- 博客(16)
- 收藏
- 关注
RSS订阅原创 垃圾回收机制
Java 堆被划分为新生代和老年代两个区域。新生代又被划分为 Eden 空间和两个 Survivor 空间（From 和 To）。新创建的对象会被分配到 Eden 空间。当 Eden 区填满时，会触发一次 Minor GC，清除不再使用的对象。JVM 会为对象维护一个“年龄”计数器，记录对象在新生代中经历 Minor GC 的次数。每次 GC 未被回收的对象，其年龄会加 1。当超过一个特定阈值，默认值是 15，就会被认为老对象了；Survivor 放不下存活对象；大对象，都会被移动到老年代。
2026-09-01 20:54:33
149
原创 物理内存 虚拟内存
是操作系统提供的一种内存管理技术，它使得应用程序认为自己有连续的、独立的内存空间，而实际上，这个虚拟内存可能部分存储在物理内存上，部分存储在 磁盘（如硬盘的交换分区或页面文件） 中。访问分页系统中内存数据需要两次的内存访问 ：一次是从内存中访问页表，从中找到指定的物理页号，加上页内偏移得到实际物理地址，第二次就是根据第一次得到的物理地址访问内存取出数据。当一个程序访问的页（页面）不在物理内存中时，就会发生缺页中断。虚拟内存使用的是逻辑地址，它与实际的物理内存地址不同，必须经过地址转换才能映射到物理内存。
2026-08-31 22:34:50
496
原创 FunctionCalling与MCP：大模型交互与工具执行的标准化
MCP 是一个开放协议，用于标准化应用程序向大语言模型（LLM）提供上下文的方式。你可以把 MCP 想象成 AI 应用的 USB-C 接口——正如 USB-C 提供了一种将设备连接到各种外设和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。MCP的出现不是为了解决function calling的问题的（幻觉，提取不准确等问题依然可能出现），而是为了解决针对多家API格式不统一导致的适配问题。
2026-08-20 10:25:43
339
原创 Agent评测
结合我了解到的目前面试中遇到的问题和当前AI的发展趋势，感觉仅仅了解agent的设计已经不够了（当然记忆机制、上下文机制等等还是很重要的），但是现在更多的人开始关注agent的执行效率，或者说不再仅仅问你是怎么做的agent，而是问你做的agent到底怎么样，是不是真的能用，是不是真的好用。把agent评测单独拎出来作为一个命题，希望得到一个标准流程化的方案来检测我们设计出来的agent。
2026-08-15 17:57:42
176
原创 Python 继承的两条路：ABC 与 Protocol，到底差在哪？
写 Python 的人迟早会碰到同一个问题：我想定义一套「契约」——规定某些类必须实现某些方法，然后让别的代码依赖这套契约而不是具体实现。从 Python 3.0 的 `abc` 模块，到 Python 3.8 引入的 `typing.Protocol`，官方前后给了两套机制。但很多人用了很久，仍说不清：为什么有时候要 `class Foo(ABC)`，有时候只要写个 `Protocol` 就够了？选错方案，轻则代码耦合、测试难写，重则和第三方库「明明方法都对得上却报错」。
2026-07-22 16:58:47
377
原创 动态规划——一维
只依赖左侧状态——从小到大计算，访问dp[i]时它需要的左边值全部提前算好，可以直接复用。例如，普通线性 DP（爬楼梯、解码方法、铺瓷砖 numTilings）；完全背包（物品无限选，一维 DP）；组合总和 IV（求排列，先金额后数字）。求dp[i]时，依赖下标更大、还没被覆盖的右侧状态。例如，解决智力问题 mostPoints（选当前题，跳过后面若干题）；01 背包一维空间优化（每件物品只能选 1 次）；区间 DP（石子合并、最长回文子序列）。
2026-07-16 19:22:23
368
原创 动态规划——背包问题
Q：给你一个整数n，返回和为n的完全平方数的最少数量。是一个整数，其值等于另一个整数的平方；换句话说，其值等于一个整数自乘的积。例如，149和16都是完全平方数，而3和11不是。A ：1、初始化：为了得到最少数量并且保证在更新时不会被初始数值影响，初始化全局为max；同时为了保证可以正常开始，（0，0）要重新赋值为0；2、更新时：将本体看作要将目标值n拆解为多个完全平方数之和，可以想象成我们要找到一个数组，数组之和为n；
2026-07-15 19:05:13
508
原创 ReAct、CoT、Plan-and-Execute
CoT只适合纯推理场景，不具备调用工具和与外部交互的能力，完成推理仅依赖已有知识，如数学逻辑推理题、文本写作类等基于已有规则的问题。Final Answer：杭州 7 月单周平均降雨 28mm，宁波 42mm，宁波周降雨量比杭州多 14 毫米。执行阶段（Execute）：遍历每一个子任务，并根据子任务需求调用工具执行，子任务内部采用循环模式。Observation：杭州未来 7 天 24~32℃，多晴，周三局部阵雨，紫外线强。Q：查询杭州、宁波未来一周天气预报，对比两地平均气温，给出出行建议。
2026-07-14 16:05:42
210
原创 harness system 设计——MCP层解析
本文介绍了Harness架构中MCP层与客户端的五种连接方式及其特点：1）本地进程通信（无网络）；2）SSE长连接（单向HTTP1.1）；3）HTTP短连接（REST POST）；4）长轮询（伪长连接）；5）WebSocket（全双工）。同时对比了RPC（JSON-RPC）和gRPC的实现差异，并分析了MCP协议的三种实现方案（本地进程/HTTP流式/SSE）及各自适用场景。最后补充了HTTP各版本核心特性差异，重点说明HTTP/2多路复用和HTTP/3（QUIC）的UDP优势。全文从协议层到应用层系统梳理
2026-07-08 18:45:07
469
原创 Prompt Caching VS KV Cache
KV Cache与Prompt Caching是大模型推理中的两种缓存技术。KV Cache主要优化单次对话内自回归生成的重复计算，通过缓存历史token的Key-Value对避免重复注意力计算，显著提升decode阶段效率。Prompt Caching则针对多轮对话复用固定前缀（如system prompt），通过哈希匹配直接复用已计算的KV张量，减少重复prefill消耗。两者协同工作——Prompt Caching跨对话复用静态内容，KV Cache在对话内优化动态生成，共同降低计算开销。典型应用于客
2026-07-06 16:15:23
376
原创 vibe coding 演进2
Loop Engineering（循环工程）是一种在Harness框架基础上构建的自动化闭环迭代系统，旨在实现无人值守的多轮任务执行和Agent编排。与Harness Engineering不同，Loop Engineering通过外置评估器形成"执行-判断-修复"的完整闭环，有效避免"自我欺骗"。其核心模块包括自动调度（如/goal和/loop命令）、工作隔离、技能沉淀、工具链接和子代理互审。循环方式分为手动循环、目标循环、定时循环和主动循环。尽管该技术能显著提升效
2026-07-03 15:15:15
373
原创 vibe coding 演进 1
本文系统梳理了AI工程演进的四个阶段：提示词工程（Prompt Engineering）解决输入精准性问题；上下文工程（Context Engineering）通过信息召回、压缩、组装优化有限上下文窗口；马具工程（Harness Engineering）构建包含记忆管理、工具调用、校验评估的三维控制系统；循环工程（Loop Engineering）实现自主多轮迭代。重点剖析Harness Engineering的架构思维，强调其输入侧（记忆管理）、动作侧（工具标准化与任务编排）、校验侧（评估追踪与约束）的核
2026-07-03 10:30:11
352
原创 意图识别——全方位解析
本文从业务和架构角度探讨对话系统中意图识别的优化策略。业务上指出准确率需达90%以上才可用，95%后每提升1%都至关重要。架构层面提出三层处理流程：接入层预处理、意图识别层（含关键词匹配/轻量分类/LLM兜底三阶段）和业务逻辑层。优化方案包括：构建贴近真实用户的测试集、槽位类型标记、多意图拆分、多轮对话管理和意图切断机制。强调需定期分析错误案例持续优化，准确率提升对整体对话体验具有决定性影响。
2026-07-02 13:48:12
446
原创 RAG全链路拆解及优化
本文介绍RAG系统的构建与优化，分为存储、检索、优化三阶段。存储阶段处理文本后采用Elasticsearch同时支持关键词和向量检索，选用Qwen3-Embedding等模型进行2048维向量化。检索阶段结合KNN向量检索和BM25关键词检索，使用Deepseekchat生成回答。优化部分包括评估指标（召回率、准确率等）、问题定位（数据处理/召回策略/模型选择）及提升方案（GraphRAG/LightRAG架构优化、Function Calling微调等），在保证80ms响应速度的同时提升系统效果。
2026-07-01 16:56:52
634
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