永远的小菜鸟-优快云博客

原创 OpenAI Assistants API

tools：配置助手可调用的工具列表，内置工具包括 code_interpreter（代码执行）、retrieval（知识库检索）、function_calling（自定义函数调用）。提交工具调用结果：当 Run 处于 requires_action 时，调用 submit_tool_outputs_to_run 提交工具执行结果，让助手继续生成回复。特殊消息类型：当助手调用工具时，会生成包含 tool_calls 字段的 assistant 消息，记录工具调用的参数和状态。

2026-01-20 18:55:59 650

原创 assistants 和agent 的区别和联系(学习笔记)

能力边界可融合高级的智能助手可以进化出 Agent 的部分能力，例如：当你对 Siri 说 “帮我订明天去上海的机票”，如果 Siri 能自主查询航班、对比价格、确认座位并完成预订，它就具备了 Agent 的属性。在 AI 领域中，assistant 和 agent 是两个关联紧密但定义、定位和能力边界不同的概念，二者的核心区别在于自主性、任务复杂度和交互模式，联系则体现在技术底座和应用目标的重叠上。应用目标一致最终目的都是提升人机协作效率，减少用户的操作负担，只是在 “自主程度” 上做了不同的取舍。

2026-01-20 10:23:42 445

原创响应式编程的内存管理：原理、风险与规避方案

在 Java 后端、微服务、桌面应用、数据处理程序等场景中，响应式编程（如 RxJava、Project Reactor）的内存管理核心风险集中在订阅生命周期失控、背压处理不当、操作符滥用、资源未释放，核心聚焦 “数据流与业务上下文绑定”“批量数据堆积”“连接 / 锁等资源回收” 等问题。以下结合场景特点，梳理内存管理逻辑、风险场景和落地解决方案。风险后果：1000 个并发子流创建 1000 个数据库连接，且未关闭，导致连接池耗尽 + 内存泄漏（连接对象无法回收），最终引发 OOM 或数据库连接超时。

2025-11-07 11:14:12 854

原创响应式编程知识点梳理

响应式编程（Reactive Programming）是一种面向数据流和变化传播的编程范式，核心思想是将程序中的数据变化、事件触发等抽象为 “数据流”，通过声明式方式定义数据流之间的依赖关系，当数据流发生变化时，相关依赖会自动响应更新，无需手动处理状态同步。说明：Flowable 通过request(n)机制让消费者主动请求数据，避免数据堆积，默认缓冲区大小为 128。最终结果：60 // 计算逻辑：(2。主线程接收数据：从服务器获取的数据。

2025-11-06 15:39:31 725

原创 Reactor Schedulers 类源码深度分析

Schedulers 是 Reactor 框架的核心线程调度器工厂类，遵循 Reactive Streams 规范，提供了一套统一的线程池管理和调度机制，支撑响应式流的异步、非阻塞执行。缓存原子引用：CACHED_ELASTIC/CACHED_PARALLEL/CACHED_SINGLE（AtomicReference 类型），用于缓存核心调度器实例，实现 “单例复用”。意义：并行 / 单线程调度器的线程是 CPU 密集型优化的，阻塞会导致整体性能下降，该方法用于提前检测并规避风险。

2025-11-06 14:27:00 678

原创事件循环线程

线程执行逻辑是同步阻塞的：处理一个任务时，若遇到 I/O 操作（如数据库查询、HTTP 调用、文件读写），线程会暂停执行（阻塞），直到 I/O 结果返回后才继续往下走。线程执行逻辑是异步非阻塞的：处理任务时，若遇到 I/O 操作，不会阻塞等待，而是将 I/O 任务注册到操作系统的事件队列中，然后立刻回头处理其他就绪任务。当 I/O 操作完成后（如数据库返回结果），操作系统会触发一个 “完成事件”，事件循环线程从队列中取出该事件，继续执行后续处理逻辑。

2025-11-05 17:22:30 436

原创双端队列Deque解决滑动窗口最大值问题

在 Java 中，Deque（双端队列，全称 Double-Ended Queue）是一种特殊的队列，允许在队列的头部和尾部同时进行元素的添加、删除操作。Deque 实现类选择：使用 ArrayDeque 而非 LinkedList，因为 ArrayDeque 在两端操作（pollFirst()、offerLast()）的效率更高，且是 Java 中双端队列的推荐实现。栈遵循 “后进先出”（LIFO）原则，通常从头部添加和移除元素（模拟栈的 “压栈” 和 “弹栈”）。

2025-10-22 15:16:51 446

原创常见的SQL注入

用户名: user1’), (‘admin’, ‘admin@example.com’), (‘hacker’–排序字段: price’ AND (SELECT COUNT(*) FROM users) > 0 –使用参数化查询（PreparedStatement/JdbcTemplate）使用 ORM 框架（Hibernate/MyBatis）用户名: admin’ OR ‘1’='1。用户ID: 123’ OR 1=1 –订单ID: 456’ OR 1=1 –搜索关键词: %’ OR 1=1 –

2025-10-21 17:12:44 349

原创为什么 JdbcTemplate 可以防止 SQL 注入

底层 PreparedStatement：利用 JDBC 的安全特性。JdbcTemplate 能够有效防止 SQL 注入攻击，参数自动转义：特殊字符会被正确处理。使用参数化查询：避免字符串拼接。类型安全绑定：确保参数类型匹配。

2025-10-21 17:03:59 300

原创 Groovy中使用mysql持久化器

类型安全：通过 ColumnDesc 定义表结构，保证数据类型正确性。监控支持：集成 CounterObserver 实现操作统计和监控。冲突更新：当主键冲突时自动执行 UPDATE 操作。灵活性：可以动态指定目标表名和表结构。

2025-10-21 16:56:59 170

原创 Redis 分布式锁解决pod 下多次发送邮件问题

生成 UUID.randomUUID().toString() 作为锁的值，用于释放锁时验证：只有当 Redis 中存储的锁值与当前节点的 lockValue 一致时，才允许释放锁。try-finally 保证锁释放：无论任务执行成功或失败，最终都会进入 finally 块尝试释放锁，确保锁不会因异常未释放而导致长期阻塞（配合过期时间双重保障）。释放锁的容错：即使释放锁时发生异常（如 Redis 连接问题），通过日志记录异常，且因锁有过期时间，最终仍会自动释放，降低风险。Redis 分布式锁。

2025-10-21 15:50:22 298

原创 Redis 分布式滑动窗口

Redis 分布式滑动窗口 = “把每个请求的时间戳写进 Redis 的 SortedSet，用 Lua 脚本原子地删过期、统计当前、再决定是否放行”，让整个集群共享同一块平滑移动的时间窗口，实现高精度、无突刺、高并发的分布式限流。它把“最近一段时间内的请求记录”集中放在 Redis，所有节点都用同一份数据做原子判断，从而解决单机限流在集群场景下各自为政、流量漂移的问题。以 Redis 为共享存储 + 滑动窗口算法” 实现的全局限流方案。请求到达时，先淘汰过期小格（时间戳 < 当前时间 – 窗口长度）。

2025-10-21 15:38:05 356

qq_36073236的博客