- 博客(28)
- 收藏
- 关注
RSS订阅原创 先区分两个概念：多头和多层
reshape 负责把“混在一起的 head 维度”重新分组，让程序知道哪一段属于哪个 head。把原来连在一起的 hidden_size 维向量，拆成 num_heads × head_dim，让每个 head 拿到属于自己的那一段 Q/K/V。第 1 层的 Head 1 和第 20 层的 Head 1 不是同一个 head。Multi-Head Attention：同一层里，多个 attention head 并行看上下文。Head 1: Q1, K1, V1，shape 都是 [3, 4]
2026-07-09 15:34:00
198
原创 形式化方法：Java并发bug的“数学克星“
想象一下，如果你在写Java的分布式锁、订单状态机、或者线程池调度逻辑时，能在编码前就用数学证明没有死锁、没有竞态条件，那还要什么synchronized的盲目试错？现在才明白，当你能用用例图、类图、时序图清晰表达"系统里有什么对象、它们如何交互"，你就掌握了Java面向对象的本质。写Java的都知道，并发编程是噩梦。在Java多线程的混沌世界里，线程调度、内存可见性、指令重排序的组合是天文数字，人脑根本穷举不完。这就是形式化方法的魅力——把"人脑穷举"变成"机器自动证明"。自顶向下逐层细化，像剥洋葱。
2026-07-09 15:33:04
158
原创 让你的电脑自动帮你干活。
软件的主题会跟随你电脑的系统主题自动切换。在坐标 960,540 双击打开桌面图标，等 3 秒，输入 admin 按 Tab，输入密码 123456 按回车"所有操作都是节点 —— 鼠标点击、键盘输入、找图、等待、循环、条件判断……从左侧拖到画布，连线就行。按 F7 开始录制，手动操作一遍，软件自动记录鼠标点击、键盘输入，生成可复用的工作流。具体的AI生成动图可以看这个文章，本文章不支持动图和视频。逐节点暂停/继续/跳过，断点试运行，方便排查问题。不用写一行代码，流程一目了然。录一次，跑 N 次。
2026-07-08 14:33:55
213
原创 DDD 与 Ontology 对比分析：代码建模与语义建模的异同
DDD 在单系统内部的业务规则表达力上是冠军；Ontology 在跨系统的语义统一、权限、审计、关系网络与 AI 协作上是冠军。
2026-07-08 14:33:09
211
原创 AI是如何理解和生成代码的？
智能体（Agent）是一个能够自主完成任务的AI系统。智能体的工作循环是感知（读取项目代码、理解需求） → 推理（分析问题，制定计划） → 行动 （修改文件、运行命令、安装依赖）→ 反馈（检查结果、发现新问题）Claude Code 就是一个典型的编程智能体 —— 你告诉它"帮我添加一个用户注册功能"，它会自己读懂项目代码，自己创建文件，自己写代码并运行测试。参数量：模型的"大脑"大小你可能听说过"7B模型"、"70B模型"这样的说法。这里的 B 是 Billion（十亿）的缩写，指的是模型的参数数量。
2026-07-07 21:57:41
144
原创 【Agentic RL / 强化学习框架】Miles 项目技术分析---（2）--- 关键技术
的本质是一个适配器模式——它将"Agent 多轮交互"（业务关注点）与"RL 训练数据生产"（基础设施关注点）完全解耦。这条解耦线画在了generate()函数上。线以上是 Agent 开发者的世界——OpenAI API、工具调用、业务逻辑。线以下是 RL 基础设施的世界——Session Server、TITO、token 对齐、loss mask、异常降级。Agent 开发者不需要知道线以下的存在，框架也不需要知道 Agent 在做什么业务。这正是好的抽象应该达到的效果。
2026-07-07 21:56:48
193
原创 一行代码抓遍全网 20 个热榜！Aneiang.Pa 4.0 发布 — 极简 .NET 爬虫库
打包成 Docker 镜像，一台服务器就能给你的所有项目提供热榜 API。于是有了 Aneiang.Pa 4.0。想抓 Hacker News？
2026-07-06 19:38:48
193
原创 痛点问题 + 共鸣案例
说白了，就是教你用 Python 的 pystardict 库读取本地的 StarDict 词典，再用 FastAPI 封装成一个 HTTP API，从此告别“渣翻”，实现自家词库的精准查询。你可能会问：都 2026 年了，为啥不直接调大模型？很简单——成本、速度、隐私。一个本地词典 API，请求在 1ms 内返回，零费用，还不用担心数据发到外面，不香吗？👩💻我是爱折腾的一名程序媛，喜欢研究全栈开发的各种实践，热爱分享踩坑后的收获与思考，也享受用代码写出各种实用小工具解决问题的快乐。
2026-07-06 19:38:15
171
原创 【机器人 / 强化学习】HIL-SERL 工程篇：人类在环的工程架构与物理设计
（无限循环，不受主线程控制）：SpaceMouseExpert（硬件驱动必须持续轮询，否则丢失输入事件）、VideoCapture（相机帧率 30fps，必须持续读取避免帧堆积）、BroadcastClient（随时可能收到 Learner 参数，必须持续监听）、ReqRep Server（随时可能收到 Actor 数据，必须持续监听）、Robot Server 各进程（机器人控制器必须持续运行，保证安全）。HIL-SERL 最核心的机制是人类纠偏，"干预即负反馈"——将"挨骂"转化为进化的动力。
2026-07-05 20:37:40
202
原创 Layer 2：工作流执行引擎——ComfyUI 的核心逻辑，Rust 实现
执行引擎的异步运行时基于 Tokio，充分利用 Rust 的无 GIL 原生并发特性，多个节点可以真正并行执行——这是 Python 版 ComfyUI 的 asyncio 无法做到的。
2026-07-05 20:36:20
272
原创 DockPanel
Grid></Grid>第一种，固定长度——宽度不够，会裁剪，不好用。单位pixel。第二种，自动长度——自动匹配列中最长元素的宽度。第三种，比例长度——*表示占用剩余的全部宽度；两行都是*，将平分剩余宽度；像上面的一个2*，一个*，表示前者2/3宽度。
2026-07-04 19:38:12
239
原创 我初次接触Windows Media Center是几个月之前在一个朋友家里
他是一个电子娱乐玩家，家里有好几台游戏机，什么WII，PS3和Xbox360一应俱全，我想有什么好玩的东西使得他那么感兴趣。他把我带到电视前，拿着遥控器演示了他新安装的Windows Media Center。说实在，我当时是很惊讶的，惊讶的是微软做的比我想象的要好。近年来微软提倡“三屏一云”策略。所谓“三屏”就是电脑屏，电视屏和手机屏。由于我一直关注Windows Mobile和Windows Phone的发展，我对手机屏和云还是略知一二。但是作为三屏之一的主角电视屏还是那时候才第一次见到。
2026-07-04 19:37:38
178
原创 细说 HttpHandler 的映射过程
请注意 new HandlerFactoryCache(mapping) 这行代码，这可不是简单地创建一个缓存对象，具体实现代码如下：代码中，我加入的注释已经回答了前面提出的问题：如果是一个IHttpHandler对象，ASP.NET会再创建一个HandlerFactoryWrapper对象来包装IHttpHandler对象， 如果是IHttpHandlerFactory对象，则直接返回。我们再来看一下HandlerFactoryWrapper的实现代码：
2026-07-03 21:19:55
169
原创 Fiddler中创建AutoResponder规则
Fiddler 的AutoResponder tab允许你从本地返回文件，而不用将http request 发送到服务器上。看个实例. 1. 打开博客园首页，把博客园的logo图片保存到本地，并且对图片做些修改。2. 打开Fiddler 找到logo图片的会话， http://static.cnblogs.com/images/logo_2012_lantern_festival.gif， 把这个会话拖到AutoResponer Tab下。
2026-07-03 21:18:54
236
原创 C/C++与Java混合的JNI编程
Java是一种高级编程语言，也是一个计算平台(通常指Java虚拟机)。最初由Sun Microsystems公司（后被Oracle收购）的James Gosling和他的团队在1995年发布。Java语言的设计目标是简单性、健壮性和跨平台兼容性。Java是一种面向对象的语言，这意味着它基于对象和类的概念。对象代表现实世界中的实体或概念，而类是创建对象的模板。Java的一个核心特性是“一次编写，到处运行”（，WORA）。
2026-07-01 21:51:47
246
原创 signalfd & 完美退出
用来做做演示没问题，但是要用来开发项目就不行了，本着做出工业级强度代码的使命感，下面对它进行一番改造，看看能否实现完美退出。析构除了增加信号句柄的关闭，还增加了挂起协程的销毁，如果调度器的生命周期与进程不一致时 (多次初始化与销毁调度器)，这就比较关键了，可以防止协程泄漏。* 建立一个进程内的 pipe 通道，注册到 epoll，在检测到 SIGINT 事件时写入一字节以唤醒 epoll_wait 并退出。下面这句是关键，如果不屏蔽默认的信号处理方式，默认的信号处理器会让进程退出，epoll 就没机会啦。
2026-07-01 21:51:10
233
原创 基于 Word 模板占位符的动态文档生成技术
Apache POI 在读取 Word 文档时，会将文本按格式（字体、颜色、加粗等）拆分成多个 XWPFRun。方案 A：合并段落所有文本，整体替换（简单但会丢失格式，不推荐，会破坏原有样式）当前逻辑只处理单个 Run，无法处理被拆分的占位符。即使内容是 ZIP 结构，也必须声明为 Word 的 MIME 类型！方案 B：使用递归或缓冲区拼接 Run（复杂），但对大多数项目来说，，确认它在一个 Run 里（比如全选后统一加粗），再替换成。）可能是一次性输入的，所以在一个。：如果替换失败，可临时打印。
2026-06-30 21:31:51
229
原创 使用 Word 模板占位符生成文档的技术方案实践
Word 模板占位符是指在.docx文档中预先定义的特殊标记（如${NO}${CPMC}），用于标识将来会被动态数据替换的位置。开发时，程序读取该模板，将占位符替换为实际业务数据，最终输出完整的 Word 文档。✅解耦设计：文档格式与业务逻辑分离，前端/产品可直接编辑模板。✅高效迭代：调整样式无需重新部署应用。✅所见即所得：模板即最终效果，降低沟通成本。✅支持复杂结构：天然支持 Word 的表格、页眉页脚、样式等。✅易于国际化：只需提供不同语言的模板文件。
2026-06-30 21:31:00
215
原创 更新int count变量，fill()函数中getInIfOpen().read(buffer, pos, buffer.length - pos)这行代码的返回值为8192，
执行getBufIfOpen()[pos++] & 0xff，从缓冲区（byte[]数组）中获取第pos（此时pos=0）个索引位置的字节，返回给BufferedInputStream.class::read()函数的调用方，并更新pos的值为pos+=1；之后，每次调用BufferedInputStream.class::read()函数时，都不会再执行fill()函数了，并且当pos=4096时，执行了bis.mark(8192)，设置marklimit=8192，markpos=pos=4096。
2026-06-29 20:53:33
182
原创 BufferedInputStream 源码——带有缓冲区的装饰器类 BufferedInputStream.class 的UML关系图，如下所示：
BufferedInputStream.class 的UML关系图，如下所示： BufferedInputStream.class的源码，如下所示：
2026-06-29 20:53:03
173
原创 从MNIST手写数字迁移到EMNIST手写字母的识别之路
深度学习框架上面的代码中，首先定义了模型的组件结构，其次forward是模型的流程结构。这是一个经典的“特征提取分类器”双阶段结构，分为两个阶段。第一阶段：特征提取（卷积神经网络），负责把像素变成“语义特征”。卷积层 1(Conv1)：初级特征提取（边缘、线条）in_channels=1 : 输入是灰度图（1个通道）out_channels=32: 派出32个不同的“侦探”（滤波器）kernel_size=3 : 每个侦探拿3x3的放大镜stride=1 : 每次移动1个像素。
2026-06-28 20:24:35
243
原创 你被身份验证折磨过吗？
工具的选择上，我认为顺手的才是最好的。既然选了 SQLAlchemy，咱们就用加的组合。pass# 可以加自定义字段，比如 nickname。
2026-06-27 22:32:04
229
原创 大规模元数据操作优化：批量删除、克隆与 Redis 缓存全解析
在 AI 训练、数据集管理等大规模文件访问场景中，随着文件数量和访问并发增加，元数据层往往更早成为性能瓶颈。无论是删除百万级小文件、克隆大规模数据集，还是高并发目录遍历，元数据引擎的响应能力都会直接影响上层业务效率。
2026-06-27 22:31:14
253
原创 基础（四）：强化学习入门-从斯金纳箱到大模型推理
强化学习（Reinforcement Learning, RL）：让智能体通过与环境交互和"试错"，学习最优决策策略以最大化长期累积奖励。类比强化学习就像训练宠物：它做对了给奖励（零食），做错了不给奖励。慢慢地，它就学会做正确的事情。Q-Learning是强化学习最经典的入门算法，1989年由Watkins提出。核心思想：建立一个"Q表"，记录每个状态-动作组合的价值。Richard Sutton说："强化学习的本质是从经验中学习，这是最自然的学习方式。不是被告知答案，而是通过尝试和反馈，自己学会怎么做。
2026-06-24 21:53:46
219
原创 京东二面：假如SQL中join了10张表，如何优化性能？
若驱动表有10万行，每张关联表索引扫描成本为1ms，10张表总成本 = 10万 × (10 × 1ms) = 1000秒。当10张表关联只是为了展示一个列表，且数据量不是天文数字时，可以在Java代码中分批查询，再用Stream合并。（MySQL 8.0.18引入）且所有关联条件都能用上索引，性能会大幅提升，但仍受限于内存和构建哈希表的开销。：从第一张表（驱动表）取出一行，然后循环去下一张表匹配；：订单表1000万行，用户黑名单表只有100行。，逐级给出具体解决方案，每一种都配完整的示例代码。
2026-06-24 21:52:57
222
原创 深度学习进阶（七）Data-efficient Image Transformer
要理解来说，其实还是和 Teacher 本身的蒸馏意义相关：而在于通过 Teacher 的预测结果，引导 Student 在优化过程中靠近一个“更合理的决策边界”，从而提升训练稳定性。比如真实标签是“狼”，但 Teacher 预测结果是“狐狸”，这样就可以让模型在“语义接近类别”之间间接引导模型学习更合理的决策边界。不过，在 Transformer 之前，蒸馏技术就已经出现，如果只是在 ViT 中加入蒸馏技术，本质上只是 A+B 的工作罢了。显然，相比硬蒸馏，这种方式包含更多信息，在现代使用中也更主流。
2026-06-23 22:52:39
229
原创 直观感受 metadata
Any的metadata定义为:上面的定义准确的说，是Any的。定义中的是一个C++结构体，定义为：...其中模版参数。我们手动代入后，的完整定义为:...从上面代码可以看到，是多重继承。一部分继承自。一部分继承。要想弄清楚，首先得看下的定义:从代码上可以看到，实际上是。接着看的定义:...public:...从代码里可以看到，同样是多重继承。一部分继承自。一部分继承自。
2026-06-23 22:50:34
227
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