<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fancyfor的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/fancyfor</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; fancyfor]]></copyright><item><title><![CDATA[场景题复盘——Leaf方案与雪花算法]]></title><link>https://blog.csdn.net/fancyfor/article/details/169066569</link><guid>https://blog.csdn.net/fancyfor/article/details/169066569</guid><author>fancyfor</author><pubDate>Sun, 25 Oct 2026 17:50:11 +0800</pubDate><description><![CDATA[网易后端一面，场景题]]></description><category></category></item><item><title><![CDATA[限流算法——固定窗口、滑动窗口、漏桶、令牌桶]]></title><link>https://blog.csdn.net/fancyfor/article/details/169058058</link><guid>https://blog.csdn.net/fancyfor/article/details/169058058</guid><author>fancyfor</author><pubDate>Sun, 25 Oct 2026 12:27:00 +0800</pubDate><description><![CDATA[本文对比了三种常见限流算法：计数器（固定/滑动窗口）仅关注请求数量，易受临界突刺影响；漏桶算法通过恒定速率输出，实现流量整形，保护下游但响应延迟高；令牌桶则允许突发，空闲时攒令牌，兼顾平滑与效率，适合大多数场景。三者本质区别在于对突发流量的处理策略，选择应基于业务需求。]]></description><category></category></item><item><title><![CDATA[Redis 有哪些常见数据结构？它们的底层实现和使用场景是什么？]]></title><link>https://blog.csdn.net/fancyfor/article/details/163421557</link><guid>https://blog.csdn.net/fancyfor/article/details/163421557</guid><author>fancyfor</author><pubDate>Sun, 02 Aug 2026 23:48:04 +0800</pubDate><description><![CDATA[本文总结了Redis 7.0+常见面试问题，重点分析了五种基本数据类型的底层实现与使用场景。String使用SDS实现，支持O(1)长度查询和动态扩容；List采用quicklist结构，结合了链表与listpack的优势；Hash存储小对象使用listpack，大对象使用hashtable；Set在元素较少时使用intset，否则转为hashtable；ZSet通过listpack或skiplist+dict实现有序存储。文章详细解析了SDS、listpack、quicklist等核心数据结构的特点，并对]]></description><category></category></item><item><title><![CDATA[Learn Claude Code：CodeAgent 与后端程序大搭配——定时任务、Git Worktree 和MCP 服务]]></title><link>https://blog.csdn.net/fancyfor/article/details/163421176</link><guid>https://blog.csdn.net/fancyfor/article/details/163421176</guid><author>fancyfor</author><pubDate>Sun, 02 Aug 2026 22:29:18 +0800</pubDate><description><![CDATA[摘要 本文探讨了AI工程化扩展的四个关键问题及解决方案：后台任务解决慢操作阻塞问题，Cron系统实现定时任务调度，Git Worktree隔离并行修改，MCP协议标准化外部工具接入。这些模块共同构成了AI系统的工程化基础，使Agent从演示原型发展为生产级应用。文章详细分析了各模块的设计思路、实现要点和组合方式，强调"模型决策、系统执行"的工程原则，为构建可靠、可扩展的AI运行环境提供了系统化框架。]]></description><category></category></item><item><title><![CDATA[Learn Claude Code：CodeAgent 的状态机流程编排——Todo任务系统和自主智能体]]></title><link>https://blog.csdn.net/fancyfor/article/details/163421160</link><guid>https://blog.csdn.net/fancyfor/article/details/163421160</guid><author>fancyfor</author><pubDate>Sun, 02 Aug 2026 22:26:58 +0800</pubDate><description><![CDATA[本文系统探讨了多Agent系统的四个核心层级及其关键问题：1. Todo系统作为单个Agent的执行规划工具；2. Task System实现持久化任务管理和依赖关系；3. Subagent用于隔离执行子任务；4. Agent Team实现长期协作。文章指出多Agent系统的真正挑战在于任务管理、状态同步、通信机制、权限控制和文件冲突解决，而非简单的并发调用。作者通过类比线程池、Actor模型等计算机科学概念，提出了包括任务原子认领、权限冒泡、Worktree隔离等工程实现方案，强调确定性的系统设计优先于事]]></description><category></category></item><item><title><![CDATA[Learn Claude Code：CodeAgent 的灵魂——上下文管理]]></title><link>https://blog.csdn.net/fancyfor/article/details/163421128</link><guid>https://blog.csdn.net/fancyfor/article/details/163421128</guid><author>fancyfor</author><pubDate>Sun, 02 Aug 2026 22:24:45 +0800</pubDate><description><![CDATA[本文探讨了如何优化AI编码代理（Coding Agent）的上下文管理系统，以解决上下文窗口受限问题。作者提出"上下文工程"概念，强调信息分类存储和按需加载策略，将上下文信息分为静态规则、能力目录、当前工作、压缩摘要和长期记忆五类。系统采用分层压缩策略，从廉价操作（文件落盘、历史裁剪）到昂贵操作（LLM摘要）逐步执行。长期记忆通过结构化文件存储关键事实，而非简单使用RAG。文章还讨论了运行时组装System Prompt、错误恢复机制等实践建议，最终提出一个多层级的上下文系统架构，实现规则稳定、任务清晰、历]]></description><category></category></item><item><title><![CDATA[Learn Claude Code：CodeAgent 的最小架构——工具+权限+Hook扩展钩子]]></title><link>https://blog.csdn.net/fancyfor/article/details/163420934</link><guid>https://blog.csdn.net/fancyfor/article/details/163420934</guid><author>fancyfor</author><pubDate>Sun, 02 Aug 2026 22:19:56 +0800</pubDate><description><![CDATA[这篇文章探讨了构建Coding Agent的最小核心系统，重点分析了Agent循环、工具系统、权限控制和钩子机制四个关键模块。文章指出，一个可用的Agent内核远不止简单的循环结构，而是需要建立完善的协议闭环：Agent Loop通过工具调用和结果反馈实现持续交互；工具系统通过Schema定义和函数注册实现能力扩展；权限系统通过多层验证机制确保操作安全；Hook机制在不污染核心逻辑的前提下支持功能扩展。作者强调，优秀的设计应保持核心循环简单稳定，通过工具扩展能力，通过确定性代码实现安全，并通过边界控制防止无]]></description><category></category></item><item><title><![CDATA[Virtual Thread 优化 Spring AI 阻塞式 LLM I/O：对照压测报告]]></title><link>https://blog.csdn.net/fancyfor/article/details/163398923</link><guid>https://blog.csdn.net/fancyfor/article/details/163398923</guid><author>fancyfor</author><pubDate>Sat, 01 Aug 2026 22:26:32 +0800</pubDate><description><![CDATA[Virtual Thread 优化 Spring AI 阻塞式 LLM I/O 测试摘要 本测试对比了固定线程池和Virtual Thread在执行Spring AI阻塞式LLM调用时的性能差异。测试模拟1500ms固定响应时间，覆盖10-500并发场景，共完成206,400次请求。 核心发现： 500并发时，Virtual Thread使吞吐量从21.24 req/s提升至325.52 req/s P95延迟从24.14s降至1.52s 执行时间保持稳定(1.51s)，性能提升源于消除线程池排队 测试全程]]></description><category></category></item><item><title><![CDATA[大模型知识科普——多模态大模型原理：文本、图像与音频如何统一理解？]]></title><link>https://blog.csdn.net/fancyfor/article/details/163398520</link><guid>https://blog.csdn.net/fancyfor/article/details/163398520</guid><author>fancyfor</author><pubDate>Sat, 01 Aug 2026 21:46:01 +0800</pubDate><description><![CDATA[多模态大模型通过视觉编码器将图片转换为向量序列（视觉Token），再经模态对齐模块映射到语言模型空间进行推理。核心流程为：图片→视觉编码→Token化→模态对齐→LLM处理。这种设计使其擅长高层语义理解，但在处理长截图、小字识别和精确计数时易出错，主要由于视觉Token压缩导致细节丢失、缩放模糊等问题。模型本质是将非文本信息转化为Transformer可理解的序列表示，而非精准的视觉识别工具。]]></description><category></category></item><item><title><![CDATA[大模型知识科普——稠密模型、稀疏模型与 MoE 架构有什么区别？]]></title><link>https://blog.csdn.net/fancyfor/article/details/163398250</link><guid>https://blog.csdn.net/fancyfor/article/details/163398250</guid><author>fancyfor</author><pubDate>Sat, 01 Aug 2026 21:26:57 +0800</pubDate><description><![CDATA[MoE（混合专家）模型通过解耦总参数和单token算力，实现计算效率提升而非显存节省。其核心机制是每个token仅激活top-k专家进行计算，而所有专家仍需驻留显存。例如Mixtral-8x7B总参47B，显存占用与稠密模型相当。大模型（如DeepSeek-V3 671B/37B）普遍采用MoE提升吞吐，而小模型（<14B）仍以稠密为主。MoE优势在于数据中心场景的$/token经济性，但本地部署更推荐稠密模型。关键区别在于：稠密模型全员参与计算，MoE选择性激活专家，虽省算力却需完整显存支持。当前趋势显示]]></description><category></category></item><item><title><![CDATA[AI 应用开发——如何确保大模型输出标准的JSON文本？]]></title><link>https://blog.csdn.net/fancyfor/article/details/163398088</link><guid>https://blog.csdn.net/fancyfor/article/details/163398088</guid><author>fancyfor</author><pubDate>Sat, 01 Aug 2026 21:15:07 +0800</pubDate><description><![CDATA[大模型JSON输出优化的五层防御体系 摘要：大模型输出JSON时容易出现结构性错误、字段幻觉等问题，需采用五层防御体系保障输出质量：(1)优先使用模型原生结构化输出能力（如OpenAI的json_schema严格模式）；(2)自部署模型采用约束解码技术（如Outlines/XGrammar）；(3)提示工程加入Schema和Few-shot示例；(4)后处理层进行提取修复校验；(5)重试兜底机制。核心原理是通过语法约束在token采样阶段屏蔽非法选项，配合全链路校验，将JSON错误率从20%降至接近0。建议]]></description><category></category></item><item><title><![CDATA[Golang速通（Javaer版）——从基础语法到并发模型]]></title><link>https://blog.csdn.net/fancyfor/article/details/161797165</link><guid>https://blog.csdn.net/fancyfor/article/details/161797165</guid><author>fancyfor</author><pubDate>Mon, 08 Jun 2026 12:52:10 +0800</pubDate><description><![CDATA[这篇文章总结了Go语言的基础语法要点，包括：

变量和常量


变量类型需要显式转换
常量分为无类型常量和显式类型常量
使用iota实现枚举功能


控制流语句


if语句不需要括号，支持初始化语句
switch默认不穿透，需用fallthrough显式穿透
只有for循环，可省略条件变成"伪while"循环


复杂数据类型


切片(Slice)本质是结构体，传递高效
动态扩容策略：小容量翻倍，大容量平滑增长
切片是数组的视图，修改会影响原数组
哈希表(Map)的多种声明方式，nil map可读取但不]]></description><category></category></item><item><title><![CDATA[UU远程（UURemote）连接超时问题排查全记录]]></title><link>https://blog.csdn.net/fancyfor/article/details/161779694</link><guid>https://blog.csdn.net/fancyfor/article/details/161779694</guid><author>fancyfor</author><pubDate>Mon, 08 Jun 2026 01:01:55 +0800</pubDate><description><![CDATA[自己排除问题的记录1——UU远程异常显示，但是实际上不影响直接远程使用，但是没有办法直接连接我的MacBook，因此开始尝试修复问题]]></description><category></category></item><item><title><![CDATA[Java迭代器的 fail-fast 机制——为什么遍历时不能直接 remove？]]></title><link>https://blog.csdn.net/fancyfor/article/details/161648730</link><guid>https://blog.csdn.net/fancyfor/article/details/161648730</guid><author>fancyfor</author><pubDate>Wed, 03 Jun 2026 11:31:50 +0800</pubDate><description><![CDATA[本文对比了Java和Go语言在遍历集合时删除元素的差异。Java通过fail-fast机制(基于modCount和expectedModCount计数器)在检测到并发修改时会立即抛出ConcurrentModificationException异常，避免数据错乱。而Go语言由于设计哲学追求轻量，其range循环没有内置这种检查机制，需要开发者自行注意迭代安全。文章详细剖析了Java fail-fast的实现原理，解释了为何不能直接使用集合的remove方法而必须通过迭代器的remove操作，并提供了正确的删]]></description><category></category></item><item><title><![CDATA[DCL 双重检查锁——为什么必须使用 volatile？]]></title><link>https://blog.csdn.net/fancyfor/article/details/161648373</link><guid>https://blog.csdn.net/fancyfor/article/details/161648373</guid><author>fancyfor</author><pubDate>Wed, 03 Jun 2026 11:11:12 +0800</pubDate><description><![CDATA[这篇文章分析了双重检查锁定(DCL)实现单例模式时存在的问题及解决方案。关键点包括：1. DCL存在指令重排序隐患，可能导致返回未完全初始化的对象；2. 问题根源在于new操作的非原子性及可能的1-3-2执行顺序；3. 两种解决方案：使用volatile禁止重排序，或采用更优雅的静态内部类/枚举实现。静态内部类通过类加载机制保证线程安全，枚举则能防御反射和反序列化攻击。文章通过字节码层面解释了问题本质，并提供了代码示例说明解决方案。]]></description><category></category></item><item><title><![CDATA[4.17小厂HR面]]></title><link>https://blog.csdn.net/fancyfor/article/details/161232752</link><guid>https://blog.csdn.net/fancyfor/article/details/161232752</guid><author>fancyfor</author><pubDate>Tue, 19 May 2026 20:24:12 +0800</pubDate><description><![CDATA[摘要：本文复盘了一次失败的HR面试经历，总结了面试中涉及的13个核心问题，包括个人背景、求职动机、职业规划、技术能力等。候选人反思了面试中的失误，如表达不够严谨、态度略显轻视、未能展现稳定性等。同时指出了该岗位的诸多不足：C#技术栈、无转正机会、低薪资、偏远工控方向，认为对互联网职业发展不利。最后得出经验：面试中应多强调适配性，引导话题方向，避免过早暴露真实想法。这次经历为未来的HR面试提供了宝贵教训。]]></description><category></category></item><item><title><![CDATA[3.9字节 DataLeap 部门日常实习一面]]></title><link>https://blog.csdn.net/fancyfor/article/details/161232647</link><guid>https://blog.csdn.net/fancyfor/article/details/161232647</guid><author>fancyfor</author><pubDate>Tue, 19 May 2026 20:13:12 +0800</pubDate><description><![CDATA[字节跳动大数据开发实习面试复盘：面试围绕技术基础、项目经历和算法能力展开。技术考察包括Java并发（线程创建、sleep/wait区别）、RPC框架实现（Netty应用、动态代理、零拷贝）、线程池配置等；项目深挖重点询问自研RPC框架的技术细节；算法题考察代码相似度判断。面试官肯定项目独立完成度，指出需提升技术总结能力、表达条理性和编码调试效率。建议加强日常技术沉淀，注意避免在面试中提及负面实习经历。整体反映实习生需具备扎实的技术基础、清晰的项目表达和快速解决问题的能力。]]></description><category></category></item><item><title><![CDATA[4.16滴滴 AIOT 一面｜面经]]></title><link>https://blog.csdn.net/fancyfor/article/details/161232552</link><guid>https://blog.csdn.net/fancyfor/article/details/161232552</guid><author>fancyfor</author><pubDate>Tue, 19 May 2026 20:06:07 +0800</pubDate><description><![CDATA[本文总结了技术面试的核心内容与反思。面试涵盖操作系统（页表映射、中断流程）、网络（Reactor模型、Netty零拷贝）、并发（AQS、CAS）、MySQL（MVCC机制）、AI（RAG流程）等知识点，重点考察了自研RPC协议设计与性能优化实践。面试官评价基础扎实但算法实现速度不足，虽思路正确但未能在限定时间完成棋盘最短路径问题（需计算max(|dx|,|dy|)步数并组合方向移动）。反思指出滴滴面试存在等待时间长、环境嘈杂等问题，同时承认算法实现能力有待提升。整体呈现了典型技术面试的知识广度与深度考察，以]]></description><category></category></item><item><title><![CDATA[3.20字节云部门一面｜面经]]></title><link>https://blog.csdn.net/fancyfor/article/details/161232443</link><guid>https://blog.csdn.net/fancyfor/article/details/161232443</guid><author>fancyfor</author><pubDate>Tue, 19 May 2026 20:00:33 +0800</pubDate><description><![CDATA[摘要：本文记录了技术面试全过程，涵盖RPC框架、Netty、零拷贝、TCP协议等底层原理探讨，以及项目落地和算法题表现。面试官肯定了候选人的技术深度，但指出知识广度不足，建议加强网络、操作系统等基础，并强调要深入理解技术设计原理而非死记硬背。虽然面试交流深入愉快，但因算法表现不佳最终未通过。反思指出需提升算法能力，并善用AI工具进行技术追问以建立系统性认知。]]></description><category></category></item><item><title><![CDATA[4.15腾讯 CSIG云服务产线 一面]]></title><link>https://blog.csdn.net/fancyfor/article/details/161196737</link><guid>https://blog.csdn.net/fancyfor/article/details/161196737</guid><author>fancyfor</author><pubDate>Mon, 18 May 2026 16:16:14 +0800</pubDate><description><![CDATA[这是一次不太愉快的Java开发岗位面试经历。面试内容主要围绕八股文展开，涉及Go语言基础、Spring AOP、JVM、并发编程、线程池、Redis、MySQL等技术点。面试官采用引导式提问，但候选人反映问题表述不够清晰，且面试压力较大。算法题要求合并有序数组并控制空间复杂度，因题目条件不完整导致发挥不佳。最终反馈认为候选人知识面广但缺乏系统性输出，需要引导才能深入细节。整体面试体验较差，主要问题在于面试官预设答案的提问方式和高压氛围，且过于侧重八股文而忽略项目经历。一面后很快收到拒信。]]></description><category></category></item></channel></rss>