的双层for开始。任意节点的移动,依然保持树的层次结构。先了解一下2个基本核心概念。

2026-06-25 15:46:52 234

原创 安装(Windows/Linux/macOS)

【代码】安装(Windows/Linux/macOS)

2026-06-25 15:46:10 228

原创 Steamworks 多语言元数据管理:从手动维护到结构化工作流

在生产环境访问ES需要使用密码,接下来可以按照下文配置一下,集群安装可以参考这篇文章。

2026-06-24 14:58:18 233

原创 AI开发-python-LangGraph框架(3-26-LangGraph基本概念及第一个简单样例)

首先创建工作流的核心执行单元,这个节点的作用是处理状态数据,为状态赋值执行结果,是流程的核心业务逻辑层。节点函数会接收当前状态,完成数据处理后返回更新后的状态,实现状态的同步更新。通过这个极简案例,我们能清晰感受到 LangGraph 的便捷性:它用状态 + 节点 + 边的极简模式,把复杂的工作流编排变得简单易懂,内置的可视化功能更是开发调试的神器。无论是简单的线性流程,还是后续需要扩展的分支判断、循环执行、多节点协作的复杂大模型应用,LangGraph 都能轻松胜任。

2026-06-24 14:57:30 201

原创 质量 vs 数量的哲学思辨与顿悟

设想一下,你要堆砌那座通往珍宝的“垃圾山”,如果全靠你一个人徒手去挖土、去搬运,哪怕你的意志力像钢铁一样坚强,你的身体也会在基数达到某个临界点时崩溃。艺术家可能会为了一个音符的走向而痛苦一个月,而工程师知道,要想造出一台精密的发动机,唯一的办法是先制造出成千上万个粗糙的零件,然后通过无数次的试错与组合,最终筛选出那个最优解。自媒体的算法世界,就是这样一个巨大的筛选器。只有当你像一个不知疲倦的矿工,源源不断地将成吨的矿石倾倒入这个系统,那个隐藏在垃圾堆顶端的“爆款”才会在概率的挤压下,熠熠生辉地浮现出来。

2026-06-23 15:05:00 193

原创 深度学习进阶(一)从注意力到自注意力

在之前的深度学习内容中,我们已经介绍了注意力机制的核心流程,其本质可以概括为:在解码的每一个时间步增加注意力计算得到上下文向量,让模型可以根据当前状态,从输入序列中动态选择相关信息。实际上,你会发现:在这个传播过程中,传统的注意力机制只是一个插件。在这个机器翻译的例子里,模型的主干仍然是 RNN,如果在解码的每一步去除了注意力计算,那么整个模型就是一个常见的不等长循环神经网络。而注意力计算的实质,其实是对解码器每一步的隐藏状态到该步输出间的一次“再加工”。它是对解码器当前隐藏状态的一次信息增强,使得模型

2026-06-23 15:04:15 181

原创 三层硬核防护!轻量化SpringBoot反爬虫系统,彻底拿捏爬虫扒站

依托前端高强度JS加密的优势,签名密钥、加盐规则、加密算法全部隐藏在混淆加密后的代码中,攻击者无法通过调试获取核心加密逻辑。,一旦攻击者打开浏览器开发者工具调试源码,页面会持续触发Debugger断点,强制阻断代码解析、调试、格式化操作,彻底封死爬虫分析前端逻辑的通道,从源头杜绝源码扒取。绝大多数初级、中级爬虫的核心逻辑都是扒取前端JS源码,分析接口规则、加密逻辑,进而模拟请求爬取数据。后端实时统计每个客户端IP的接口访问频次,支持自定义配置访问阈值、封禁时长,无需硬编码修改,适配不同业务场景。

2026-06-22 17:21:29 324

原创 嵌入式开发入门知识

联合测试行动小组)是一种国际标准测试协议(IEEE 1149.1兼容),主要用于芯片内部测试,现在多数的器件都支持JTAG协议,ARM、DSP、FPGA等,JTAG接口的单片机用电脑USB下载调试程序,需要用到J-Link(USB转JTAG)。通常这些系统具有线程、任务、内存管理,方便你开发。J-Link 和 ST-Link 一样,都是连接电脑与单片机(如 STM32)的调试下载器,但它是由德国 SEGGER 公司开发的高性能通用调试探针,兼容市面上几乎所有的 ARM Cortex-M 内核芯片。

2026-06-22 17:20:32 188

原创 Hermes官方桌面版发布了

支持 Telegram、Discord、Slack、WhatsApp、Signal,以及国内的飞书、钉钉、微信、QQ——你配置好之后,它就像一个真正的助手,在所有消息平台上等你的指令。——。跟之前养「小龙虾」(OpenClaw)一样,部署 Hermes Agent 让它帮我们干活,社区里叫「养马」——Hermes 既是希腊神话里的赫尔墨斯,又与爱马仕同名,你打开终端跑 Hermes 就像在喂马,用得越多它就越聪明。但以前,「养马」只有一个入口:命令行。

2026-06-21 16:17:12 528

原创 一文读懂AI应用技术:自然语言处理、语音识别/合成、可解释AI

让机器读懂你说的话,让机器听懂你的声音,让机器能开口说话。这一技术也应用而生。昨天我们简单地介绍了《》,今天这篇文章,就把这四项技术讲清楚。读完之后,你会理解:为什么现在的AI能和你丝滑地对话。

2026-06-21 16:16:14 406

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

提示
确定要删除当前文章?
取消 删除