2301_76336997的博客

原创 【Dify工作流避坑：LLM思考标签造成大量Token浪费！90%开发者都忽略的核心优化】

摘要： Dify工作流中LLM节点输出的思考标签（如<think>）会导致下游节点接收冗余内容，造成Token浪费、响应延迟和业务干扰。该问题源于Dify前后端处理机制差异：前端自动清洗思考过程，而后端工作流默认透传原始输出。解决方案分两种： Dify 1.9+用户：启用「分离推理模式」，节点自动拆分最终答案与思考内容； 旧版本用户：通过代码节点正则清洗，剥离思考标签。优化后Token消耗降低80%-95%，响应速度提升，下游业务稳定性显著增强。建议将输出清洗列为生产级工作流的必备规范。

原创 深度解析｜Dify API无法查询Web/调试会话？底层架构隔离原理全覆盖

1、Dify 中API 会话、Web/控制台调试会话、WebApp 会话物理同库，逻辑强隔离，并非存储分开；2、对外开放的 Service API只能查询通过 API 发起的会话，无法读取控制台、WebApp、本地调试的会话数据；3、隔离不是 Bug，是 Dify 官方权限安全、身份体系分层的架构设计，底层通过字段标记+SQL 强制过滤实现。1、存储层面：Web、调试、API 会话同库同表，无物理隔离，仅靠字段逻辑区分；2、隔离本质：开放 API 底层强制过滤，是架构级硬限制；3、链路差异。

原创 【全网最全，dify模版转换节点的妙用】

添加节点：在工作流编辑器中，从节点库找到“模板转换”并拖入画布。连接输入：将上游节点的输出变量连接到该节点，如“开始节点”、“表单”或“LLM”。配置输入变量：在节点的配置面板中，点击“添加输入参数”，从下拉列表中选择需要使用的变量。为每个变量设置本地别名，方便在模板中引用。编写模板：在“模板”编辑框中，使用Jinja2语法编写文本格式。{{ 变量名 }}。定义输出：该节点只有一个输出变量，默认名为output（类型为string下游节点直接引用{{output}}即可。

原创 [2026推荐几个靠谱的Docker镜像，亲测有效！]

"registry-mirrors": [ "https://docker.1ms.run", "https://docker.xuanyuan.me", "https://docker.m.daocloud.io", "https://mirror.ccs.tencentyun.com" ]

原创 索引设计中最核心也最容易困惑的一点！

MySQL只能扫描整个索引树，找出所有 status=1 的记录，然后再排序（Using filesort）B+Tree是按索引列顺序组织数据的。MySQL可以直接定位到 status=1 的数据段。这一段数据已经是按 amount 降序排列好的。结论：索引完全失效，必须全表扫描再排序。优化策略不同导致执行计划差异巨大*方案2：索引范围扫描 + 避免排序。数据是先按状态分组，组内按金额排序。方案1：全表扫描 + 文件排序。相同金额的数据再按状态排序。数据是按金额排序存储的。

原创 【java中的空指针问题全详解】

空指针的本质：对null对象执行方法 / 字段操作；常见场景：调用null的方法、访问null的字段、拆箱null包装类；避免方式：提前判空、用Optional、返回空集合而非null；调试：看异常栈的行号，定位哪个对象是null。这是初级程序员最常遇到的问题之一，只要养成 “使用对象前先判空” 的习惯，就能大幅减少空指针的出现～

原创 【Swagger技术栈演进史：从Springfox到Knife4j的完整进化路径】

注解包：io.swagger.v3.oas.annotations.*注解包：io.swagger.annotations.*适合：新项目、需要Spring Boot 3.x支持。底层依赖：springdoc-openapi。底层依赖：springfox 2.10.5。适合：旧项目维护、不打算迁移注解。OpenAPI3规范（推荐）

原创 【学懂了设计模式，还愁读不懂spring框架源码吗？】

【代码】【学懂了设计模式，还愁读不懂spring框架源码吗？

原创 【一张图搞懂MybatisPlus技术路线】

原创 【MybatisPlus如何体现编译时多态和运行时多态：一张图搞懂】

原创 【mybatis设计中多态性的体现】

编译时。

原创 【mybatisplus速通：wrapper的完整使用指南】

/ 1. 使用 apply 注入自定义 SQL（防止 SQL 注入）// 2. 使用 last 添加末尾 SQL（慎用，可能破坏 SQL 结构）// 3. 使用 exists// 4. 使用 inSql。

原创 redis入门全网最详细：Spring Data Redis 常用 API

本文整理 Spring Data Redis 核心操作 API，基于 Spring Boot 环境，代码可直接复制使用，涵盖字符串、哈希、列表、集合、有序集合及通用操作等核心场景。

原创 【为什么项目中要经常用到threadlocal？】

在后端项目开发中，我们常与多线程打交道——无论是处理并发请求的Tomcat线程池，还是异步任务的线程池，都绕不开“线程安全”和“数据传递”两大核心问题。而ThreadLocal作为JVM层面的线程私有存储工具，凭借其独特的特性，成为了项目中的“常客”。今天结合实际开发经验，聊聊它的核心价值，以及和Redis、Session的本质差异。

原创 mybatis-plus从小白到大神【全网最好理解，超详细】

这是最常见的需求。当IService在 Service 实现类中直接写新方法（如上面的在 Mapper 中定义自定义 SQL，然后在 Service 中调用。关键在于使用方法。内部持有一个你的 Mapper 实例，方法就是用来获取它的。

原创 为什么业务逻辑判断，一般都是反向校验if？（卫语句）

维度正向校验（嵌套）反向校验（卫语句）可读性差（嵌套越深越难读）优（扁平化，主流程清晰）维护/扩展难（修改需调整嵌套结构）易（新增/删除仅改单行）性能差（无效逻辑执行到嵌套内层）优（快速失败，提前终止）出错概率高（缩进/括号易出错）低（平铺结构，逻辑独立）反向校验的核心不是“必须写反向if”，而是把异常场景前置，让主逻辑摆脱嵌套。

原创 并发和并行的关键点理解

关注的是 “处理多个任务的能力”，强调逻辑上的同时性（即使只有一个工人）。

原创 【大坑-已解决】springboot＋mybatis事务回滚，控制台成功回滚，数据库却没变

在使用 Spring Boot + MyBatis 开发时，遇到一个诡异的问题：控制台日志明确显示事务已回滚，但检查数据库时发现数据依然被持久化，没有真正回滚。尽管日志显示完整回滚流程，但数据库中的数据变化仍然存在。

原创 彻底解决Claude-Code安装报错问题：完整清理与重装指南

清理不彻底是大多数问题的根源登录时的选项选择非常关键代理设置可能会影响登录流程遇到支付提示时，多次重试通常可以解决如果仍有问题，欢迎在评论区留言讨论！

原创 ClaudeCode大坑：国内api从环境中导入失败（已解决）

清理不彻底是大多数问题的根源登录时的选项选择非常关键代理设置可能会影响登录流程遇到支付提示时，多次重试通常可以解决如果仍有问题，欢迎在评论区留言讨论！

原创 【花10个小时总结的claudecode终端输出词的意思】

gitignore。

原创 【大模型应用开发-----LangChain入门】

一个用于构建基于大语言模型(LLM)应用程序的框架，它通过"链"(Chain)的方式将多个组件连接起来，实现复杂AI工作流的自动化。

原创 Claude4国内稳定调用，新用户可白嫖2次

由于官网管控比较严格，国内很多用户反馈使用不久被封号，香港地区也不例外，朋友推荐发现这个宝藏网站，很稳定，最主要新用户可以白嫖两次！

原创 【前端必会nvm，node.js版本管理工具】

若安装成功，会显示 nvm 的版本号。

原创 【已解决：事务回滚失败TransactionSystemException: Could not roll back JDBC transaction；】

1.数据库服务器问题：数据库服务器可能因为重启、崩溃或其他原因变得不可用。2.网络问题：网络连接不稳定或中断，导致应用程序无法与数据库通信。3.连接池配置问题：连接池配置不当，如连接超时时间设置过短，可能导致连接在事务处理过程中超时。

原创 已解决：使用了Restcontroller注解后springboot无法解析thymeleaf模版问题

注解才能将返回值直接作为响应体返回，否则返回的字符串会被当作视图名称进行解析。对象，这样可以指定视图名称和模型数据，让 Spring 进行视图解析。如果你需要使用 Thymeleaf 模板，将。注解的控制器类需要配合。

原创 【数据采集——爬虫】

字母开头用：\bg\w*?\b\b:g开头 —— 字母数字—— 边界（单词尾）匹配模式要有量词，不然一个匹配字符只能匹配一次。

原创 【大数据数据处理脚本语言python】

（1）方式：下标索引（2）下标区间：元组的下标和数组一样是的，例如：menu[1:4]:包括的数据是1，2，3。

原创 机器学习算法

1.将每个词出现的频率作为。

原创 【Datawhale AI夏令营--- 机器学习篇】

导入数据——读取数据——建模（向量化）——机器学习算法处理——加载模型进行预测，并将结果文件导出特征（Features）是指从原始数据中提取的，用于表示数据的可测量属性或指标。这些特征被用作模型的输入，以便模型可以学习如何根据这些特征来做出预测或决策。简单来说，特征就是模型用来理解和分析数据的依据。