<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[running_yang的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/running_yang</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; running_yang]]></copyright><item><title><![CDATA[OpenClaw 的 10 种创意用法：让你的 AI 助手从“聊天机器人“变身“超级管家“]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/159857540</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/159857540</guid><author>running_yang</author><pubDate>Sun, 05 Apr 2026 16:37:48 +0800</pubDate><description><![CDATA[如果你以为 OpenClaw 只是一个能回答问题的聊天机器人，那你可能错过了一半的价值。OpenClaw 的核心优势在于它能够安全地访问你的本地环境——文件、日历、浏览器、命令行，甚至你的消息应用。这意味着它可以主动执行任务，而不仅仅是提供建议。今天，我来分享 10 个让 OpenClaw 发挥最大价值的创意用法，每一个都能显著提升你的工作效率。OpenClaw 的真正价值不在于它能回答多少问题，而在于它能融入你的工作流，成为你的数字延伸。上面分享的 10 个用法只是冰山一角。]]></description><category></category></item><item><title><![CDATA[中文大模型混战：DeepSeek、GLM、文心一言终极对比]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145866832</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145866832</guid><author>running_yang</author><pubDate>Wed, 26 Feb 2025 01:38:51 +0800</pubDate><description><![CDATA[（百度）无疑是最受关注的选手。本文将从技术架构、性能表现、应用场景、开源生态四大维度，带你一探究竟！从学术研究到商业落地，各大厂商和机构纷纷亮出“杀手锏”。]]></description><category></category></item><item><title><![CDATA[保姆级教程：用DeepSeek-7B打造个人AI助手，零基础部署指南]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145866789</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145866789</guid><author>running_yang</author><pubDate>Wed, 26 Feb 2025 01:33:13 +0800</pubDate><description><![CDATA[国内镜像站直链（比huggingface快10倍）：（附完整可运行代码截图）：正确处理了数据边界问题。]]></description><category></category></item><item><title><![CDATA[TensorFlow 的基本概念]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145866748</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145866748</guid><author>running_yang</author><pubDate>Wed, 26 Feb 2025 01:27:01 +0800</pubDate><description><![CDATA[它主要用于构建和训练深度学习模型，特别适用于大规模数据集的处理和复杂模型的训练。深度学习模型训练：TensorFlow 提供了丰富的神经网络和优化算法，可以用于训练各种复杂的深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）等。强化学习：TensorFlow 支持强化学习算法，可以用于构建智能体并进行强化学习训练，如 AlphaGo 就是使用 TensorFlow 构建的。张量（Tensor）：在 TensorFlow 中，数据以张量的形式表示，张量可以是标量、向量、矩阵等不同维度的数组。]]></description><category></category></item><item><title><![CDATA[位运算的奇技淫巧：用异或解决“消失的数字”问题]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145866696</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145866696</guid><author>running_yang</author><pubDate>Wed, 26 Feb 2025 01:20:28 +0800</pubDate><description><![CDATA[空间效率：无需额外存储空间时间效率：单次遍历即可完成计算扩展性强：可处理重复、多缺失等复杂场景思考题：如何修改算法使其适用于缺失两个数字的情况？（提示：结合分组异或）相关阅读[1] 《编程珠玑》第1章：位图排序算法[2] LeetCode官方题解：消失的两个数字（No.260）]]></description><category></category></item><item><title><![CDATA[用A*算法实现“王者荣耀”野怪自动寻路]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145866677</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145866677</guid><author>running_yang</author><pubDate>Wed, 26 Feb 2025 01:17:03 +0800</pubDate><description><![CDATA[层级路径规划：大地图采用分块预处理动态响应：结合行为树实现智能避障3D地形扩展：引入高度图计算移动成本相关阅读[1] 《游戏编程算法与技巧》第5章：AI路径规划[2] 《王者荣耀》游戏AI技术解析（GDC 2021）]]></description><category></category></item><item><title><![CDATA[从理论到实战：布隆过滤器解决Redis缓存穿透问题]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145841599</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145841599</guid><author>running_yang</author><pubDate>Tue, 25 Feb 2025 00:21:45 +0800</pubDate><description><![CDATA[本文实现的布隆过滤器完整代码已打包上传关键收获理解布隆过滤器的空间效率与误判率之间的权衡掌握生产环境中防止缓存穿透的完整解决方案学会通过内存映射优化大数据量场景的性能扩展阅读Redis官方文档关于缓存击穿的防护建议Google Guava库的BloomFilter实现分析。]]></description><category></category></item><item><title><![CDATA[Dijkstra算法实战：用Python实现地铁换乘最短路径规划]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145841581</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145841581</guid><author>running_yang</author><pubDate>Tue, 25 Feb 2025 00:18:16 +0800</pubDate><description><![CDATA[本文实现的地铁换乘系统完整代码已上传GitHub：思考题：如果考虑不同时段的列车密度，如何修改权重计算方式？欢迎在评论区讨论！]]></description><category></category></item><item><title><![CDATA[大厂高频算法题精讲（如二叉树遍历、动态规划背包问题）]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145834330</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145834330</guid><author>running_yang</author><pubDate>Mon, 24 Feb 2025 17:52:56 +0800</pubDate><description><![CDATA[等，往往因其既能考察基础数据结构知识，又能体现对复杂问题的拆解能力，成为面试中的“常客”。本文将从代码实现、解题思路到优化技巧，系统剖析这些高频算法题，助你高效备战大厂面试！在大厂技术面试中，算法题是考察候选人逻辑思维、编码能力和问题解决能力的核心环节。二叉树是数据结构中的基础，其遍历方式更是常考题型。背包问题是动态规划（DP）中的经典模型，重点考察。与01背包的区别仅在于遍历顺序（（递归与非递归）以及。：用栈模拟递归过程。，求能装的最大价值。]]></description><category></category></item><item><title><![CDATA[时间复杂度不再玄学：一套公式搞定算法效率分析]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145834230</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145834230</guid><author>running_yang</author><pubDate>Mon, 24 Feb 2025 17:49:22 +0800</pubDate><description><![CDATA[定义：算法执行时间随数据规模增长的变化趋势关键原则：忽略常数项、低阶项，关注最高阶的量级。]]></description><category></category></item><item><title><![CDATA[二叉树层序遍历的6种变体：从基础到秒杀面试]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145815280</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145815280</guid><author>running_yang</author><pubDate>Sun, 23 Feb 2025 20:41:58 +0800</pubDate><description><![CDATA[二叉树的右视图要求：从右侧视角能看到的节点值集合变体类型时间复杂度空间复杂度适用场景基础层序遍历O(n)O(w)常规层级输出之字形遍历O(n)O(w)交替方向输出右视图/左视图O(n)O(w)边缘节点可视化最大宽度统计O(n)O(w)树的结构分析N叉树层序遍历O(n)O(w)多子节点树结构相关LeetCode练习题103. 二叉树的锯齿形层序遍历199. 二叉树的右视图662. 二叉树最大宽度。]]></description><category></category></item><item><title><![CDATA[面试必问：手撕快速排序的3种优化方案]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/145815198</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/145815198</guid><author>running_yang</author><pubDate>Sun, 23 Feb 2025 20:37:51 +0800</pubDate><description><![CDATA[是面试中最常被要求手写的算法之一，但写出基础版本只是第一步。如何在面试中展现你对性能优化的深入理解？本文将详解快速排序的，附可直接复用的代码模板和性能对比，助你在算法面试中脱颖而出！]]></description><category></category></item><item><title><![CDATA[eclipse中如何让System.out.print中输出中文]]></title><link>https://blog.youkuaiyun.com/running_yang/article/details/133950559</link><guid>https://blog.youkuaiyun.com/running_yang/article/details/133950559</guid><author>running_yang</author><pubDate>Fri, 20 Oct 2023 17:12:35 +0800</pubDate><description><![CDATA[另外，在实际的文本处理中，我们还需要考虑编码的具体实现方式，如UTF-8、UTF-16等。UTF-8编码兼容ASCII编码，可以在一个字节中表示ASCII字符，对于其他字符则使用多个字节进行编码。在编程语言中，字符串是由字符组成的，而每个字符都对应着一个特定的编码值。对于英文字符，常用的编码方式是ASCII编码，它使用7个比特位来表示128个常见的字符。中文需要使用更多的比特位来表示，常用的编码方式是Unicode编码，而具体的实现方式可以是UTF-8或UTF-16等。]]></description><category></category></item></channel></rss>