- 博客(103)
- 收藏
- 关注
RSS订阅原创 二刷 hot100
这题思路其实就是题目说时间复杂度是 O(N)，那也就够遍历一次，用set 是因为后续查找的时间复杂度是 O(1)空间复杂度：O(M) N 是数组长度，M 是 set 长度。这题思路就是双指针，要维护一个为0 的区间。时间复杂度: O(N)空间复杂度: O(1)时间复杂度：O(N)
2026-07-15 14:55:43
38
原创 二刷 hot100
时间复杂度：O(NMlogM),n为strs 长度，m 为每个 str 的长度。Arrays.sort()为 mlogm。空间复杂度：O(MN)时间复杂度：O(N)空间复杂度：O(N)
2026-07-14 14:42:20
210
原创 Java基础拷打 --1
Java 能⽀持跨平台，主要依赖于 JVM 关系⽐较⼤。JVM也是⼀个软件，不同的平台有不同的版本。我们编写的Java源码，编译后会⽣成⼀种 .class ⽂件，称为字节码 ⽂件。Java虚拟机就是负责将字节码⽂件翻译成特定平台下的机器码然后运⾏。也就是说，只要在不同平台上安装对应的JVM，就可以运⾏字节码⽂件，运⾏我们编写的Java程序。⽽这个过程中，我们编写的Java程序没有做任何改变，仅仅是通过JVM这⼀”中间层“，就能在不同平台上运⾏，真正实现了”⼀次编译，到处运⾏“的⽬的。
2026-07-14 11:45:02
301
原创 Loop Engineering
核心：设计自动循环，让 Agent 能反复执行、检查、修正，直到完成或阻塞。不是“写一个接口”，而是“完成文档上传、解析、切片、向量化入库的完整功能”。上下文不只是历史对话，还包括代码、文档、规则、日志、测试结果、业务背景。比如读文件、写文件、跑命令、调 API、查数据库、跑测试。核心：给 Agent 配工具、执行环境、权限、验证机制。没有状态，Agent 容易重复劳动、忘记前文、来回打转。更长的 Prompt 只是说明更详细，不等于有循环机制。Loop 需要执行、观察、验证、修正和停止规则。
2026-06-26 12:23:29
259
原创 【算法六十】136. 只出现一次的数字
一个数和 0 做 ^ 运算等于本身：a^0 = a。一个数和其本身做 ^运算等于 0：a^a = 0。时间复杂度：O(N)空间复杂度：O(1)时间复杂度：O(n)空间复杂度：O(1)
2026-06-21 21:08:28
215
原创 多线程问！
AQS 是，可以理解成 JUC 里面很多锁和同步器的基础框架，比如 ReentrantLock、Semaphore、CountDownLatch 底层都跟它有关。它的核心主要是两部分：一个是state，一个是 FIFO 等待队列。state是一个同步状态，具体含义由不同工具自己定义。比如 ReentrantLock （阻塞式锁）里，state表示锁的重入次数；Semaphore 里表示剩余许可数量；CountDownLatch （倒计时锁）里表示倒计数。修改state时通常会用 CAS 来保证线程安全。
2026-06-16 20:03:11
268
原创 微服务拷打最后一讲！！！
服务雪崩就是下游服务异常后，上游请求一直等待，导致线程池、连接池资源被占满，最终故障在调用链中扩散。解决上一般会做超时控制、熔断、降级、限流和资源隔离。比如依赖服务失败率过高时熔断，直接走兜底逻辑，避免继续拖垮系统。CAP理论是分布式系统设计的基础理论，包含一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)。BASE 是 CAP 中 AP 思路的延伸，核心是牺牲强一致性，换取系统可用性和扩展性。它包括基本可用、软状态和最终一致性。
2026-06-02 15:14:40
500
原创 微服务拷打第一讲！
ribbon->IRule（全局）ribbon->@RibbonClient（单独）ribbon->配置文件（单独）如果是老版本 Ribbon，自定义负载均衡策略主要是围绕IRule来做。简单一点，可以直接配置一个IRule的 Bean，比如返回RandomRule，这样会改变默认的负载均衡策略。如果只想对某个服务生效，可以用指定服务名和单独的配置类，或者在配置文件里通过服务名.ribbon.NFLoadBalancerRuleClassName指定具体的 Rule 类。
2026-06-01 11:45:30
442
原创 AI Agent学习day6 从 MCP 到 RAG 记忆：AI Agent 项目中的三块核心基础
摘要压缩不是直接丢掉早期历史，而是把早期对话压缩成摘要。例如原来 20 轮对话可以压缩成：text 客户咨询 iPhone 16 Pro 售后问题，已确认订单号、购买日期、故障现象和客户诉求，目前客户希望换新而不是维修。优点：text 保留长期关键信息 大幅减少 Token缺点：text 实现复杂 需要额外调用模型 摘要可能丢细节一句话：摘要压缩解决长期记忆问题。
2026-05-31 23:22:41
458
原创 AI Agent 学习day4 从 RAG 检索到 Function Call：一文理解大模型问答系统的完整链路
name：工具名description：工具描述parameters：参数定义"description": "查询用户的年假余额，包括总天数、已使用天数、剩余天数","description": "用户 ID"},其中最重要的是 description。这个工具能干什么？当前用户问题该不该调用它？如果 description 写得太模糊，模型就可能选错工具。原始文档→ 文本提取→ 分 chunk→ 添加元数据→ 向量化→ 存入向量数据库用户提问→ 模型判断意图。
2026-05-28 16:53:34
592
原创 SSM拷打第一讲
是什么->用来干什么->怎么做的AOP 是面向切面编程，主要用来处理一些横切逻辑，比如日志、权限校验、事务、接口耗时统计这些。这些逻辑本身不是核心业务，但很多业务方法都会用到。如果都写在业务代码里，会导致代码重复、耦合高。AOP 的做法就是把这些公共逻辑抽成切面，然后通过代理的方式，在目标方法执行前、执行后或者异常时进行增强。在 Spring 里，AOP 底层主要是基于动态代理实现的，如果目标类有接口，一般用 JDK 动态代理；如果没有接口，可以用 CGLIB。像声明式事务就是 AOP 的典型应用。
2026-05-28 11:01:06
305
原创 AI Agent 学习day3 从 Chunk 到向量数据库：RAG 数据检索链路核心理解
RAG 的检索不是简单地把文档丢给大模型，而是先把文档切成 chunk，给 chunk 加 metadata，再通过 Embedding 转成向量，最后存入向量数据库，用 ANN 索引快速检索出最相关的 Top-K chunk。Metadata：解决 chunk 从哪来、谁能看、怎么追溯的问题。Embedding：解决文本怎么变成向量、怎么做语义相似度的问题。Vector Database：解决海量向量怎么存、怎么快速查相似的问题。
2026-05-27 19:30:09
471
原创 AI Agent 学习 Day 2：从 RAG 到文档解析与文本分块
RAG，全称是 Retrieval-Augmented Generation，中文一般叫做检索增强生成。我自己的理解是：RAG = 先检索资料，再让大模型基于资料回答。它本质上是让大模型从“闭卷回答”变成“开卷回答”。在这个过程中：大模型负责理解问题、组织语言；外部知识库负责提供事实依据。Chunk 分块就是：把长文本切成大小合适、语义尽量完整的小块，方便后续检索。在 RAG 里，文档不能整篇塞给大模型，也不能整篇作为检索单元。所以要先把长文本切成一块一块的文本片段。
2026-05-26 16:53:55
442
原创 【算法五十】62. 不同路径
优化思路：就是将二维的m转化为for循环里的i，按层去处理，因为dp[i][j]只和自己左边还有上面的数值有关。时间复杂度：O(M*N)空间复杂度：O(M*N)时间复杂度：O(M*N)空间复杂度：O(N)
2026-05-26 11:54:57
50
原创 AI Agent 学习笔记 Day 1：大模型基础、API 调用与 Prompt 工程
理解大模型→ 学会通过 API 调用大模型→ 学会用 Prompt 控制模型回答大模型是什么，调用时有哪些基本概念。Java 程序如何按照 OpenAI 兼容协议调用大模型 API。如何通过 Prompt 让模型在 RAG 场景下更准确、更可控地回答问题。这三部分都是后续做 AI Agent / RAG 项目的基础。用户提问→ 系统检索相关资料→ 组装 Prompt→ 调用大模型 API→ 流式或非流式返回答案。
2026-05-25 21:34:29
476
原创 MySQL拷打第二讲
在 InnoDB 里，聚簇索引一般指主键索引，它的 B+ 树叶子节点存的是完整的一行数据，所以通过主键查询时，找到叶子节点就能拿到整行记录。非聚簇索引也叫二级索引，比如普通索引、联合索引。它的叶子节点不存完整行数据，而是存索引字段和对应的主键值。所以通过二级索引查询时，如果要查的字段不在这个索引里，就需要先查到主键，再根据主键去聚簇索引中查完整数据，这个过程叫回表。所以简单来说，聚簇索引叶子节点存整行数据，非聚簇索引叶子节点存主键值。聚簇索引通常只有一个，非聚簇索引可以有多个。
2026-05-25 10:47:15
1097
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