- 博客(28)
- 收藏
- 关注
原创 LCA问题的高效解法:欧拉序 + RMQ 详解
最近公共祖先简称。两个节点的最近公共祖先,就是这两个点的公共祖先里面,离根最远的那个。为了方便,我们记某点集 的最近公共祖先为 或。
2026-07-07 21:12:36
240
原创 AI Agent 30天速成|Day4 笔记
当用户提出复合型复杂问题(多步骤、多工具、多知识库查询),大模型无法一次性给出答案,需要先拆解成多个可执行子任务,按顺序分步执行,最后汇总结果。例:“帮我计算(125+36)*8,同时查询RAG定义,最后汇总成一段总结”调用计算器计算125+36调用计算器计算结果×8RAG检索RAG相关知识整合全部结果输出总结。
2026-07-07 21:11:36
246
原创 SERL:让真机强化学习从“难用”走向“可复现”的强化学习框架 ----
RLPD(Reinforcement Learning with Prior Data)是一种基于 off-policy 的 actor-critic强化学习算法,借鉴了 soft-actor-critic 等时序差分算法的成功经验,但为满足上述需求做出了一些关键修改,它其实就是 SAC + 之前的数据(Prior Data)+ 极高的更新频率(High UTD)。然而,在实际问题中,常常面临样本获取成本高昂的情况。:这种混合采样确保了模型在进化的每一秒,都在不断对比"正确答案"与"自己的尝试"。
2026-07-06 16:22:21
272
原创 由于没用使用DoubleLinkNode<T>[] 来存储数据,所以索引的处理显得非常的麻烦(如果用了数组就存在链表的容量问题),希望高手们能给出好的方法。
下面就是具体实现了//初始化数据i < 17;i++)//当前报数人//报数序号int k = 0;//循环报数k++;/// 玩家set;下面是结果分类:
2026-07-05 19:44:46
230
原创 没有详细的统计过大家的解法
很多都在回复内贴的代码)。但感觉大家的问题主要集中在计算大数的效率上。提供一种“经验”算法供大家参考。题目按照我的理解,大致为输入99,返回101。输入199,返回201这类的。按照人类的(其实就是我的。。哈哈)解题方式,算法分析如下:1. 9为特殊字符如果这串数字的某一位和其上一位均为9,则需要返回类似“101”这样的数值。2. 首位和次位(左起第二位)均为9为特殊情况在这种情况下,需进位(增加数字一位)。
2026-07-05 19:44:10
194
原创 自己开发MVVM框架
上篇WPF企业内训全程实录(上)主要讲解历史渊源、概念引入、基本阐述以及WPF的每个知识点。这篇主要主要围绕WPF开发模式、WPF团队协作和MVVM框架三个议题进行阐述。下篇将着重强调结合其他技术共同打造WPF项目、相关性能优化、以及部署与更新问题,所以敬请期待!另外如果有不懂的地方也可以参考之前写的WPF 基础到企业应用系列,最后声明一下,由于圣殿骑士才识浅薄,所以以上观点只是个人的看法与心得,遗漏和错误之处也敬请海涵。怀着技术分享与交流的态度分享出来,希望各位多多。
2026-07-04 18:55:19
201
原创 WPF企业内训全程实录(中)
提到WPF开发模式(这里通常所说的是Presentation模式,其他层的模式不在此列),大家可能会立马想到MVC/MVP/MVVM模式:的确,时下流行的就这三种常见的Presentation模式(这三种模式又衍生了很多变种),从根本上说这些模式是为了解决如下的几个问题: 之前的C/S(WinForm)和B/S(ASP.NET/ASP.NET MVC)我们已经习惯了MVC和MVP模式,现在针对WPF和Silverlight的具体特征——它带来了3D、动画、音频、视频……这导致了UI的变化将更加细节化和可定
2026-07-04 18:54:28
225
原创 软件项目“免坑”指南
软件项目涉众众多,造坑的多为项目实施团队内部,而究其原因也是多方面的,但是始终离不了项目的四个维度——时间、范围、成本、质量。很难理解,真正挖出大坑的人,最后也是填坑的人。一个人很容易被外部事务所左右,就如“同假的多了,真的到成假的了一样”,多数人不愿意在一个新环境中表现得特立独行。”所以,我认为工作就是工作,不需要我们在其中融合多少兴趣,也不要求我们有过多的付出,但对于工作的成果则要求我们认真的对待。”如果多少有些团队意识,能够对自己的工作负责,那至少在意识上,我们能给自己少造些坑。
2026-07-03 20:44:54
178
原创 技术文章是怎样炼成的?
我记得我想看一些技术类的书籍的时候,刚开始很兴致勃勃的去买了相关书籍,结果我看了前两章,实在没心思再往后看了,这种书我通常用半年或者一年的时间去看完。不要害怕自己的观点错误,或者技术错误,大胆的写,如果有人给你指正出来,那你就去找资料去核实下,然后再去改正,这中间你也能学到很多东西。如果你的图,能说明你的问题,那你就用图表示,再加一些辅助的文字说明(这是大家不明白的时候才看的)——毕竟不会每个人都看完你的文章。不要以为你能一下就能把你的文章写好,你也不是完人,就算是再牛的作家,也还要不停的修改他的文章呢?
2026-07-03 20:43:24
241
原创 领域驱动设计实战--战略建模
自从去年接触DDD以来,阅读了大量的相关书籍,看了园子里面很多DDD方面的文章,也在实际项目中也有意无意的使用DDD的一些思想和方法。但总觉得这些知识太分散,没有给自己思想带来质的升华。等等还有很多,这些例子的质量都很高,图文并茂,一堆让人流口水的代码示例。但每次看完例子后,我的迷茫就会又加深一分。因为我觉得很多博文都只是打着DDD的幌子,还是按自己的原来理解方式写代码而已。并没有给大家深入剖析DDD。别忘了,。
2026-07-02 23:25:40
243
原创 CSS十问——好奇心+刨根问底=CSSer
最近有时间,想把酝酿的几篇博客都写出来,今天前端小学生带着10个问题,跟大家分享一下学习CSS的一些体会,我觉得想学好CSS,必须保持一颗好奇心和刨根问底的劲头,而不是复制粘贴,得过且过。如果你是业界大牛,也请你驻足随意瞄上两眼,把言辞内容不妥的地方指出来,我们共同讨论。网页排版时,常规流的块级元素水平方向总是铺满浏览器窗口,垂直方向各块级元素按照先后顺序从上往下排列,当页面内容过多时网页会出现纵向滚动条,因此原理上纵向是可以无限扩展的,计算时找不到一个固定的参考值,所以纵向的auto无法生效。
2026-07-02 23:24:50
179
原创 汽车软件测试,难点到底在哪?
汽车正在被软件重新定义,而软件质量,正在直接影响整车安全、品牌信誉和产品节奏。在这种背景下,测试不是“项目末尾的检查项”,而是开发一开始就要考虑的能力。Parasoft在汽车嵌入式软件测试领域积累了大量成熟实践,也正在被越来越多国内汽车企业引入到核心研发流程中。如果你正在思考:👉 如何让汽车软件测试更高效👉 如何更从容地应对功能安全与合规要求👉 如何在不增加人力的情况下提升质量也许,是时候认真看看 Parasoft 这套“自动化质量保障体系”了。
2026-07-01 21:10:37
231
原创 医疗嵌入式软件为何需要专门的测试?
随着医疗设备软件不断复杂化,嵌入式系统广泛应用于监测、诊断与治疗设备。:设备微控制器受内存与计算能力限制;:与传感器、执行器等物理硬件紧密耦合;:延迟或错误可能直接影响患者生命安全;:需要为 FDA 审批或 IEC 62304 等标准提供全面证据。在医疗器械产品如胰岛素泵、心脏起搏器上,一个微秒级错误就可能扩大为严重的安全事件,因此嵌入式软件测试成为不可或缺的开发阶段。如血氧监测、心电图设备和 ICU 生命体征系统,测试需覆盖传感器准确性、报警机制以及长期运行的稳定性。
2026-07-01 21:09:49
206
原创 使用 Aspose.PDF for Java 从 PDF 中删除图像
或者通过 Maven 将添加后,您可以使用该库修改和,包括有针对性地删除照片、图标、图章和内嵌图形。
2026-06-30 20:48:19
189
原创 输⼊⼀棵节点数为 n ⼆叉树,判断该⼆叉树是否是平衡⼆叉树。
平衡⼆叉树( Balanced Binary Tree ),具有以下性质:它是⼀棵空树或它的左右两个⼦树的⾼度差的绝对值不超过 1 ,并且左右两个⼦树都是⼀棵平衡⼆叉树。
2026-06-30 20:47:16
193
原创 Go - Zerolog使用入门
在 Go 语言中,内存分配会带来一定的性能开销,频繁的内存分配和垃圾回收(GC)会影响程序性能。零分配设计的目标是在热点代码路径上尽量避免堆内存分配,从而减少 GC 压力,提升整体性能。链式调用返回指针而非值:避免了每次调用都创建新的对象使用 sync.Pool 复用对象:日志事件对象会被放回池中重复利用避免接口类型:直接使用具体类型,消除接口调用的开销预分配缓冲区:减少写入时的内存分配这种设计使得 Zerolog 在高并发场景下表现出色,尤其适合对性能敏感的服务端应用。
2026-06-29 20:02:54
223
原创 一周 30k+ stars 的 Skill 生态,3 个仓库代表 3 种工程师哲学
这恰恰说明大部分人没搞清楚一件事——:一个是 library(工具集合),一个是 framework(方法论框架),一个是 reference implementation(官方参考实现)。你把它们当同类装在一起,大概率会冲突 + 互相覆盖 + 让 Claude Code 行为变得不可预测。我做了 10 年后端架构,见过太多团队把「Spring」「Spring Boot」「Spring Cloud」当同一个东西装,结果踩到各种依赖冲突的坑。今天 Skill 生态正在重演这个故事,而且节奏快 10 倍。
2026-06-28 19:38:10
192
原创 OpenAI Codex 源码的原理、架构与未来
如果你第一次打开codex-main这个源码目录,很容易被它的规模吓住:顶层有 npm 包、Rust workspace、SDK、app-server、MCP、插件、技能、沙箱、TUI、云任务、线程存储、模型提供商、登录认证等大量模块。它不像一个传统命令行工具,也不像一个简单的 ChatGPT 包装器。更准确地说,Codex CLI 是一个“本地运行的智能软件工程代理”:它能理解用户目标,读取项目上下文,调用模型推理,决定是否执行命令或修改文件,把工具结果回传给模型,再持续推进任务直到给出最终结果。
2026-06-28 19:37:20
310
原创 iNeuOS_AiInsight·数智灵鉴(Text2SQL/NL2SQL自然语言大模型智能问数),免费下载试用
iNeuOS_AiInsight·数智灵鉴是一个面向企业场景的智能数据应用平台。围绕“会问、会查、会算、会画、会总结”的目标,平台提供技能、数据源、知识库、提示词、模型管理、工作流、应用程序等完整能力。既支持业务人员快速使用,也支持技术团队持续沉淀方法、封装流程、治理数据资产。
2026-06-27 21:46:04
189
原创 为什么买了 SCA 工具,开源依赖还是管不住?
所以分级机制的关键不只是分等级,更是分优先级——渠道系统和对外暴露系统的高危漏洞先修,内部工具的中低危漏洞可以纳入迭代排期。但这不代表这套方法论只适用于金融业——只要企业的软件交付依赖大量第三方组件,不管是互联网、制造、能源还是政企,迟早都要回答同样的问题:组件怎么引入、使用中怎么监控、出问题后怎么退出。有个银行客户,在 Log4j 事件之后痛下决心,采购了当时市面上主流的 SCA 工具,接入了 CI/CD 流水线,花了好几个月把所有项目的 SBOM 都跑了出来。三个月前的数据和现在的代码已经对不上了。
2026-06-27 21:45:16
224
原创 先引入一个简单的例子,给定一个 4 个节点 4 条边的有向带权图:
回顾最初错误的递推式 Ein(u)=∑v∈N−(u)pv,u(Ein(v)+wv,u),其错误根源在于推导中隐式地默认了 E[d(Ps⇝v)∣Av]=E[d(Ps⇝v)],即条件期望等于绝对期望。而该等式成立的唯一条件是 π(v)=1,即从起点必然走到节点 v。在 Eout(u) 的推导中,由于从任何节点出发必然到达终点 t,概率归一化始终成立。但在 Ein(u) 中,从起点出发并不一定经过 v,π(v) 是一个小于 1 的概率,归一化条件不再满足,故不可随意将绝对期望与条件期望混为一谈。
2026-06-24 20:51:16
240
原创 一篇文章如何入库的
注:如果模型是在线API,那么基本上都能按照要求做出指定的输出,如果是本地部署的模型,参数量比较低的话,输出可能会走样。最后再说一种更简单粗暴的方法,跳过大模型生成JSON和python的JSON遍历,直接让大模型生成语句。以上的超短新闻,要想配合入图数据库,首先是需要抽象出以下信息。实体,关系,属性信息都确认了之后,就可以通过以下语句入库了。以上提示词可以放在任何工具里测试,包括龙虾,豆包等。为什么用 MERGE 不用 CREATE?最终效果(Neo4j 里看到的图)首先,给大模型的提示词。
2026-06-24 20:50:34
212
原创 AI Agent中6种常用的设计模式
Tool Use模式通过函数调用,让Agent能够查询数据库、调用API、操作文件系统,真正“动手”解决问题。Agent先推理当前情况,决定下一步做什么,然后执行行动,观察结果,再继续推理,形成一个闭环。从最简单的单体Agent到复杂的多智能体协作,每种模式都有其独特的优势和适用场景。工具可复用,形成能力库。:信息查询(天气、股票、订单)、数据操作、系统集成、任何需要“动手”的场景。:Agent最基础的“思考-行动-观察”循环,所有复杂模式的基础。:智能客服、基础问答、需要多步推理但无需长期记忆的任务。
2026-06-23 21:51:26
191
原创 【实操】如何在社交语音游戏中集成AI队友——以鹅鸭杀为例
通过ZEGO AI Agent,Android开发者可以在不改动原游戏逻辑的前提下,快速为鹅鸭杀、狼人杀等社交语音游戏集成AI队友。核心收益包括:解决凑人难题、提供24小时陪练、降低新手门槛、增强游戏趣味性。即构提供完整的SDK文档、示例代码和技术支持,开发者可访问即构官网获取详细接入指南,开启AI+社交游戏的新篇章。音视频场景解决方案分享,更多详情可搜索官网:ZEGO即构科技(www.zego.im)合集:解决方案分类:泛娱乐社交标签:社交游戏语音。
2026-06-23 21:50:30
287
原创 哈哈哈哈哈打不过我吧,没有办法我(vllm)就是这么强大!
使用文生图工具时,内部真实发生的“魔法”:起点:你看到的完全随机的噪声图。这相当于前向过程走到了终点。反向去噪第一步:模型看着这张纯噪声图,结合你的提示词,预测出“这张图上现在应该被加上了什么噪声”。然后,从当前图片中减去这个预测出的噪声。结果得到一张噪声少了一点点的、略微能看出模糊轮廓的图片。循环往复:把上一步得到的、稍微清晰一点的图片作为新的输入,再次让模型预测并减去噪声。终点:重复几十步后,噪声被逐步移除干净,一张清晰的、符合你描述的图片就诞生了。
2026-06-22 22:06:03
191
原创 完整学习LLM(二):大模型到底是什么
这个问题看起来简单.但真要说清楚,其实不容易.因为它很容易被讲得特别玄.比如有人会说它在思考.也有人会说它只是概率接龙.这两个说法都有一点道理,但如果只记这两句话,还是很难落到项目里.所以这篇我想换一个角度:看看它到底和我们平时写的代码有什么不一样.
2026-06-22 22:05:12
281
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
RSS订阅