<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[uniqueleion的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/uniqueleion</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; uniqueleion]]></copyright><item><title><![CDATA[番外篇：Jev 的火爆纯粹是又一场精心的营销骗局？还是 Agent 界的又一次大洗牌]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/166371211</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/166371211</guid><author>uniqueleion</author><pubDate>Tue, 22 Sep 2026 19:50:23 +0800</pubDate><description><![CDATA[Jev 是一次对“自回归生成”的解耦，不生成文本，仅输出结构化判断（选择、评分、是/否概率），实现毫秒级响应与输出免费。其本质是将决策从“写作”变为“裁判”，使判断可程序化消费。虽营销数据多基于理想场景，但技术真实有效。关键突破在于：判断可调参，而非依赖提示词玄学。然而，概率需结合人工设定的阈值才能转化为判定，这仍是人机协同的分水岭。目前尚未接入主流水线，仍处实验阶段，但为自动化门禁提供了全新范式。]]></description><category></category></item><item><title><![CDATA[AI 非要给你整套大家伙，是过度设计，还是我们没跟上？]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/166256268</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/166256268</guid><author>uniqueleion</author><pubDate>Mon, 21 Sep 2026 22:48:48 +0800</pubDate><description><![CDATA[AI生成架构常被批“过度设计”，实则源于其缺乏对项目寿命、团队能力与变更频率的判断。它不承担维护成本，仅凭训练数据中的“复杂即专业”倾向输出企业级结构。真正的核心问题不是AI太复杂，而是架构决策缺少关键变量输入。解决之道在于：约束技术栈、拆解设计为可评审契约、引入角色对账，并接受“先让AI过度设计，再人工删减”的反直觉策略——用极低成本获取多方案，以判断力取代设计负担。]]></description><category></category></item><item><title><![CDATA[一句话需求怎么变成 PRD：14 个 AI 角色的分工与并发控制]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/166139781</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/166139781</guid><author>uniqueleion</author><pubDate>Sun, 20 Sep 2026 19:57:55 +0800</pubDate><description><![CDATA[让 AI 从一句话需求写 PRD，为什么拿到的总是"结构完整但无用"？我们把它拆成 14 个专项角色并发分析，再由唯一 Integrator 汇聚落盘：隔离副本 + 只读约束 + 单写者，彻底消灭并发写冲突。文中给出信号量限流、虚拟线程池、按任务独立结算 Token 的实现，并复盘一个真实踩坑——默认并发数 3 时，UI 设计师会被静默裁掉，且不报任何错。]]></description><category></category></item><item><title><![CDATA[别再纠结 Codex 还是 Claude Code 了：卡住交付的从来不是模型，是那套 1721 块的 Harness]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/166137959</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/166137959</guid><author>uniqueleion</author><pubDate>Sun, 20 Sep 2026 18:45:55 +0800</pubDate><description><![CDATA[同一批模型，为什么有人只拿到代码片段，有人能拿到带测试、能部署的完整工程？我们用 1721.35 元的真实账单跑完了 6 个生产级系统，把中间那套东西拆开给你看：五阶段硬门禁、14 个 AI 角色的分工与并发控制、以及让 AI 不敢偷懒的 Harness 三层结构。全是工程实现，不是方法论。]]></description><category></category></item><item><title><![CDATA[如何模拟自然界生态系统中的食物链]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/133245540</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/133245540</guid><author>uniqueleion</author><pubDate>Sun, 24 Sep 2023 17:29:34 +0800</pubDate><description><![CDATA[通过建立数学模型来模拟自然环境中的食物链。用于在一些儿童益智游戏中，教育孩子保护生态环境的重要性]]></description><category></category></item><item><title><![CDATA[神经网络基础原理（三）-----分类问题实弹演练及一些小干货]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/114402426</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/114402426</guid><author>uniqueleion</author><pubDate>Fri, 05 Mar 2021 16:52:51 +0800</pubDate><description><![CDATA[现在基本的概念已经介绍得差不多了，是时候实战演示一下如何利用神经网络来处理分类问题的。按照一直的做法，自己出题自己解决。这次拿一个现实生活中的一个小问题来练练手：根据人的身高，体重，把人划分成轻，正常，偏胖，肥胖这四种情况。按照现在流行的观点认为，人正常的BMI指数范围在20-25之间，低于20就是过轻，高于25低于28是偏胖，高于28就是肥胖了。

按照前面介绍的方法，解决问题的第一步是建模和打标签。根据问题的描述，可以把训练样本定义成一个2维向量，其中第1维表示身高（以米为计算单位），第2维是体重（以千]]></description><category></category></item><item><title><![CDATA[神经网络基础原理（二）----分类问题（含Tensorflow 2.X代码）]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/114370715</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/114370715</guid><author>uniqueleion</author><pubDate>Thu, 04 Mar 2021 16:20:53 +0800</pubDate><description><![CDATA[举线性回归的例子只是为了从最简单的角度来介绍神经网络的执行流程。神经网络在拟合线性函数方面的确存在得天独厚的优势。事实上，如果你对最优化理论熟悉，会发现神经网络的底层原理与最优化理论是一致的（目的都是求某一目标函数的极值）。

神经网络擅长的并不仅限于拟合线性函数。分类问题是神经网络最经典的应用之一。所谓的分类问题，是指给定m个学习样本，如何根据先验知识，将这m个样本分成k类。

解决分类问题第一步：数据建模

解决分类问题的第一步（也是其它经典问题的第一步），是数据建模。通常会把将这m个样本，根据其一些可]]></description><category></category></item><item><title><![CDATA[神经网络基础数学原理之一----线性回归（含Tensorflow 2.x代码）]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/114283544</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/114283544</guid><author>uniqueleion</author><pubDate>Tue, 02 Mar 2021 14:27:10 +0800</pubDate><description><![CDATA[本文是关于神经网络的原理的科普文。虽然提到神经网络，不可避免到涉及到一些数学推导的内容（如偏导），但本文尽量做到对一般学历能力（高中、专、本科等）的人都能完全读懂。虽然现在tensorflow的出现，令神经网络已经变成了一套封装良好的API，对于大部分直接使用者来说，不需要深究其中的运算过程及数学原理。但多了解点原理，对问题建模，构建网络，调优，排错来说，是大有陴益的。

后面将通过一系列的文章来解释神经网络一些最基本的概念，包括输入样本(Input)，标签(Label)，神经元(neuron)，神经网络(]]></description><category></category></item><item><title><![CDATA[记录一次伟大的踩坑经验------关于sharding jdbc 4.X版本(现已更名shardingSphere)的坑]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/111031801</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/111031801</guid><author>uniqueleion</author><pubDate>Fri, 11 Dec 2020 12:52:31 +0800</pubDate><description><![CDATA[1、引子

项目使用分库分表，库表规模大约为10个库（包含 2019年到2020年）每个库约120张表，总共1200张表。引入sharding jdbc作为底层的分片框架已经一年多了，一直运行良好。虽然小问题不断，但大问题 没有，性能稳定，值得赞一个。

但由于sharding jdbc只是一个建基于mysql之上的数据分片引擎，其核心无非就是改写sql语句，归并数据集等功能。出于数据分片逻辑的复杂性，它对原生mysql语句的支持并不能做到十分完美，因此才有了博主自己的踩坑经验。

首先4.0.0版本之前的]]></description><category></category></item><item><title><![CDATA[第一章	信任在经济学模型中的定义及作用 （part 2 : 亲缘函数、协作函数、共生关系理论 ）]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/106594418</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/106594418</guid><author>uniqueleion</author><pubDate>Sat, 06 Jun 2020 22:11:12 +0800</pubDate><description><![CDATA[信任函数的建立
	
1-2节已经初步建立了信任的量化模型。从上面的量化模型中，可以清晰地看到模型中已经包含了人类社会中的社会关系（亲缘函数），协作关系（协作函数），人性喜好（偏好函数），社会风气（影响力函数）和政治因素（公信力函数）。模型具有一定的普适性。并且应该注意到，这样的信任关系是双向的。

如1-1节例子中的效用函数表达式中存在成对出现的α与β。显然A的α理论上等于B经由信任函数算出来的β 。但人类社会显然不是一个机械化的社会，A可能会因为一时的兴起，而采取了B意想不到的策略，形成了所谓的“背叛..]]></description><category></category></item><item><title><![CDATA[论信用经济与自组织价值互联网（一、序言）]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/106485965</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/106485965</guid><author>uniqueleion</author><pubDate>Wed, 03 Jun 2020 23:32:54 +0800</pubDate><description><![CDATA[前言

我们的经济发展将要面临瓶颈期

记得马云在创立阿里巴巴的时候说过一句非常有名的话“让天下没有难做的生意”。是的，对当时而言，他做到了。但今天我不想在这里重复他的话，因为这已经不能给各位提供任何营养了。

如果将互联网经济之前的中国经济称之为第一个瓶颈期，那么今天我们的经济将要面临第二个瓶颈期。这不是因为新冠病毒造成的，真正造成瓶颈期的原因一直存在。

大家应该都了解过马云大神的经历，想当年他还是西子湖畔的一名英文教师，但是就凭着他的执着，他的坚持，他开挂般的嘴炮技能，硬生生“骗”来了帮他打江山的十八]]></description><category></category></item><item><title><![CDATA[SpringCloud实战（一）使用Eureka搭建服务注册中心，sprind cloud config分布式配置，openfeign进行微服务调用]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/102644132</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/102644132</guid><author>uniqueleion</author><pubDate>Thu, 31 Oct 2019 16:50:31 +0800</pubDate><description><![CDATA[1、SpringCloud介绍

相信也不用再多介绍，近几年最火爆的全家桶式微服务框架。这套框架里面已经囊括了微服务的注册与发布，服务的自动发现与治理，负载均衡与路由，服务降级与熔断，分布式配置中心，网关服务，消息总线等等一大堆子项目。（截止本文编写时间为止，spring cloud的二级子项目数已经达到了丧心病狂的31个）。所有你需要的、不需要的，这里都应有尽有。

这里并不想一一罗列sprin...]]></description><category></category></item><item><title><![CDATA[自组织一致性哈希算法]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/88665867</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/88665867</guid><author>uniqueleion</author><pubDate>Mon, 26 Aug 2019 10:08:01 +0800</pubDate><description><![CDATA[自组织一致性哈希算法

1、一致性哈希算法及其用途

假设现在有一批数据需要均匀地分布在若干台服务器上，这批数据满足以下假定：

所有数据的访问频率一致。
	数据的访问都是随机的。
	不管数据规模多大，都希望数据的分布是均匀的
	不断有新数据需要进入
	不考虑单点失效的问题


假设1表明，程序访问每个数据的概率均等P(A) = P(B)。

假设2表明，数据与数据之间没有必然的依赖关系。也就是...]]></description><category></category></item><item><title><![CDATA[Collatz猜想的证明思路]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/86770008</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/86770008</guid><author>uniqueleion</author><pubDate>Sat, 09 Feb 2019 17:17:02 +0800</pubDate><description><![CDATA[1、猜想定义及其数学描述

Collatz猜想(又称冰雹猜想，角谷猜想，下简称C猜想)：对于任何正整数Z，经过以下步骤后：

如果Z为偶数，则除以2
	如果Z为奇数，则乘以3 再加1
	将得到的新的整数Z’
最后，该算法必然会使Z收敛于1。即使再执行算法，也只会得到 à 4 à2à1à4…..的无限循环。

如果定义一个函数F = (3 n + 1) / 2m , 则该算法可以描述为了一个有有限多...]]></description><category></category></item><item><title><![CDATA[程序员会被AI取代？程序员在AI时代如何华丽变身？]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/86710946</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/86710946</guid><author>uniqueleion</author><pubDate>Thu, 31 Jan 2019 14:35:10 +0800</pubDate><description><![CDATA[1、AI危机

“AI来了，大家快跑”

恐怕这是AI时代，各行各业所能听到的职业版&quot;狼来了&quot;。那么AI时代的到来，真的会赶走一批人吗？被赶走的都是哪些人？程序员会不会也被赶走。

在讨论上面这个问题的时候，我们先来了解一下啥是AI？

如果从专业的角度来说，无非就是一套模型和算法。从吃瓜群众的角度来说，就是一个软件或者一个程序。那么AI是否无所不能。要讨论AI是否无所不能的问题之前，还要先讨论一...]]></description><category></category></item><item><title><![CDATA[java深度学习框架Deeplearning4j实战（一）BP网络分类器]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/83573162</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/83573162</guid><author>uniqueleion</author><pubDate>Thu, 01 Nov 2018 10:08:32 +0800</pubDate><description><![CDATA[1、Deeplearning4j

深度学习，人工智能今天已经成了IT界最流行的词，而tensorflow,phython又是研究深度学习神经网络的热门工具。tensorflow是google的出品，而phython又以简练的语法，独特的代码结构和语言特性为众多数据科学家和AI工程师们所喜爱。但今天介绍的不是这两个炙手可热的东东，而是相对冷门，但对于国内大多数的工程师而言更友好，基于java的另一...]]></description><category></category></item><item><title><![CDATA[多元一次不定方程的强力算法---同余筛数法]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/82992526</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/82992526</guid><author>uniqueleion</author><pubDate>Wed, 24 Oct 2018 09:07:45 +0800</pubDate><description><![CDATA[1、求解多元一次不定方程

n元一次不定方程就是形如∑aixi = C的不定方程，与二元一次方程最大的区别是，系数增多，未知数增多。求取变得更复杂。但事实上，多元一次方程可以通过消元法来变换成已经完美解决的二元一次方程。

举例: 3x+4y+6z  = 7，为了将3元变2元，这里我们做一个假设，设4y+6z=w，由不定方程的性质可知 2 | w,即w是2的倍数，由此我们不妨假设4y+6z=2w，...]]></description><category></category></item><item><title><![CDATA[如何遍历组合数？（不是求组合数，含代码）]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/81624351</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/81624351</guid><author>uniqueleion</author><pubDate>Mon, 13 Aug 2018 12:07:13 +0800</pubDate><description><![CDATA[1、遍历组合数的方法原理

组合数是高中代数的知识，这里我就不废话了。

这里讨论的是如何遍历组合数。举个例子，一个电影院里面，有十个座位和8个客人，到底有多少种坐法？（不考虑客人之间的相互位置。）高中组合数的知识告诉我们答案是C = 10 * 9 / 1 * 2 = 45种。

多少种坐法现在我们知道了，现在我们来考虑另外一个变态一点的问题，能不能把45种坐法都罗列出来。

这里给每个座位都编个...]]></description><category></category></item><item><title><![CDATA[二元一次不定方程的快速解法]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/81280156</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/81280156</guid><author>uniqueleion</author><pubDate>Mon, 30 Jul 2018 14:07:06 +0800</pubDate><description><![CDATA[二元一次不定方程（形如 a * x + b * y = c的方程，又叫丢番图方程，下简称不定方程），是初等数论经典的研究对象。二元一次不定方程应用广泛，如经典的找换问题和装箱问题（下面我将通过一系列的文章来解释我如何通过求解不定方程来快速解决装箱问题）。所谓的找换问题，举个例子就是有1分硬币若干个，3分硬币若干个，如果现在要买一个一块钱的东西，我要给多少个这两种硬币。当然丢番图方程的用处不仅限于此...]]></description><category></category></item><item><title><![CDATA[装箱问题一种新的快速解决方案(有数学证明推导)]]></title><link>https://blog.youkuaiyun.com/uniqueleion/article/details/81061203</link><guid>https://blog.youkuaiyun.com/uniqueleion/article/details/81061203</guid><author>uniqueleion</author><pubDate>Mon, 16 Jul 2018 10:45:43 +0800</pubDate><description><![CDATA[1、背景给定一个固定长宽高，固定容积的箱子和若干个不同固定尺寸的物件，能不能快速找到一个办法，能将这些物件通过进行不同的排列组合装填到箱子里，使这个箱子的填充率达到100%。这个问题在计算机学界被称之为装箱问题。装箱问题的应用范畴十分广泛。如物流运输，材料加工，布料剪裁，计算机中任务调度等都会大量应用到。而当今解决装箱问题，一直都是采用近似算法，1-2、NP-Hard问题装箱问题，因为涉及到不同...]]></description><category></category></item></channel></rss>