爱吃芒果的蘑菇-优快云博客

原创 C++之WebSocket初体验

本文对比了Socket和WebSocket的技术差异：Socket是操作系统提供的底层网络通信API，支持TCP/UDP协议，需要开发者手动处理连接状态和数据边界；而WebSocket是基于TCP的应用层协议，通过HTTP握手升级实现全双工通信，内置帧机制和心跳检测，更适合实时通信场景。文章还提供了一个基于WebSocket++的C++实现示例，演示了WebSocket服务器的搭建和测试流程，展示了其在消息回显功能上的应用。通过具体代码实践，帮助开发者理解WebSocket相比传统Socket在高层次通信协

2025-10-16 11:39:35 1122

原创 C++手撕无锁线程池

文章摘要：本文探讨了如何实现一个高性能的无锁线程池，通过引入Vyukov MPMC无锁队列来替代传统基于mutex的线程池，减少锁竞争带来的性能损耗。文章详细介绍了MPMC队列的设计原理、线程池的工作流程以及关键实现细节，包括原子操作、缓存行对齐、自旋退避策略等优化技术。最后通过基础测试、竞态条件测试和高并发压力测试验证了无锁线程池的性能优势。相比传统线程池，该方案在CPU密集场景下具有更高的吞吐量和更低的延迟。

2025-10-15 10:33:18 927

原创 C++手撕TCP连接管理器

本文介绍了一个基于C++11的TCP连接管理器实现，支持服务端监听、客户端连接、异步数据收发和连接生命周期管理。核心功能包括：封装socket API实现服务端监听和客户端连接；使用独立线程处理每个连接的数据接收；提供线程安全的连接管理容器；支持回调机制处理连接状态和数据收发。实现采用现代C++特性如智能指针、lambda表达式和标准线程库，并通过互斥锁保证线程安全。文章详细展示了关键代码片段，包括连接建立、数据收发和错误处理逻辑，并提供了一个完整的测试用例验证功能。该项目已开源在GitHub，可作为网络编

2025-09-24 00:12:18 1121

原创从零开始的Agent学习（三）-增加文档阅读功能

本文介绍了为AI Agent添加文档读取功能的设计与实现。功能支持三种路径读取方式：单一文件、文件夹和模糊匹配。核心实现包括：1) 单一文件读取，支持10MB大小限制和扩展名检查；2) 文件夹遍历读取，限制10个文件；3) 通配符模式匹配，限制5个文件。所有读取内容拼接后返回给大模型，并统一封装为Tool工具链接口。该功能支持多种文本格式（txt、md、代码文件等），为后续知识库扩展和信息保存提供了基础工具支持。

2025-08-23 15:41:56 483

原创 C++手撕LRU

LRU缓存实现解析 LRU（最近最少使用）是一种常见的缓存淘汰策略，通过优先淘汰最久未被访问的数据来管理有限缓存空间。其核心实现采用"哈希表+双向链表"结构：双向链表：维护数据访问顺序，头部为最近使用(MRU)数据，尾部为最久未用(LRU)数据哈希表：提供O(1)时间复杂度的数据查找，存储键到链表节点的映射主要操作包括： get操作：若命中则移动节点到链表头部 put操作：若已存在更新值并移动；若不存在且缓存满则先删除尾部节点该实现保证get和put操作的时间复杂度均为O(1)，

2025-08-21 23:10:09 482

原创从零开始的Agent学习（二）-增加文档输出功能

本文介绍了如何为聊天机器人增加文档导出功能。通过创建一个DocumentExporter类，实现了将对话内容导出为Markdown格式文件的功能。该工具可以自动生成包含标题、元数据和生成时间等信息的结构化文档，并支持自定义输出路径。作者使用LangChain框架的Tool类将导出功能封装成可被大模型调用的工具，并详细说明了工具的输入格式和使用场景。最后还提供了完整的实现代码和测试示例，为后续扩展文件查看等功能奠定了基础。

2025-08-21 18:18:07 530

原创从零开始的Agent学习-基于langGraph的Agent搭建

本文介绍了使用LangGraph框架简化AI代理开发的过程。通过将复杂交互建模为有向图，开发者可以快速构建包含大模型调用和工具执行的聊天机器人。文章详细讲解了框架核心组件：State（状态管理）、Node（处理节点）和Edge（执行流程控制），并提供了完整代码示例，包括与搜索引擎工具的集成。作者还实现了一个消息管理器（MessageManager）来优化上下文处理，通过分层策略平衡历史记录和内存使用，该框架显著降低了AI代理的开发复杂度。

2025-08-14 13:27:37 836

原创从零开始的ReAct Agent尝试

本文介绍了如何用Python实现一个简易的ReAct（推理+行动）智能体(Agent)。作者选用通义千问大模型作为核心，通过OpenAI接口调用，构建了一个能够执行数学计算的智能代理。文章详细讲解了环境配置、Agent类实现、工具函数设计（如计算器功能）以及提示词工程等关键环节。通过5轮对话循环机制，该智能体能够解析用户问题、执行计算动作并返回结果。示例演示了智能体如何正确处理"4*7+3"这类数学表达式，展示了ReAct框架"思考-行动-观察"的运作流程。这为初学者

2025-08-11 13:22:48 840

原创使用pybind11封装C++API

本文介绍了如何使用pybind11将C++代码封装供Python调用。首先通过pip安装pybind11库，然后在一个C++源文件(func.cpp)中定义基础函数和类，并通过PYBIND11_MODULE宏进行绑定。接着使用setup.py编译生成Python可调用的模块文件(pyd)。最后通过测试文件验证C++函数和类在Python中的调用效果。这种方法实现了C++高性能计算与Python灵活性的结合，为开发者提供了更高效的开发方案。文章展示了从环境配置到实际调用的完整流程，适合希望整合两种语言优势的开

2025-08-08 23:22:51 648

原创 C++手撕简易仿nlohmann的JSON解析器

本文介绍了一个基于C++的简易JSON解析器实现方案。作者从JSON的基本概念和结构出发，详细讲解了如何使用C++实现JSON的解析和序列化功能。文章重点介绍了三个核心类：Json类（使用variant存储多种数据类型）、JsonParser类（实现词法和语法分析）和JsonSerializer类（处理JSON序列化）。通过完整的代码示例展示了如何解析JSON字符串、访问和修改数据、以及重新序列化为字符串的过程。最后提供了一个使用示例，验证了解析器和序列化器的功能。该实现不仅加深了对JSON格式的理解，也提

2025-08-03 12:48:50 995

原创 C++手撕基于ID3算法的决策树

本文介绍了基于ID3算法的决策树实现方法。决策树是一种监督学习算法，通过信息增益选择最优特征进行分裂，构建树形分类模型。文章详细阐述了关键概念：信息熵衡量数据混乱度，条件熵表示按特征划分后的平均熵，信息增益反映特征对分类的贡献度。决策树类封装了构建过程，包含计算熵、信息增益和选择最佳特征等方法。构建过程递归进行：先计算初始熵，选择信息增益最大的特征作为节点，按特征值划分数据集，直至满足终止条件（样本同属一类或无更多特征）。代码实现了熵计算、信息增益评估和递归建树等核心功能。

2025-08-03 12:48:18 1274

原创 C++手撕简单KNN

本文讲述了机器学习新手小H初次尝试KNN算法的经历。面对LD交代的任务，零基础的小H通过自学选择了K近邻算法，理解其"物以类聚"的核心思想及实现步骤（计算距离、确定K值、投票决策）。小H用Python实现了数据预处理（归一化、降采样）和模型训练，但测试准确率仅60%，分析可能是维度灾难导致。随后又用C++实现了KNN算法，虽然任务失败，但认识到机器学习需要掌握数据清洗、模型选择和参数调优等知识。文章展现了新手探索机器学习的过程与遇到的典型问题。

2025-07-31 21:37:58 376