cGt04a7IB的博客

原创 Golang基础笔记十五之sync

包，就是 Golang 官方提供的“秩序维护者”，它帮我们优雅地解决并发协作问题。### 二、sync.RWMutex —— 读写锁如果场景是“读多写少”，比如缓存系统，用。不是原子操作，它分为“读取-修改-写入”三步，多个 goroutine 同时执行时，会互相覆盖对方的操作。在并发编程的世界里，Golang 的 goroutine 像一群不知疲倦的小精灵，各自独立地执行任务。专门为“读多写少”的场景优化，它内部使用了读写锁和原子操作，性能通常优于“Mutex + map”。内的代码只执行了一次。

原创 SpringBoot中使用TOTP实现MFA（多因素认证）

每隔30秒，客户端使用HMAC-SHA1对时间计数器（当前Unix时间戳除以30）和密钥进行哈希，取动态截断后的6位数字作为验证码。- 服务器使用相同算法验证用户输入的验证码，同时允许前后一个时间窗口的容错（防止时钟偏差）。多因素认证（MFA）通过结合“你知道的”（密码）和“你拥有的”（手机/硬件令牌）来显著提升安全性。### 3. 核心代码实现#### 3.1 生成密钥与二维码当用户开启MFA时，我们需要生成一个随机密钥，并生成二维码字符串（登录时，用户输入密码和TOTP码（如果已启用MFA）。

原创 HAMi vGPU 原理分析 Part：hami-scheduler 工作流程分析

原创 使用 Loki 配置告警，如何将原始日志内容添加告警到注释中？

然而，默认的 Loki 告警规则仅能触发告警事件，并不会自动携带触发告警的原始日志内容。### 总结通过将 LogQL 的解析表达式与 Prometheus 风格的模板语法结合，我们成功地将原始日志内容注入到 Loki 告警的注释中。配置好上述规则后，在 Grafana 的 Alerting 界面中，可以看到告警实例的注释中已经包含了原始日志内容。这种方法的优势在于：无论窗口内有多少条错误日志，只会触发一条告警，且展示最新的一条。如果日志内容过长，会截断。：如果多个告警规则匹配同一日志流，会导致重复告警。

原创 Sdcb Chats .. 发布，彻底移除 Azure.AI.OpenAI 专用包

减少依赖树，提升项目可维护性对于开发者而言，这意味着更少的配置烦恼和更自由的部署选择。现在，你可以用统一的代码同时连接 OpenAI、Azure OpenAI 或兼容的本地服务。## 实际影响：开发体验提升移除 Azure.AI.OpenAI 包后，带来了几个关键好处：### 1. 跨平台兼容性现在，你可以在同一段代码中轻松支持多种后端：-：代码直接耦合 Azure 的 SDK，切换其他 OpenAI 服务（比如直接调用 OpenAI API 或使用本地模型）需要大量修改。专用包，是一次明智的架构升级。

原创 飞算科技，让代码飞：欢迎体验 JavaAI 开发助手，参加炫技赛

最后提醒。

原创 uv 现代化的虚拟环境管理工具

venv。

原创 块状数组超级兵器：区间动态排名问题

原创 D Gaussian splatting : 部署模型网页展示

它与传统的 NeRF 不同，采用显式的点云+高斯椭球表示，渲染速度极快，且能实现实时交互。然而，将训练好的 3D Gaussian 模型部署到网页上，让用户通过浏览器自由查看，是实际应用中的关键一步。本文将带你从全栈工程师的实战角度出发，逐步搭建一个网页展示系统，包括后端模型服务与前端 3D 渲染。渲染时，将高斯基元按深度排序，通过“泼溅”（Splatting）方式投射到 2D 图像上，实现高质量的重建和实时渲染。：实际部署时，为了性能，应该使用二进制协议（如 flatbuffers）或压缩格式传输。

原创 Go语言编码规范：官方标准与最佳实践

强制格式化、清晰的命名规则、显式错误处理和包设计，构建了一个高效、一致的开发环境。通过上述代码示例和原理剖析，开发者可以深入理解这些规范背后的设计思想，并在实际项目中灵活应用。记住：规范不是束缚，而是团队协作的基石。的核心原理是解析Go源文件的抽象语法树（AST），然后重新生成规范化的代码。这意味着所有Go代码都遵循统一的缩进（使用制表符）、括号位置和空格规则，消除了团队间的格式争议。- 避免过大的包，拆分职责清晰的子包。### 2. 命名规范：标识符的清晰与简洁Go的命名规范强调可读性，避免冗余。

原创 【干货】这些Claude Code使用技巧对你应该有用

本文将从原理出发，分享几个实用的技巧，并配合可运行的代码示例，帮助你真正掌握 Claude Code。## 理解 Claude Code 的工作原理Claude Code 本质上是一个基于大语言模型的交互式工具，它通过解析你的自然语言指令，结合上下文（如当前文件、项目结构、历史对话）生成代码或执行操作。## 技巧三：利用“伪代码”加速复杂算法实现当你需要实现一个复杂算法（如排序、图遍历），但不想写完整代码时，可以用自然语言描述伪代码，让 Claude Code 直接生成可运行版本。），理解项目依赖和风格。

原创 实现 TB 级聚合带宽，JuiceFS 分布式缓存网络优化实践

原创 张量链式法则（上篇）：任意维度反向传播公式推导与常见算子解析

例如，一个简单的两层网络：[\mathbf{h} = \text{ReLU}(\mathbf{X} \mathbf{W}_1 + \mathbf{b}_1)][\mathbf{y} = \mathbf{h} \mathbf{W}_2 + \mathbf{b}_2]它的反向传播顺序是：先计算对 ( \mathbf{W}_2, \mathbf{b}_2 ) 的梯度，然后通过 ReLU 的梯度传播到 ( \mathbf{h} )，最后计算对 ( \mathbf{W}_1, \mathbf{b}_1 ) 的梯度。

原创 Ks 必备：kubectl patch 命令详解

通过理解 Strategic Merge Patch、JSON Merge Patch 和 JSON Patch 的原理，你能根据字段类型和操作复杂度选择最合适的策略。在 Kubernetes（简称 Ks）集群的日常运维中，我们经常需要修改现有资源的配置，比如更新 Pod 的镜像、调整 Deployment 的副本数或添加环境变量。（使用 PUT 请求替换整个资源）不同，PATCH 请求只发送字段的增量变化，从而减少网络传输和冲突风险。）：遵循 RFC 7386，用 JSON 对象表示要修改的字段。

原创 Rust 中的 Tokio 线程同步机制

在异步上下文中会导致问题：当锁被持有时，持有锁的异步任务可能被暂停（await），而其他任务尝试获取锁时会阻塞整个线程，破坏异步性能。Tokio 提供的异步同步原语避免了阻塞，允许任务在被锁住时让出控制权，从而保持高并发性。：实现灵活的通知机制。在实际项目中，合理选择和使用这些原语，结合 Rust 的所有权系统和类型安全，可以构建出既高效又安全的异步系统。记住，异步编程的核心在于非阻塞，Tokio 的同步机制正是这一理念的完美体现。是异步的，当锁不可用时，任务会挂起在事件循环上，而不是阻塞线程。

原创 React+Three.js 实现 Apple 热成像 logo

Canvasjsx// AppleLogo.jsx - Apple Logo 3D 模型import React from 'react';

原创 基于 FoundationDB 的企业级统一存储实践

这些限制不能通过参数调整，因此在将其作为文件系统元数据引擎时，需要特别关注几类容易放大元数据规模的操作：例如频繁随机写、反复 truncate、fallocate punch hole、copyFileRange 等，可能导致单个 value 持续增长；在 2 台机器故障时，服务仍然可用，但集群容错能力会降为 0，不能再容忍更多故障。分布式缓存则是我们自研的独立缓存集群，客户端通过一致性哈希将相同数据块路由到固定缓存节点，更适合多节点共享读、客户端本地空间有限，或者需要跨任务复用热点数据的场景。

原创 Java关键字解析之volatile：可见性的守护者、有序性的调节器

这里用一个表格总结它们的核心区别：| 特性 | volatile | synchronized ||------|----------|--------------|| 保证可见性 | 是 | 是 || 保证有序性 | 是（禁止重排序） | 是（通过锁机制） || 保证原子性 | 否（仅单个读写操作） | 是 || 是否阻塞线程 | 否 | 是 || 使用场景 | 状态标志、单次读写 | 复合操作、临界区 |简单来说：- 如果只需要保证一个变量在多线程间的可见性，且操作是单个读写，用。

原创 spring中el表达式安全和扩展

// 自定义安全方法：检查用户是否有管理员权限且操作时间在合理范围内 public boolean hasAdminAndInBusinessHours() { boolean isAdmin = hasRole("ADMIN");} // 自定义安全方法：检查用户是否有特定部门权限 public boolean hasDepartmentAccess(String departmentId) { // 假设从认证信息中获取用户部门 String userDepartment = "IT";

原创 manyspeech-cli 本地命令行语音识别工具

上云、不联网、不泄露，会议录音、私人录音都能放心转写，隐私绝对安全。典型使用示例。

原创 .NET 11 Preview 4 正式发布：Runtime-Async 全面启用、Process API 大幅扩展

一、概览：Preview 4 覆盖领域领域 核心亮点Libraries（类库） Process 类大规模 API 扩展；Span-based 压缩 API；浮点数十六进制格式化Runtime（运行时） 运行时库全面启用 Runtime-Async；JIT 常量折叠优化；支持 1024+ CPUSDK dotnet watch 设备选择；Fish Shell 补全；OpenTelemetry 遥测C# 语言 Shebang 诊断改进；VBCSCompiler 可选编译缓存。

原创 实战验证——把 SDK 塞进一个 macOS 原生 Agent 应用

SDK 的 assembleFullToolPool() 在没有 MCP 服务器时走了一条短路径——只返回 baseTools（用户自定义工具），不包含内置的 Core 和 Specialist 工具。OpenAgentSDK 的类型命名跟 Swift 标准库有冲突——SDK 里有个 Task 类型（用于任务追踪），跟 Swift 并发的 Task 撞了。我想做的替换：不启动外部进程，不经过 HTTP，直接在 Motive 进程内用 SDK 的 Agent.stream() 跑 Agent Loop。

原创 python-LangGraph框架（3-34-LangGraph循环实战）

input_data: str # 输入数据weather_data: str | None # 天气数据time_data: str | None # 时间数据retry_count: int # 重试次数max_retries: int # 最大重试次数。

原创 为什么 Data Ingestion 还没有被 Fivetran/Airbyte 完全解决？

Zeta 借鉴了 Chandy-Lamport 算法，在不依赖外部重量级引擎的情况下，在底层原生实现了分布式的 Checkpoint 机制，确保在任何网络波动断开时，都能实现 Exactly-Once（精准一次） 的断点续传。无论是 MySQL 的 VARCHAR、Elasticsearch 的 Object、还是 Milvus 的 FloatVector，在进入 SeaTunnel 的瞬间，都会被抹平底层差异，转换成 SeaTunnel 内部定义的标准数据结构。

原创 从链式调用到图式自治：LangChain与LangGraph核心差异与落地选型全解析

配合原生的 Checkpoint 检查点机制，框架会自动记录每一步的运行快照，轻松实现流程暂停、人工介入修改、异常自动重试和断点续跑等高级能力，完美适配生产级长流程任务，极大降低了复杂场景的开发与维护成本。直白地说，LangChain 解决的是「快速落地有无问题」，主打高效、轻量化和低门槛。它的底层执行逻辑依托链式 Pipeline、线性 Workflow 和基础 DAG，是一种典型的「单向流水线」模式：流程从上到下依次执行，节点跑完即结束，没有回头迭代的能力，天生不支持自主循环、动态分支和流程回溯。

原创 Transformer-XL

所以，大多数 Transformer 都会设定一个固定长度上下文窗口，例如：512、1024、2048 等等，这就是现在的AI模型记忆的最初形态。这样，在后续的归一化融合部分里，当前 token 就可以同时注意当前 segment 和历史 memory，实现跨 segment 的注意力。而现在，我们新增了一个缓存窗口，我们会这这一批次的编码信息存入缓存窗口，而下一批次的输出后，就会把下一个批次的输出再存入其中。之后，这三个 Segment 会只在自己的序列范围内计算注意力，从而解决长序列带来的计算量问题。

原创 Agent出现LLM因为历史工具调用消息而误解工具调用方式的问题

</tool_call>这种类似XML的格式的由来是：Agent将历史的工具调用记录转换为这种格式的字符串，再放入上下文发送给LLM。关于这点，我咨询GPT，其给出的答复是，Hermes本身就以在LLM返回的content中使用类似的XML标签来作为工具调用触发的标志。这与Memoh在发送的schema专门的tool_call结构中放入工具调用的内容的做法不一致。然而，在接下来的测试中，LLM居然开始误将这种新的格式作为工具调用的方法，继续在输出的content中写入这种内容。

原创 python-LangGraph框架（3-34-LangGraph循环实战）

首先定义专属的工作流状态，把输入数据、任务结果、重试次数、最大重试数、执行状态全部封装起来。状态是 LangGraph 循环的核心 —— 所有节点的执行、重试的判断、结果的更新，都基于这个状态流转，每一次循环都会自动更新重试次数和任务结果，为决策提供依据。LangGraph 的循环执行能力，通过状态驱动 + 条件决策的设计，让复杂的循环重试工作流变得极简、优雅。

原创 C# 实现 PDF 页面拆分：单页、指定页精准拆分

需求使用方法核心 API每页单独保存内置Split每 N 页合为一个文件手动循环 +InsertPage按指定页码提取手动筛选 +InsertPage同上。