花间相见-CSDN博客

原创【计算基础｜网络04】—— HTTP接口实战（下）：接口测试、鉴权与跨域排错

本文详解HTTP接口实战中的三大核心问题：接口测试（用Apifox/Postman自动化+断言）、鉴权机制（对比Cookie+Session与JWT优劣及实现）、跨域问题（CORS预检与配置）。通过FastAPI搭建实验服务，演示登录、鉴权、限流、Webhook等真实场景，附状态码排错表，支持Python requests与curl双端验证，助开发者高效定位问题。

2026-09-21 23:09:31 368

原创【计算基础｜网络03】—— HTTP接口实战（上）：方法、参数位置、请求头与请求体.md

本文详解HTTP请求的组成结构——请求行、请求头、空行与请求体，并通过Python（requests/httpx）和curl实操演示参数在查询参数、路径、请求体、请求头中的位置。重点解析GET/POST/PUT/PATCH等方法语义差异，强调“安全”与“幂等”原则，澄清常见误区：参数不应仅按长短或保密性选择位置，而应依据语义。结合FastAPI搭建回显服务，直观展示四种参数传递方式，帮助开发者掌握接口调用本质，避免前后端对接时因参数位置错误导致的问题。

2026-09-21 23:04:39 396

原创【后端开发｜网络编程】—— 五种实时通信方案全解析：短轮询、长轮询、SSE、MQTT、WebSocket

HTTP 只能拉，推送必须靠"一直开着的连接"。理解这一条，五种方案就都不是黑盒了。它们的差异只有两个变量：客户端多久问一次、连接能活多久。选型的速记：短轮询 = 简单、长轮询 = 兼容、SSE = 单向省心、WebSocket = 双向、MQTT = 设备规模。连接一长，运维成本就从 QPS 转移到连接数与保活：心跳、超时配置、集群广播、容量压测，一样都不能少。任何长连接方案都必须配齐三件套：心跳、重连、消息补发（SSE 的/ MQTT 的持久会话 / 业务层的自增 seq）。

2026-09-19 11:54:38 708

原创【AI应用开发｜Agent记忆】—— Codex 与 Claude Code 持久化记忆对比：两条不用向量库的路线

Codex与Claude Code均实现跨会话持久化记忆，却摒弃向量库与Embedding。Codex采用离线两阶段管线：先用小模型从rollout中提取结构化记忆，存入SQLite（事实源），再由受限子代理通过git diff判断变更后合并为四层Markdown；Claude Code则在回合内直接写文件，按分层目录管理。二者均以轻量级文件系统替代复杂检索，牺牲语义泛化换取可解释性与一致性，凸显“记忆即状态”理念。

2026-09-19 11:51:45 309

原创【Python基础02】—— 迭代器与生成器：从迭代协议到惰性求值实战

本文深入解析迭代协议与生成器机制，揭示for循环底层调用__iter__()和__next__()的原理。厘清可迭代对象与迭代器的本质区别，阐明生成器作为语法糖如何自动实现迭代器协议，通过yield实现函数挂起与恢复，支持惰性求值。实测对比显示生成器显著降低内存占用（从34.8MiB降至0.5KiB），虽耗时略增但适合大文件处理。掌握协议后，可推导出生成器“仅能遍历一次”“send()首次需传None”等特性，为协程与异步编程奠定基础。

2026-09-18 22:55:06 232

原创【Python基础01】—— 装饰器：从闭包原理到工程实战

本文从函数一等公民与闭包原理出发，深入解析装饰器的本质，揭示@语法糖背后的高阶函数与闭包机制。通过手写装饰器、参数化设计、叠加顺序分析，系统梳理6个可复用工程模板与10大常见陷阱，强调functools.wraps在保持元数据完整性中的关键作用，并结合标准库实践，实现日志、缓存、异步等场景的可靠应用，彻底告别“只会背模板”的困境。

2026-09-18 22:52:46 135

原创【大模型基础｜推理篇04】—— Prefix Caching 与 KV Cache：搞懂什么被存下来、谁在复用、什么时候能命中

本文厘清KV Cache（存什么）与Prefix Caching（怎么复用）的本质区别：前者是注意力机制中缓存的历史键值对，后者是跨请求复用这些缓存的调度策略。KV Cache解决重复计算问题，将复杂度从O(t²)降至线性；而Prefix Caching通过共享相同前缀的KV Cache，显著降低Prefill成本——这是推理优化的核心突破口。文章还对比了vLLM与SGLang实现差异、命中规则及适用场景，强调调优应聚焦于提升前缀命中率而非盲目堆显存。

2026-09-17 11:21:41 294

原创【大模型基础｜大模型API上】—— 大模型对话三套主流接口协议拆解：Anthropic Messages vs OpenAI Chat Completions vs Responses

本文深度拆解Anthropic Messages、OpenAI Chat Completions与Responses三套主流LLM接口协议，从端点、鉴权、系统指令、输入输出容器、状态归属及Content Block六层对比，揭示协议本质差异。重点剖析“无状态”与“有状态”对话模型的根本分岔，详解各协议在内容块类型（如文本、图像、工具调用）上的设计逻辑与字段差异，并提供同一任务的三份可运行请求示例及十大易错点警示，助开发者精准对接不同平台。

2026-09-17 09:00:00 259

原创【大模型基础｜大模型API下】—— Responses API 与 Chat Completions：搞懂 Agent 时代的接口分岔

2026年起，OpenAI Codex移除Chat Completions支持，标志着API生态进入“单向兼容”时代。旧接口仅支持简单对话，无法承载Agent所需的多轮推理与工具调用轨迹；而新推出的Responses API以input/output序列化结构，原生支持状态延续、工具链追踪与推理过程留存，满足Agent闭环需求。深度求索等厂商相继适配，凸显协议层对齐的必要性。本质差异在于：前者是客户端管理上下文，后者由服务端维护状态。未来模型接入需跨越协议与语义双重门槛，否则将被排除在Agent生态之外。

2026-09-16 12:25:25 301

原创【大模型基础｜推理篇03】—— KV Cache 与缓存命中：搞懂大模型推理为什么快、缓存为什么便宜

KV Cache 是大模型推理中复用历史计算结果的核心机制，通过缓存已生成 token 的 Key（K）和 Value（V），避免重复计算，将注意力机制的 O(t²) 复杂度降至线性。其本质是“算过的不重算”——仅缓存被多次复用的 K/V，而 Query（Q）因仅用于当前生成步骤、复用次数为1，故不缓存。推理分为 Prefill（处理输入，耗算力）与 Decode（逐字生成，耗显存带宽），其中 Prefill 成本最高且可被缓存跳过。当新请求前缀与历史请求完全一致时，系统可直接复用已有 KV Cache，实

2026-09-16 12:10:55 598

原创【LangChain进阶05：MCP】—— LangChain MCP 实战：用 Model Context Protocol 把外部工具接进 Agent

本文介绍LangChain通过MCP统一接入外部工具，使用@langchain/mcp-adapters实现stdio和HTTP两种传输方式，并展示如何构建自定义MCP服务器，使Agent直接调用工具。

2026-09-08 09:00:00 157

原创【LangChain进阶06：Context engineering】—— LangChain 上下文工程实战：让 Agent 变得可靠的真正关键

上下文工程是让 Agent 可靠的关键：多数失败源于“该给的上下文没给对”。需控制三类上下文：模型上下文（临时指令与工具）、工具上下文（持久读写）、生命周期上下文（调用间钩子）。通过 Middleware 钩住循环，动态注入提示、过滤工具、选择模型，方能将正确信息以正确格式交给 LLM。

2026-09-08 09:00:00 169

原创【LangChain进阶04：RAG】—— LangChain RAG 入门：从文档加载、切分到向量检索

这篇教程讲解LangChain中RAG的离线建库流程：通过Document Loader加载文档，用Text Splitter切分（含重叠设置），经Embedding模型向量化后存入向量库，实现语义检索。强调chunk_size和overlap对效果的影响，并以OpenAI Embedding为例，指导搭建RAG基础索引。

2026-09-07 09:00:00 283

原创【LangChain进阶04：RAG】—— LangChain RAG Agent 实战：把检索器变成工具，构建能查私有库的智能助手

本文介绍如何将检索器包装成LangChain工具，构建RAG Agent，使其能基于私有知识库自动检索、引用并回答。通过@tool装饰器和明确的description，让模型按需调用检索；结合system_prompt强制规则，避免编造。最后展示测试结果、执行链路及添加引用来源与持久化的优化方法。

2026-09-07 09:00:00 525

原创【LangChain进阶02：Human-in-the-loop】—— LangChain 人工介入实战：让 Agent 在关键节点停下来等人审批

LangChain 通过人工介入（HITL）机制，让 Agent 在执行删除、支付、发邮件等不可逆操作前暂停，等待审批后继续。技术核心是 LangGraph 的 interrupt() 配合 Checkpointer 保存状态，支持在工具内部中断或通过 interrupt_before/after 设置全局断点。审批可提供 approve、edit、reject、respond 四种决策，实现安全可控的自动化操作。

2026-09-06 09:00:00 202

原创【LangChain进阶03：Long-term memory】—— LangChain 跨会话存储（Store）实战：让 Agent 记住你，而不是只记住对话

本文介绍 LangChain 跨会话存储(Store)，用于持久化用户偏好等数据，区别于 Checkpointer 仅限单线程对话。Store 用命名空间、键值对组织数据，支持增删查搜。在 Agent 中通过 InjectedStore 注入，工具可访问共享存储，实现跨对话长期记忆。简洁实用。

2026-09-06 09:00:00 442

原创【LangChain组件06：Memory】—— LangChain 对话记忆 Checkpointer 实战详解——让 Agent 真正记住多轮对话

Agent 多轮对话默认失忆，因每次 invoke 独立运行。本文通过 Checkpointer 保存状态、thread_id 区分线程，实现跨轮记忆与多用户隔离；详解 InMemorySaver 用法、状态管理原理及长对话上下文兜底方案。

2026-09-05 09:00:00 319

原创【LangChain进阶01：Multi-agent】—— LangChain 多 Agent 实战：从子 Agent 到架构选型，让 Agent 团队协作

单Agent因上下文过长、工具过多易“分心”，多Agent通过“专而精”分工解决。实现方式包括把子Agent包装成工具、用name区分Agent及Middleware路由。架构模式有协调者、接力、辩论及官方Subagents、Handoffs、Skills、Router四模式，需按场景权衡复杂度与效率。多Agent增加Token消耗，应优先尝试单Agent方案。

2026-09-05 09:00:00 182

原创【LangChain中间件01】—— LangChain 中间件入门：六个钩子让 Agent 可插拔

LangChain 中间件通过六个钩子（before_agent、before_model、after_model、after_agent、wrap_model_call、wrap_tool_call）在 Agent 执行流程中插入自定义逻辑，无需修改源码。分为观察型与控制型两类，支持装饰器或类继承，实现日志、权限校验等内容处理。

2026-09-04 09:00:00 341

原创【LangChain中间件02】—— LangChain 中间件进阶：用 wrap_ 接管模型与工具调用

本摘要介绍 LangChain 中间件的进阶用法，重点讲解 wrap_model_call 和 wrap_tool_call 钩子如何“接管”模型与工具调用。通过 handler 回调控制执行，实现失败重试、主备降级、结果缓存、请求改写等能力，使 Agent 从“能跑”变为“扛得住”，是生产环境可靠运行的关键。

2026-09-04 09:00:00 225

原创【LangChain组件00：Models】—— LangChain Chat Model 详解：从常用参数到 bind_tools 与结构化输出

本文详解 LangChain Chat Model 的基础角色、常用参数（temperature、max_tokens、timeout、max_retries、base_url、top_p、stop、seed）及高级用法。bind_tools() 使模型能返回工具调用请求，with_structured_output() 可按 Schema 直接输出结构化数据，二者是构建 Agent 与结构化提取的基石，帮助开发者写出可控可靠的智能体。

2026-09-03 09:00:00 301

原创【LangChain组件01：Messages】—— LangChain Messages 消息类型：从四种核心消息到多模态与消息裁剪

LangChain中对话均通过消息对象传递，四种核心类型为HumanMessage、AIMessage、SystemMessage、ToolMessage，对应不同角色。理解其关系是构建Agent的基础。文章还介绍了AIMessageChunk流式片段、ContentBlock、多模态消息、ToolCall绑定及消息裁剪与删除，帮助开发者正确构造和操作对话历史。

2026-09-03 09:00:00 279

原创【LangChain组件05：Streaming】—— LangChain 流式输出 Streaming：从逐 Token 打字到异步 SSE 实战

文章介绍了LangChain流式输出机制，解决invoke()需等待全部完成的问题。通过stream()可按模式实时输出：messages逐token打字，updates展示tool调用与回复步骤，custom自定义状态事件。还涵盖metadata、异步astream与FastAPI SSE集成。旨在降低首token延迟，提升交互体验。

2026-09-02 18:25:30 234

原创【LangChain组件04：Structured output】—— LangChain 结构化输出：从 Pydantic 模型到三种输出策略实战

本文介绍LangChain结构化输出实战：通过将Pydantic模型传给response_format，让模型直接返回结构化对象，省去文本解析。支持与工具共存，实现先查询再输出；支持嵌套与枚举等复杂Schema。详细演示了从定义模型、创建Agent到获取structured_response的全流程，并对比了ToolStrategy、ProviderStrategy、AutoStrategy三种输出策略的原理与选型。

2026-09-02 18:24:49 168

原创【LangChain组件03：Agents】—— LangChain Agents 执行与状态：工作流程与状态管理实战

本文剖析LangChain Agent内核：Agent由模型、工具和循环调度器组成，执行循环为调用模型→检查工具请求→执行工具→回传结果，直至模型不再请求工具。通过stream_mode='updates'可追踪节点，'values'查看完整状态累积。状态管理依赖消息历史逐步追加，调用方式有invoke/stream等。

2026-09-01 22:15:20 249

原创【LangChain组件03：Agents】—— LangChain Agents 创建与配置：create_agent 函数与动态提示词详解

本文详解LangChain的create_agent()函数：它通过一个函数构建完整的Agent图，封装模型调用、工具循环和状态管理。文章先阐明Agent是模型在循环中调用工具直至任务完成（Model+Harness），再拆解create_agent()的参数（model、tools、system_prompt等）、返回值CompiledStateGraph及核心参数用法，并给出示例和进阶玩法。

2026-09-01 21:35:57 425

原创【LangChain入门】—— LangChain Agent 基础三部曲：消息类型 → Chat Model 高级用法 → LangGraph 编排

消息类型是 Agent 的语言，Chat Model 高级用法是手脚，LangGraph 是骨架。全文以此递进：先厘清 LangChain/LangGraph 等产品定位，再详解 HumanMessage、AIMessage、SystemMessage、ToolMessage 及 tool_call_id 匹配等避坑要点，随后引出 bind_tools 与 with_structured_output 两种关键能力，最后落到 LangGraph 编排，实现可持久化、可中断、可部署的 Agent。

2026-08-31 23:03:49 184

原创【LangChain组件02：Tools】—— LangChain Tools 完全指南：从 @tool 装饰器到运行时上下文与错误处理

本文系统讲解LangChain工具开发全链路：@tool装饰器定义工具、Pydantic/JSON Schema定义参数，重点阐述ToolRuntime运行时上下文——包含State（短时记忆）、Context（不可变配置）、Store（长时记忆）、Stream Writer、Execution Info等八大组件，并涵盖返回值设计与Headless/Server-side等进阶模式，最后给出从旧InjectedState迁移到ToolRuntime的对照表与验证清单，助力生产级工具开发。

2026-08-31 22:57:17 1532

原创【大模型基础｜推理篇02】—— vLLM 部署与推理优化实战：从启动参数到显存优化，KV 调优

本文详解 vLLM 在 4×A100 80G 环境下的部署与推理优化，聚焦显存管理核心痛点。通过 PagedAttention 实现 KV Cache 分页管理，将显存浪费从 60%–80% 降至 4% 以下，吞吐提升至 HuggingFace Transformers 的 24 倍。重点解析启动参数调优：合理设置 gpu-memory-utilization、max-model-len、max-num-batched-tokens 及 kv-cache-dtype，结合张量并行（TP=4）与量化技术，实现

2026-08-20 17:05:56 482

原创【全栈开发00】从源码到上线！Java项目底层运行原理 + 企业级Docker部署全流程（实战案例）

本文以企业级SpringBoot项目为例，完整解析Java代码从源码到线上服务的全流程运行原理。核心分为：源码编译（.java→.class）、打包（Jar包）、JVM执行三个阶段。详细拆解了Docker部署方案，包括Dockerfile构建镜像（基于JDK环境运行java -jar命令）和docker-compose编排服务（管理MySQL/Redis/Nginx等依赖）。特别强调JVM是唯一运行载体，Maven和Docker只是辅助工具，本地与线上运行原理完全一致。文章还澄清了常见误区，并给出JVM参数

2026-08-13 16:36:12 170

原创【Python基础01】——彻底搞懂C、Java、Python的本质区别：编译型与解释型（零基础通俗易懂）

文章摘要：本文深入解析了C、Java、Python三种主流语言的本质区别，聚焦于编译型、解释型和混合型语言的执行机制。C语言是纯编译型，直接生成机器码，执行快但不跨平台；Java是混合型，先编译为字节码再由JVM解释执行，兼顾性能和跨平台；Python是解释型，逐行翻译执行，开发效率高但运行慢。文章对比了三者在执行流程、运行速度、类型系统和适用场景的差异，并澄清了常见误区（如Python也有隐式编译）。最后指出语言选择建议：C用于底层开发，Java适合企业级应用，Python侧重快速开发和AI领域。理解这

2026-08-13 16:17:45 390

原创【Git实战技巧01】—— 团队协作必看！Git提交历史规范用法，告别杂乱日志

本文分享了团队协作中Git提交历史的规范用法（Conventional Commits），帮助开发者告别杂乱日志。规范的提交信息包含标题（类型+作用域+描述）、正文和页脚三部分，需遵循严格的格式规则。常见提交类型如feat（新功能）、fix（修复Bug）、refactor（代码重构）等，作用域用于定位改动模块。通过正反案例对比，强调规范提交的重要性。团队可结合Git Hooks或Commitlint工具自动校验，并遵守"禁止无效提交、禁止修改公共历史"等禁忌规则。规范的Git提交能提升团队协作效率，降低维护

2026-07-15 21:26:58 251

原创【Linux实战技巧01】Docker 高效排查技巧：用好管道 _ + grep，告别密密麻麻的日志和命令输出

本文介绍了利用Linux管道符|和grep命令高效排查Docker问题的技巧。核心原理是通过管道将命令输出传递给grep进行关键词过滤，快速定位容器、镜像、日志等关键信息。文章提供了7个Docker高频场景的实操命令，包括容器查找、日志分析、配置查询等，并扩展了这套方法在开发运维全链路中的应用，涵盖进程管理、端口排查、日志分析、代码检索等场景。该方法能显著提升故障排查效率，是后端开发和运维人员的必备技能。

2026-07-15 21:20:54 410

原创【大模型基础01】—— 一文吃透大模型部署与微调显存原理：多少B模型吃多少显存，彻底搞懂不踩坑

摘要：大模型部署与微调的显存占用有固定规律，核心公式为“显存(GB)=参数量(B)×单参数字节数”，不同精度（FP16/INT8/INT4）对应不同字节数。推理显存包括权重、KV缓存和激活值，而微调显存更高，需额外考虑梯度和优化器状态。LoRA微调通过冻结主干模型、仅训练两个低秩矩阵大幅降低显存，使32B模型在24G显卡上可运行QLoRA微调。关键误区包括忽略量化精度、混淆推理与微调显存、忽视KV缓存增长。优化方案包括量化、控制上下文长度、使用LoRA/QLoRA和梯度检查点。32B模型是消费卡与专业卡的

2026-07-06 16:06:19 303

原创【Mac开发环境配置02】—— Homebrew + jenv 多 JDK 版本统一管理指南

本文介绍了在Mac上使用Homebrew和jenv管理多版本JDK的完整方案。主要内容包括：1) 通过Homebrew安装多个OpenJDK版本；2) 安装配置jenv实现版本隔离；3) 三种切换模式（全局/临时/项目级）；4) 与Maven的集成；5) 常见问题解决方案。该方案解决了Java开发中多版本共存和切换的痛点，支持Apple Silicon芯片，适用于需要同时维护新旧Java项目的开发者，提供了高效、灵活的版本管理方式。

2026-07-06 16:01:09 560

原创【终端效率工具01】—— Starship：Rust 打造的极速终端提示符，配置从入门到实战

Starship 是一款基于 Rust 开发的跨平台终端提示符工具，以极速启动、简单配置和美观主题著称。文章详细介绍了 Starship 的安装方法（支持 macOS/Linux/Windows）、核心配置文件位置（~/.config/starship.toml）以及核心概念 format 字段的用法。重点讲解了常用模块（目录、Git、语言环境等）的个性化配置技巧，包括样式定制、图标修改和触发条件设置，并分享了自定义配色方案和实用功能（如耗时统计）。相比 oh-my-zsh 等传统方案，Starship 具

2026-07-03 10:10:13 655

原创【LeetCode02】—— 两数之和：哈希表入门经典详解

文章摘要 LeetCode经典题目"两数之和"是哈希表应用的入门典范。文章详细解析了两种解法：暴力枚举（O(n²)）和哈希表（O(n)），重点推荐后者。通过图解和代码演示（Python/Java/Go/C++），解释哈希表"先查后存"的关键逻辑以避免重复使用元素。对比两种解法的优劣，指出哈希表是面试标准答案。文章还解答了常见误区，如处理重复元素、返回下标等问题，并延伸讨论有序数组的双指针解法（两数之和II）及三数、四数之和变体。最后总结核心要点和验证清单，帮助读者彻底掌握这一基础算法模式。

2026-06-11 16:36:05 327

原创【LeetCode01】—— 无重复字符的最长子串：滑动窗口经典题详解

文章摘要： LeetCode第3题"无重复字符的最长子串"是考察滑动窗口算法的经典题目。文章详解了三种解法：1)暴力枚举法(O(n³))仅用于理解问题本质；2)标准滑动窗口+哈希集合法(O(n))，通过双指针维护无重复字符窗口；3)优化版滑动窗口+哈希表法(O(n))，通过记录字符最后出现位置直接跳转左指针。重点分析了滑动窗口的核心思想：用左右指针界定子串，右指针扩展窗口，左指针在遇到重复时收缩窗口，过程中记录最大长度。文章提供了Python/Java/Go的多语言实现，对比了各解法优劣，并指出面试中掌握标

2026-06-11 16:26:16 237

原创【AI工作流搭建n8n】—— Docker + PostgreSQL 生产环境部署全攻略：MCP 集成与 Skills 技能实战

摘要：n8n生产环境部署指南本文详细介绍了开源自动化工具n8n的生产环境部署方案，重点包括：架构选择：推荐使用Docker+PostgreSQL组合，避免SQLite的并发限制部署步骤：提供完整的docker-compose.yml配置文件和关键环境变量设置 MCP集成：实现AI助手(如Claude)直接调用n8n工作流的配置方法技能扩展：支持通过社区节点扩展n8n功能安全建议：强调HTTPS、访问令牌等生产环境必备安全措施部署方案兼顾性能与扩展性，特别适合需要内网部署和数据合规的企业场景。文中

2026-06-10 18:05:00 859

原创【端侧AI模型】—— Google Gemma 4 全面解析：端侧大模型的新标杆

Google Gemma 4 是 DeepMind 推出的新一代开源轻量级 AI 模型家族，包含 2B-31B 四种规模的 Dense 和 MoE 架构模型，支持文本、图像、视频和音频多模态处理。相比前代，Gemma 4 的创新包括：256K 上下文窗口、MoE 架构降低计算成本、新增可控的 Thinking Mode 推理功能、优化端侧部署能力（支持手机本地运行）。其核心价值在于提供接近闭源模型的性能，同时满足隐私敏感场景的端侧部署需求，通过 LiteRT 和 MediaPipe 等工具链实现移动端高效推

2026-06-10 16:35:28 501

机器学习和脑认知科学课件

【Python教程代码资源】

空空如也