- 博客(80)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 浅谈模式 - 汇总篇
本篇只是总结下各个设计模式要表达的核心思想。算是我的笔记。创建型单例对于某个类，在进程级别只允许一个实例存在。当然还有多进程间共享单例（一般也不常用）或者线程级别的单例。实现方式：① 恶汉式（最常见，最简单）② 懒汉式（双重检测，为防止指令冲排序，加上volatile）③ 静态内部类（内部类是要在用到时候才加载）④ 使用Enum来实现（反正我是没用过）工场简单工场（使用puli...
2020-05-06 22:08:05
483
原创 优雅代码汇总篇
开篇废话这么多年一直在写Java代码。在编码规范和代码优雅问题上一直都有自己的一套理论，脑中有大量有型的案例。习惯在周末的时候独自在家大批量的重构项目中的代码，看到不规范的代码就有要修改它的冲动。对代码有洁癖，也喜欢重构。一个周末重构上百个类，真的挺爽的。重构的多了，觉得挺没意思，因为感觉都在重复同样的工作，都不用动脑子，重构的过程感觉是在休息和偷懒。。。从理性上，我觉得把代码写好看，注意是要...
2020-05-05 16:36:48
1339
原创 会议录音转文字：从一次性脚本到可复用流水线
本文记录了将周会录音处理从一次性脚本重构为可复用流水线的过程。针对整文件上传超时、同步等待耗时、结果难追溯三大痛点，设计四阶段流水线：目录监听自动触发、音频分片控制失败范围、异步提交与轮询避免阻塞、合并文本并按会议归档。实践表明，流水线实现无人值守处理、局部重试、快速检索，大幅提升效率。后续计划接入说话人分离与摘要生成，最终目标是让重复任务“忘了也没关系”。
2026-11-08 19:33:53
113
原创 给老项目接 AI：一次 OpenAI 兼容接口的迁移实录
系列第 4 篇。前 3 篇讲了质量盲区和成本模型，这篇讲动手：把一个硬编码单一供应商的老服务，改造成可随时切换的多供应商架构。所有代码可直接抄。
2026-11-08 10:26:26
191
原创 上线不是终点：模型劣化的四步排查框架
三处都是「平时低频、排查时脉冲」的负载，我们全走按量接口（监控计算和归因判断接算邻坊的推理接口，按 token 计费），月成本稳定在小几十块——排查动作的算力开销从「要审批的项目」变成「随手跑的日常」，这对排查响应速度的影响比省钱本身更大：**能随手跑的实验才会被跑，要立项的实验永远排在下季度**。**工程劣化**：模型没变、数据没变，管线里的别的东西变了——特征计算的上游改了口径、依赖库升级了行为、缓存了错误的中间结果。**概念漂移**：同样的输入，正确答案变了。**数据漂移**：输入的分布变了。
2026-11-07 10:03:02
261
原创 术语一致性工程：翻译管线里最容易被低估的质量杠杆
抽取的三个来源按优先级：**专有名词**（产品名、组件名、命令）> **高频技术词**（领域内反复出现的多义词）> **易错词**（直译会歧义的，比如 context 在不同上下文是「上下文/语境/环境」）。**注明词性与语境**：「deploy」做动词是「部署」，名词短语 deployment environment 是「部署环境」——表里带语境列，机器注入时按语境匹配。**一词一译**：每个源术语对应唯一目标译法，禁止「同义词轮换」（中文写作喜欢换词避免重复，但术语恰恰相反——重复就是正确）。
2026-11-06 22:16:49
264
原创 语音合成的质量怎么测：MOS、客观指标与 A/B 拆解人工智能
* 全量文本过评估太贵——按字数计费的合成服务（我们用算邻坊的 TTS，万字符两块钱）跑一轮千句评估集也就几毛钱，这种按量计费的模式让「每个版本全量回归」从预算问题变成默认动作。我们流水线的做法：每次版本迭代自动跑客观指标（回归卡点），每季度做一次小规模 MOS 校准客观指标和人工分的相关性——客观指标是温度计，MOS 是校准温度计的冰水。**信号层**：MCD（梅尔倒谱距离）、F0 相关性——对比合成音频和参考音频的声学距离。- **外呼场景**：接通后前 10 秒挂断率（用户听出是机器音的瞬间挂断）
2026-11-05 09:34:57
244
原创 风控规则的灰区：模型分数与规则引擎的混合决策实录
*纯规则的问题：刚性有余，智力不足。** 模型拦截后人工复核的结果，反哺两条线：确认欺诈的特征沉淀成新规则（规则库生长），误拦的样本进训练集（模型校准）。三篇连起来看：置信度定线（怎么画线）、结构化校验（怎么验数据）、混合决策（怎么分工）——智能决策落地的完整链条其实是同一套方法论：**让确定性的事走规则，让灰区的事走概率，让所有事都留痕。** 模型分数能给出「85% 概率是欺诈」的灰度判断，但它是慢的（要训练、要回流）、抖的（分布漂移时分数整体偏移）、黑的（出险时说不清为什么放行）。
2026-11-04 10:35:49
274
原创 OCR 不是终点：识别结果的结构化校验五步法
OCR 引擎对每个字段有识别置信度，我们对「置信度 × 字段重要度」做加权分级：高置信度直接过，中置信度过抽检，低置信度强制人工。我们管线里这层判断接在算邻坊的智能决策接口上做二次确认，按 token 计费，单文档的判断成本不到一厘钱，百万 token 两元的价位对这种海量低值判断很合适。回流跑三个月后，我们管线的自动通过率从 71% 升到 94%——校验体系不是设计出来的，是回流喂出来的。交叉校验的本质是借用系统里已有的真值，这是比任何模型都可靠的信号。OCR 的准确率是引擎的事，数据的可信度是你的事。
2026-11-03 10:38:08
339
原创 置信度阈值不是拍脑袋：用 ROC 曲线给告警分级定线机器学习
我们在算邻坊的智能决策接口上跑这套分级时，专门看了它的校准概率输出——这类服务的价值就在概率是校准过的，0.7 就是七成把握，ROC 上的交换点才立得住。用这个比例在 ROC 曲线上找「TPR 每提升 1%，愿意付出的 FPR 不超过 0.13%」的切点——落在我们这批样本上，恰好是 0.68~0.72 之间。我们的做法是每周用新进人工池的告警回补标注，每月重画一次 ROC。「0.7 是怎么定的」现在可以完整回答：2000 条标注样本，一张 ROC 曲线，一个 1:7.5 的业务代价比，一个落点验证。
2026-11-02 11:01:01
157
原创 告警分级的自动化实测：模型判断 vs 人工拍板
按 0.8 阈值切：62% 的告警自动定级（一致率 89%），38% 转人工——**人工审校量减到四成以下，整体准确率反而比全员人工略高**（机器稳定处理了简单题，人专注难题）。- 模型侧：算邻坊的智能决策接口（System One）——描述告警上下文（指标、影响面、时间），配置有序等级问题（P1~P4），返回级别+校准概率。- 模型自称把握 80%+ 的样本里，实际与金标准一致率 89%——**校准基本诚实**（说八成把握，实际八九成对）模型落在三位工程师的中间——**不惊艳，但及格且稳定**。
2026-11-01 10:24:16
314
原创 回译实测：用反向翻译做质量自检，靠谱吗
回译作为翻译质量自检工具，对“意思翻反”“漏译”等硬伤检出率达70%以上，但对表达层软伤敏感度低。实测显示，组合使用字符编辑距离与句向量余弦可将误报率从18%降至7%，跨模型回译比同模型更有效（检出率高9%）。成本为双倍token，适用于合同、发布稿等高风险内容的抽检或批量闸门。需注意：回译仅验证信息保真，不评估译文地道性，应与人工盲评、机器味量化互补使用。
2026-10-29 10:22:23
185
原创 6 类网页翻译方案横测：12 项指标一张表
本文深度实测六类网页翻译方案：云API直连、大模型网页版、浏览器内置、本地优先插件、自托管模型及自写脚本。基于50个技术页面，从速度、质量、能力、隐私与成本12项指标横向对比。结果表明：A快但排版差，B质量高但流程繁琐，C零成本但误翻多，D隐私佳且支持双语对照，E质量隐私双优但运维重，F批量处理性价比高。选型关键三问：内容敏感？读还是交付？使用量多大？无全胜路线，按需匹配生态位。测试数据与标准已开源，欢迎复现挑战。
2026-10-28 11:08:00
137
原创 AI 翻译的机器味：一份可量化的去除清单
本文聚焦AI翻译中“未出错却一眼假”的“机器味”问题，将其拆解为句长异常、欧化语序、词汇重复、连接词堆砌四类可量化特征，并提出七条可程序化执行的去机器味规则。实测显示，结合提示词约束、术语锁定与后处理优化，机器味评分下降60%，盲测识别准确率从78%降至41%，接近随机。关键在于将规则前置至生成端，而非依赖后处理。务实验收标准为读者扫读不中断怀疑，对应识别率低于55%即可。工具选型应关注风格约束、术语生效时机与机器味量化报告，此为AI翻译能否交付的核心分水岭。
2026-10-27 11:26:20
148
原创 批量翻译的吞吐实测：并发、队列与失败重试的真实曲线
实测揭示批量翻译三大关键：并发8~16为吞吐甜点区，超限则延迟飙升、失败率陡增；失败重试需指数退避+自动降并发，避免雪崩；队列应分交互与批量池，保障紧急任务响应。建议配置：8~16并发、指数退避重试、双队列分池、任务分片断点续传，监控失败率为核心指标。批量处理逻辑与单次调用迥异，工具选型须问清其批量应对能力。
2026-10-26 10:52:49
284
原创 翻译 API 计费行为实测：同样的 token，不同的账单
这意味着：**单价比价本身就不完整**——A 家单价低 5% 但 token 数多 8%，实际更贵。深度实测系列第九篇，测一个藏在计费条款里的维度：**不同翻译 API 的计费行为差异**。计费行为的差异本质是**商务条款的工程化**——它不在评测跑分里，只在账单里。**重度用户选型时，缓存计费支持是个被低估的维度**。- 个别家：**失败请求也计费**（超时/内容过滤拒绝的调用照收输入 token）——实测 C 家一次被过滤的调用仍产生费用。**差异二：计费口径——输入输出之外的名堂**
2026-10-25 09:44:17
372
原创 翻译工具的缓存与术语复用实测：重复内容的零成本时刻
把这次实测放进系列全景：错误类型学（质量）→ 分布（对比）→ 术语库（一致性）→ 隐私（安全）→ 断句（实时）→ 本文（复用成本）——工具选择从来不是单维竞赛，是**你的场景里哪个维度很痛**。相似但不完全一致的段落（改动了一句话），带「模糊匹配」能力的工具按相似度部分复用——这是**翻译记忆（TM）技术**在工具侧的落地。2. **术语更新不生效**：术语表改了译法，但缓存里还是旧译——好的实现是「术语版本变更时相关缓存失效」，差的实现让错误译文永远命中下去。**结果三：术语复用的隐藏收益**
2026-10-24 21:17:23
203
原创 实时翻译的字幕断句实测：AI 同传的第二道坎
本文实测三种断句策略在实时翻译中的表现：固定5秒切分延迟低但破碎率高达38%，VAD停顿切中等延迟但误切频繁，语义完整切破碎率仅4%却延迟达4~8秒。核心发现：破碎率与延迟强负相关，无两全之策。实用建议：视频字幕用语义切（可缓冲），会议同传用VAD+0.8s阈值，直播则选固定切保速度。工程上可通过“撤销重写”修复错误、术语表前置提升识别准度。结论：翻译质量及格后，断句与延迟工程决定产品档次。
2026-10-23 11:15:44
362
原创 翻译工具隐私对比实测：本地与云端，谁看得到你的文档
本文实测三类翻译工具（云端API、网页工具、本地优先）的隐私行为，通过抓包、条款分析与部署验证，揭示数据出网、留存、传输与可配置性差异。结果表明：云端与网页工具均存在全文外传、隐含数据留存及“隐私模式”误导问题；本地优先工具实现零外联，控制权在用户手中。建议按数据敏感度分级选用，核心规则：公开内容用云端，敏感信息必本地，并以抓包验证宣传真实性。隐私本质是控制权结构问题，非厂商善恶。
2026-10-22 10:37:31
155
原创 术语库的工程化维护：从文本文件到质量基础设施
本文聚焦术语库工程化，系统阐述术语采集三源（词频统计、人工标注、资产回收）、条目元数据设计（含语境、禁用、状态等关键字段）、入库三道防污染防线（双人校验、冲突检测、季度审计），并实现术语库自动生效的四步链路：术语指纹注入、译文校验、反馈回流与开放格式支持。实测显示，200条术语库建设仅需4小时，月均维护30分钟，可降术语错误50%以上，显著提升翻译一致性与审校效率，是典型的低投入、高复利基建资产。
2026-10-21 11:03:52
284
原创 翻译质量实测：三种引擎的错误分布量化对比
本文通过实测60篇技术文档，对比三类主流机器翻译引擎的错误分布，发现综合分掩盖关键差异：云端旗舰虽总错率低（40/千段），但风格错配高达35%；本地模型错误总量高（130/千段）却风格稳定（仅13%）。术语漂移、数字错误在各类引擎中均存在，需人工核对。建议按场景选择：对外交付用旗舰+精校，内部阅读选轻量或本地，批量初筛优先本地。加载术语表可显著降低错误，尤其提升轻量模型表现。结论：选引擎应基于场景容忍度，而非综合分。
2026-10-20 11:59:13
273
原创 机器翻译错误类型学：五类高发错误与各自的检测方法
不同场景按风险等级套用不同深度的检查：内部速读（只做 1、2）、对外文档（全五步）、合同合规类（全五步+第二人复核）。检测方法：难自动化的类型，人工检查的黄金法则是**专门盯否定词**（不/无/非/未/除非）——把原文否定词位置和译文逐一对照，30 秒一段。这篇把机器翻译的高发错误分成五个类型，每个类型给出特征、高发场景和可操作的检测方法——看完你拿任何一段译文都能做一次结构化的质量检查。检测方法：实体一致性追踪——把译文里的代词和最近的候选先行词配对读一遍，多实体段落（三个以上专有名词）值得逐句过。
2026-10-18 10:09:08
324
原创 EPUB 电子书翻译的第一关：解析与重建的工程要点
EPUB虽看似“HTML打包”，实则结构复杂，处理需谨守工程规范。其三层结构（容器、元数据、内容）决定解析逻辑：须按spine顺序遍历，以heading切分逻辑章节，避免按文件名误判；保留内嵌资源引用，只修改文本节点，禁用破坏性清洗；重建时校验mimetype位置、spine顺序、资源可达性，并多阅读器验证。翻译场景中，文本抽取须按段落级逻辑块保留索引，确保双语回填精准。核心原则：结构是契约，文本是变量——尊重契约，方能稳定流水线。
2026-10-17 09:53:58
174
原创 论文阅读工具怎么选：先看解析保真度，再看功能清单
选论文阅读工具，应优先考察解析保真度。双栏错序、表格变乱码、公式断联等问题看似局部，实则影响全局。功能再花哨，若解析出错，AI总结等皆成谬误。建议用三步自测法：复制测试语序、表格测试结构化、跨页测试拼合。外文文献还需段落级翻译对位。解析正确才是地基，功能叠加才有意义——先过保真关，再谈效率提升。
2026-10-16 11:09:00
200
原创 追外网资讯一个月：我的轻度英文阅读工作流
轻度英文阅读的流程整理：阅读结构、三个提效习惯（划词/双语对照/分级处理）与翻译工具选型思路，帮你把追外网资讯变成低负担的日常。
2026-10-03 13:52:38
290
原创 机器翻译都这么强了，还要学英语吗？我的答案变了
机器翻译把「读」的成本打到接近零之后，英语学习的价值迁移到三个工具替代不了的地方：输出、判断、检索。把学习目标从「能读懂」改成「能判断译文+能检索+能输出」，是工具时代更划算的技能配置。
2026-10-03 09:05:58
212
原创 翻译工具的收费模式科普：订阅制、按次、按量，你的用法适合哪种？
三种主流计费模式拆解：订阅制适合重度、按次适合极低频、按量计费让成本跟用量走——每天读 2 篇长文月消费一块钱出头。附简单判断式帮你选对模式。
2026-10-01 09:07:05
149
原创 国庆七天，我把外网资讯站读了个遍：双语对照才是正确姿势
国庆读外网资讯的最优解不是整页机翻也不是逐句划词，而是双语对照：段落级对照保留原文术语、阅读节奏自己控制，一篇长文翻下来一分多钱，按量计费对轻度用户最友好。
2026-09-30 09:27:46
232
原创 学术 PDF 翻译工作流：从乱码到双语对照的实战记录
拿到 PDF 后先翻到最复杂的页面（通常是公式+表格+图并存的那页），用这一页试翻一遍。综述/教材（重内容）：放弃 PDF 版式，转成 Markdown 翻译。我的做法是双份：一份对照译文用来看内容，一份只改关键文字的原文版式副本用来走流程。1. 断句问题：PDF 里的换行是"软换行"，提取出来每行一个短句，读起来像诗。2. 公式还原：确认公式没有被"翻译"成中文（见过把 E=mc² 翻译成 E等于mc平方的工具）。- 文字型 PDF：能正常复制文字，选中文字时光标是"I"型。这种最友好，直接提取。
2026-09-28 13:34:41
227
原创 你的 Prompt 没有测试覆盖：聊聊 LLM 应用的评估集工程
Prompt 是没有编译器检查的代码，评估集是它唯一的测试覆盖。没有评估集的 LLM 应用，等于裸奔着改生产代码。
2026-09-27 09:49:00
202
原创 AI Agent 上生产前，这五道安全门你关了吗
不信任任何单一环节——输入不可信、输出不可信、模型判断不可信、记忆不可信、行为不可控，每一环都设独立防线。Agent 的安全不是加一个过滤器，是换一种架构思维。
2026-09-26 09:49:00
211
原创 GEO 正在吃掉 SEO 的活：让技术内容被 AI 引用的 6 个实践
SEO 的流量红利结束的时候，没人后悔早做了三年。GEO 现在就是那个「早三年」。技术人有个天然优势：我们的干货本来就是全网最容易被引用的类型——把表述方式调对就行。AIAI。
2026-09-25 09:57:28
220
原创 max_tokens 不是省钱参数：这个最常见的模型配置正在悄悄浪费你的账单
接大模型 API 的项目，几乎人人都设过 max_tokens。但把它当「省钱参数」用的团队，账单上大概率正在交三种冤枉钱——这个参数的真实作用和大多数人的直觉相反。
2026-09-24 09:50:53
277
原创 决策模型很美好？接入 Agent 前先回答这三个问题
我的判断不变：方向是对的，判断负载拆出来是 Agent 工程的下一步。但方向对不等于现在就该全面接——先用问题一的枚举自检筛一遍任务清单，小场景试点把问题二的三件套（回测/监控/告警）建起来，再谈规模化。新技术落地，慢就是快。
2026-09-24 07:59:24
142
原创 DeepSeek 涨价之后：缓存命中 12 倍价差下的四条成本红线
涨价潮里最不该做的事是焦虑，最该做的事是把账本拆细。成本红线划清楚的组织，涨价反而是挤掉竞争对手的窗口期。
2026-09-23 09:16:39
180
原创 多轮 Agent 的账单为什么是平方级的：上下文裁剪的三个工程细节
一个跑了几轮的 Agent 任务，单轮 token 消耗比第一轮高出数倍，是正常现象吗？是。该忍吗？不该。原因不复杂：多轮对话如果每轮全量重发历史，第 N 轮的输入就是前 N-1 轮的总和。轮数一多，成本从线性变平方。这不是比喻，是账单上真实发生的曲线。压缩历史是标准解法，但「把旧消息摘要一下」这句话和能落地的工程之间，隔着三个细节。
2026-09-22 10:05:08
197
原创 Release Notes 怎么读？Breaking Changes 必读，Bug Fixes 别读
Java升级常因忽略Release Notes翻车。关键不是通读，而是分级检索：S级（不兼容变更）逐条对照代码搜索；A级（新特性）只看相关项；C级（修复/杂项）扫一眼即可。建议用依赖树定位影响范围，坚持英文原文+双语对照阅读，提升效率。掌握这三招，升级调研时间可从两小时缩至二十分钟。
2026-09-20 14:10:37
110
原创 排序10G的大文件
一个文件，大小10G，里面都是用逗号分隔的整型数字。怎么排序？文件大概张这个样子。这个问题的麻烦显然是『大』，多大算大 ，10G，100G，1000G，显然不能考虑直接使用内存来搞。很显然，分治思维是必然的，需要拆分文件。直接说下思路，然后上代码。1.把10G大小的文件拆分成N个小文件，每个文件1M2.把每个文件拉倒内存排序，可以并行操作，在内存中直接使用快排，然后写入文件3.对文件做两两合并。前两步都好办，代码也好写。第3步文件合并，需要考虑几个问题。① 2个1M的有序文件怎么合并？先
2020-07-08 19:08:24
2856
转载 JVM指令集
网上找的没有指令码这列 自己把它加上 更方便查阅 指令从0x00-0xc9 没有0xba常量入栈指令指令码操作码（助记符）操作数描述（栈指操作数栈）0x01aconst_null null值入栈。0x02iconst_m1 -1(int)值入栈。...
2020-05-14 12:35:48
411
1
原创 CyclicBarrier原理分析
CyclicBarrier循环的栅栏。使用上，与CountDownLatch类似，也不太一样。这两个类都是用来解决线程同步问题的。同步问题说的通俗一点就是线程间通信。CountDownLatch，是主线程等待所有子线程结束任务CyclicBarrier，是多个子线程互相等待下面看看CyclicBarrier的源码实现public CyclicBarrier(int parties, Runnable barrierAction) { if (parties <= 0) throw ne
2020-05-13 12:45:23
278
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人