shiwulou1-优快云博客

原创 CopyOnWriteArrayList 的故事--一起看看java原生的读写分离

（1）数据分割，每个线程只操作属于当前线程自己的数据，如ThreadLocal （感兴趣的同学可以看我前文《Java内存模型及Java关键字 volatile的作用和使用说明》 https://www.cnblogs.com/jilodream/p/9452391.html）<3>如果没找到又判断index>=新数组长度，那就说明是没有这个元素o了，直接就返回false了（因为上一步找的是index的位置，如果index都>=新数组长度，那么其实就已经遍历了）。尽可能的压缩数组也为数组拷贝提供了优势。

2025-12-18 20:56:08 518

原创端到端可学习的物品分词与生成式推荐

值得注意的是，TIGER-SAS 与 TIGER 表现接近，表明协同与文本语义均对效果有重要贡献。现有生成式推荐多采用"两阶段"范式：先离线构造语义标识（Semantic ID），再以固定标识训练生成器，导致分词器与生成器目标失配、分布不一致。在 Amazon-2023 三个子集上，ETEGRec 相比传统序列模型与主流生成式基线均取得稳定提升，消融实验验证了对齐与交替优化的有效性。结果表明，ETEGRec 的改进不仅来源于更优的物品标识符，还得益于将分词器中编码的先验知识与生成式推荐器进行一体化融合。

2025-12-18 20:55:28 153

原创停止背诵 API：AI 时代，代码只是你的“外设”

那是“手工业”时代，你的大脑就是一本索引表，编程的门槛在于：你记住了多少，以及你的手速有多快。请把这部分珍贵的算力，投入到更值得的地方去：去思考业务的本质，去设计系统的结构，去定义那些 AI 无法理解的复杂约束。你认为在未来，完全不依赖 AI 的“纯手写”能力，是依然不可或缺的黑魔法，还是会变成。你需要把一个模糊的业务痛点，拆解为 AI 能理解的、逻辑独立的工程指令。但现实是：如果你直接把一个复杂的业务需求扔给 AI，大概率会得到一堆“看起来能跑，但维护性为零”的各种补丁代码。

2025-12-17 18:40:54 131

原创 PbRL | 近两年论文阅读的不完全总结

然而，noisy label 对 rune 来说是，尤其致命：如果 reward model 在某些 (s,a) 上 uncertainty 很大，并非因为 reward model 对这些行为了解不足，而是人类本身难以判断这些行为的好坏（例如处于人类偏好边界、无法明确区分好坏），那么，即使 agent 充分探索这些行为，其 reward model 的方差也不会降低；或许，对于数据集里的轨迹，我们可以将其切分 / 填充，保证每个分段的长度为 K，制造一个统一的 horizon。

2025-12-17 18:40:13 804

原创转录组分析实战：GO与KEGG富集分析原理及R语言实现

例如，在分析某种疾病状态下的转录组数据时，富集分析能够揭示哪些生物学通路或功能模块在差异表达基因中显著富集，从而提示其潜在生物学意义或与疾病相关的调控机制。BgRatio：在整个背景数据集（通常是整个基因组或某个参考数据集）中，与该通路相关的基因数量与背景数据集中所有基因数量的比值。BgRatio：在整个背景数据集（通常是整个基因组或某个参考数据集）中，与该通路相关的基因数量与背景数据集中所有基因数量的比值。GeneRatio：富集到该通路上的基因数量与所有输入到富集分析中的基因数量的比值。

2025-12-15 11:26:50 665

原创从零开始: C#图像验证码跨平台轻松实现

我们同样传入之前的canvas对象，再创建绘画板，并设定要绘制文字的字体以及位置。MeasureText可以估计文本的宽度，font.Metrics可以估计文本基线到顶部距离，这两个属性可以帮助我们定位文字。// 计算文字从基线到顶部的距离。下面我们主要从对抗OCR或图形识别的角度分享下图形验证码生成部分的实现，内容主要为以下四部分：图元绘制、干扰元素、形变滤镜、图形挖取。/// <param name="canvas">目标画布，纹理将铺满其 LocalClipBounds 区域。

2025-12-15 11:26:04 528

原创 ModelScope 模型一键上线？FunModel 让你 5 分钟从零到生产

于是，模型作为 AI 场景的载体，随着 AI 技术的不断发展，在持续的，如雨后春笋般出现在大家的视野中，可谓是种类繁杂，功能齐全，从不同方面满足大家对 AI 的需求。ModelScope 给 AI 开发者在模型层面上提供了非常大的便利，然而，真正将模型用起来，让模型具备企业级的生产能力，又是所有企业用户不得不面临的问题。FunModel 依托 Serverless + GPU，天然提供了简单，轻量，0 门槛的模型集成方案，给个人开发者良好的玩转模型的体验，也让企业级开发者快速高效的部署、运维和迭代模型。

2025-12-14 10:07:33 625

原创从零开始实现简易版Netty(十) MyNetty 通用编解码器解决TCP黏包/拆包问题

我们首先设计一个基于业务数据长度编码的、非常简单的通信协议MySimpleProtocol，消息帧共分为3个部分，其中前4个字节是一个int类型的魔数0x2233用于解码时校验协议是否匹配，再往后的4个字节则用于标识消息体的长度，最后就是消息体的内容，消息体的内容是EchoMessageFrame对象的json字符串。对发送的消息进行编码、将接收到的消息进行解码毫无疑问也是业务逻辑的一部分，所以Netty编解码器是以Handler的形式存在的。然后调用子类实现的自定义encode方法进行实际的解码操作。

2025-12-14 10:06:45 601

原创 async/await 的原理

async 关键字标志这个函数为异步函数，并且将返回结果封装为一个 Promise，await 则是暂停当前执行，等待后续的异步操作完成后再恢复，相当于 Generator 的 yield。在平时的开发中，基本很少见到这个函数的使用，不过面试的时候，只要聊到了 async/await 内容，90% 以上的概率会问到生成器函数。面试之外，你应该知道，Generator 函数的核心价值在于“异步流程控制”，即，通过yield暂停执行异步操作，等待异步结果返回后，调用 next() 恢复执行。

2025-12-13 17:14:44 889

原创夜莺监控设计思考（三）时序库、agent 的一些设计考量

PUSH 模式下，较难感知源端是否挂了，即 Nodata 告警，那夜莺既然选择了 PUSH 模式，也就专门提供了 Nodata 告警能力，所以上图中各类 PUSH 类型的 agent，如果数据经由夜莺转发，则享有了 Nodata 告警能力，可以方便得知道哪个 agent 挂了。纵观整个监控领域，时序库、采集器、可视化工具，都有对应的知名开源项目了，唯独告警引擎，是缺失的，所以，夜莺从 V5 开始，就重点做告警引擎。如果是夜莺老用户，应该知道在 V4 以及之前的版本，夜莺是有自研时序库的。

2025-12-13 17:14:05 353

原创 ysyx：pa3.1批处理系统

显然这取决于"失败"的定义, 例如除0就是"除法指令的第二个操作数为0", 非法指令可以定义成"不属于ISA手册描述范围的指令", 而自陷指令可以认为是一种特殊的无条件失败. 不同的ISA手册都有各自对"失败"的定义, 例如RISC-V手册就不认为除0是一种失败, 因此即使除数为0, 在RISC-V处理器中这条指令也会按照指令手册的描述来执行.处理系统的关键, 就是要有一个后台程序, 当一个前台程序执行结束的时候, 后台程序就会自动加载一个新的前台程序来执行，这样的一个后台程序, 其实就是操作系统。

2025-12-12 10:18:18 781

原创使用OpenCvSharp , Emgu.CV 手搓视觉识别算法以及成果展示

VisionHelper.Two_Level(@"C:\Users\Administrator\Desktop\右上角三只鱼的提取\小鱼图片2-单个.png", @"C:\Users\Administrator\Desktop\3.1\二级化.png");VisionHelper.ExtractCircle(@"C:\Users\Administrator\Desktop\3.1\圆形剪切.bmp", @"C:\Users\Administrator\Desktop\3.1\圆形提取.jpg");

2025-12-12 10:17:24 727

原创学习 React 前，你必须掌握的 10 个 JavaScript 核心概念

国内的技术平台（如 B 站、掘金视频）有大量优质教程，搜索 “React 前置 JS 知识点”“React 基础 JS 概念”，就能找到适合国内开发者的入门内容，帮你更清晰地建立知识体系。理论上，即使不掌握这些概念，你也能 “拼凑” 出一个 React 应用 —— 但代价是：频繁困惑、卡壳，只能从 Stack Overflow（或国内的掘金、优快云）复制代码，却不懂背后的逻辑。在 React 中，从props或state中提取值时，解构能让代码更简洁易读 —— 尤其在函数组件中，几乎是 “标配” 写法。

2025-12-11 09:23:28 736

原创具身智能：零基础入门睿尔曼机械臂（一）——从硬件准备到首次运行全攻略

打开用户设备（平板、电脑等）的WiFi功能，搜索机器人的WiFi热点，热点名称格式为"realman_ap_xxxxxx"（如realman_ap_488d949b）；睿尔曼机械臂的示教器是web端软件，无需安装，浏览器直接登录即可，支持安卓、Windows、苹果、Linux等全平台设备，推荐使用谷歌浏览器以保证兼容性。睿尔曼机械臂属于超轻量设计，以RM65系列为例，自重仅7.2kg，底座直径110mm，单人就能完成安装，其他系列安装流程基本一致。

2025-12-10 09:20:51 314

原创 Flask核心技能：从零上手视图函数

keyword = request.args.get('q', '') # 安全获取参数，避免KeyError。return jsonify({'user_id': user_id, 'name': '测试用户'})return render_template('home.html', title='主页')user_data = {'id': user_id, 'name': '张三'}Web应用的核心是与用户输入互动。name = request.args.get('name', '陌生人')

2025-12-10 09:19:53 542

原创在PySide6/PyQt6的项目中实现样式切换处理

以上就是我们在定义不同主题，实现主题切换的过程，我们可以根据需要，定义更多有特色的主题样式，而具有统一效果的主题样式，我们可以通过AI的询问方式，获得完整的样式代码，从而构建个性化的效果。然后根据样式的需要定义对应的相关内容，如下是浅色的主题定义，通过定义对应控件的颜色、字体、背景色等相关属性，实现统一的效果。这个主题的辅助类，主要就是根据当前总线的样式值，加载对应的样式文件进行设置，如果为空，这还原为最初的默认样式。我们通过创建系统相关的菜单，如定义样式切换的菜单，然后绑定对应的菜单信号处理。

2025-12-09 16:52:22 654

原创赋能智慧隧道施工：工程车辆多模态数据采集系统

车辆长期运行于狭长、封闭的隧道内部，且需要分别在车辆的“前端”和“后端”搭载两套独立的感知系统，以满足双向行驶的作业需求。毫秒级软同步：在缺乏硬件PTP支持的情况下，采用软件层面的时间戳对齐，通过ROS等中间件调整各数据流时间戳，精度在毫秒（ms）级别。针对上述挑战，我们提出了两套差异化的技术路线：“极致性能方案（方案一）”与“高性价比方案（方案二）”，以满足不同研发阶段的需求。本文将从客户的实际痛点出发，详细拆解如何在无GPS信号、环境恶劣的隧道场景中，实现高精度、多传感器的数据融合与采集。

2025-12-09 16:51:14 506

原创 Element Plus 国际化配置指南

在使用 Element Plus 组件库时，默认情况下组件的语言是英文。例如，分页组件（Pagination）的"前往"、"页"等文字会显示为英文。在使用 app.use() 初始化 Element Plus 时，传入 locale 配置项就可以了。如果需要动态切换语言，可以使用 Element Plus 提供的 ConfigProvider 组件。要将 Element Plus 组件的语言设置为中文，需要在项目入口文件中进行全局配置。// 配置 Element Plus 使用中文语言包。

2025-12-08 11:29:23 150

原创【EF Core】“DB First”方案下用编程方式生成数据库模型代码

不过，按照官方的设计思路，肯定不会把所有功能都堆在 exe 项目中的，这不，dotnet-ef 只是做个封装，可以通过命令行执行罢了，其实核心功能是写在 Design 包里面（Nuget 包名：Microsoft.EntityFrameworkCore.Design）。这是官方团队的兼容操作。如此，在 DB First 方案（先有数据库）中，咱们可以把生成实体类以及 dbContext 类的功能直接写到项目代码中，然后加上一个条件编译，在需要生成代码时开启一下编译符号，运行一个项目就能生成实体模型了。

2025-12-08 11:28:46 418

原创 Claude Opus 4.5 深度解构：当 AI 学会了“拒绝道歉”与“痛恨列表”

这份文档不仅揭示了 Anthropic 最新旗舰模型的技术底座，更令人震惊的是，它彻底颠覆了我们对 AI “服务者”角色的认知。一个能够不卑不亢、理性反击的 AI，比一个唯唯诺诺的 AI 更容易赢得人类的信任，也更像一个真正的高级智慧体。Anthropic 延续了其“Opus（宏大）、Sonnet（十四行诗）、Haiku（俳句）”的诗意命名，但在发布时间节点上给出了明确的答案。这不仅是审美上的洁癖，更是一种心理暗示：如果你想要深度思考的伙伴，你需要适应阅读长难句和逻辑严密的段落，而不是碎片化的要点。

2025-12-07 10:11:55 303

原创用样本猜总体的秘密武器，4大抽样分布总结

print(f"95%置信区间: [{confidence_interval[0]:.2f}, {confidence_interval[1]:.2f}]元")print(f"男性 {observed[0][0]} {observed[0][1]} {observed[0][2]}")print(f"女性 {observed[1][0]} {observed[1][1]} {observed[1][2]}")这样的特性使得在面对有限数量样本的情况下，T分布相较于Z分布而言，能更真实地反映出数据的变异程度。

2025-12-07 10:11:06 834

shiwulou1的博客