- 博客(19)
- 收藏
- 关注
RSS订阅
原创 COLA-statemachine事务失效踩坑
cola-statemachine是阿里开源项目COLA中的轻量级状态机组件。在实际使用的过程中我曾发现状态机内事务不生效的问题，经过排查得到解决，以此记录一下。
2023-05-17 17:28:50
1995
2
原创 Comet: 基于OpenSpec+Superpowers双星驱动的SpecSkill
Comet是一个创新的AI开发工具，通过整合OpenSpec和Superpowers的优势，构建了一套完整的开发工作流。它采用五阶段模型（Open→Design→Build→Verify→Archive），利用OpenSpec管理需求生命周期和归档，结合Superpowers实现深度设计和工程执行。通过状态机机制（.comet.yaml）和自动化脚本确保流程规范，解决了单独使用这两个工具时存在的"WHAT清晰但HOW不足"和"HOW强大但WHAT闭环缺失"的问题。Comet不是替代现有工具，而是通过智能编排
2026-05-18 22:54:57
1961
1
原创 自进化的用户记忆-让AI Agent在多轮对话中更懂你
摘要 本文介绍了"自进化的用户记忆"技术，旨在让AI Agent在多轮对话中更好地理解用户。该技术通过工程化方法实现记忆的自进化，包含两个核心阶段：Extract阶段通过分析用户提问提取角色特征和沟通偏好；Update阶段动态更新记忆并处理记忆冲突。系统设计了ShortUserRoleExtractResult数据结构来存储用户特征，并采用阈值机制判断何时更新记忆。实验案例表明，该技术能有效识别用户身份和偏好，使AI回答更具针对性。作者认为记忆能力将成为AI Agent的重要区分度，虽然
2026-04-10 18:36:29
442
原创 Hapi-使用手机远程你的Claude Code
Hapi是一个基于Happy二次开源的远程Vibe Coding工具，支持在手机上远程访问和操作你的Claude Code环境，支持斜杠命令，远程开启会话，操作你本地Claude Code一切支持的东西，让你随时随地都能进行代码编写和调试
2026-03-25 16:29:17
613
原创 如何使用Spring-AI实现完整的ChatAgent产品&SpringAI源码解读
本文主要介绍了Spring-AI源码的核心概念和设计思路。以及怎样通过Spring-AI实现一个完整的ChatAgent产品
2026-02-11 18:07:44
1020
原创 Spring AI Alibaba DeepResearch源码解读
DeepResearch是由SAA社区开发的智能体项目，通过多节点Graph架构实现信息搜索、分析和结构化报告生成。核心包括14个功能节点，如短期记忆、协调者、背景调查等，支持多模型协作、任务规划、反思机制等技术。项目采用Spring AI框架，实现智能搜索分类、查询重写扩展、专业知识库决策等功能。源码分析展示了节点配置、多Agent初始化、模型绑定等关键实现细节，为构建复杂AI工作流提供参考。
2026-02-07 17:11:25
637
2
原创 Rpamis-security-基于Mybatis-Plugin的一站式加解密脱敏安全组件
🎄项目是一个基于Mybatis插件开发的安全组件，旨在提供更优于市面上组件的脱敏、加解密落库等企业数据安全解决方案。组件提供注解式编程方式，开发者只需要对需要处理的字段或方法加上对应注解，无需关心安全相关需求，由组件全自动完成脱敏、加解密等功能。
2023-11-26 00:09:03
350
1
原创 多线程交替打印数字—多种实现
多线程交替打印数字—多种实现原文来自个人博客https://benym.cn使用synchronized锁实现public class Test { public static void main(String[] args) { mutilThreadPrintNum m1 = new mutilThreadPrintNum(); Thread thread1 = new Thread(m1); Thread thread2 = new Th
2022-01-14 21:31:32
1242
原创 LogisticRegression(逻辑回归)
LogisticRegression定义logistic回归，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。一般来说逻辑回归用来做分类任务，本文列举的是以线性的2分类为例， 除此之外还可以拓展到多更...
2018-10-22 10:17:37
900
原创 将hexo自定义域名升级https
原文转载自我的博客https://benym.cn前言Tips:有什么问题可以在下方留言板留言哦，留下自己的邮箱，可以保证快速回复最近在折腾博客，发现github上很多人说个人博客支持https很重要，原本的github.io域名本来支持https协议，但是在自定义域名之后，协议变成了http。这使得网站变得不够安全，容易被劫持。但是网上的支持https很多都是反向代理，以及SSL...
2018-08-29 16:10:38
1453
原创 动态规划问题——最长上升子序列(LIS)(三)
原文转载自我的博客benym.cn推荐链接：2. 大佬给的思路，宝石叔叔博客里面有更多精彩！ :sunglasses: 上一个版本用二分法优化了时间复杂度，但其实根据数据的样本观察可知，后面的数据都是重复的，我们只需要当列表遍历到一小时数据的最后时将后面数据的最大数加入到列表即可，这样可以快速跳出循环，避免后面不必要的查找以下代码略有区别，一种是计算数目，一种是使用新列表...
2018-08-26 15:20:41
556
原创 动态规划问题——最长上升子序列(LIS)(二)
原文转载自我的博客benym.cn推荐链接：2. 题目描述一天，小凯同学震惊的发现，自己无内的PM2.5指标是有规律的！小凯采样了PM2.5数值，发现PM2.5数值以小时为周期循环，即任意时刻的PM2.5总是和一小时前相等！他的室友小文同学提出了这样一个问题，在t小时内的所有采样点中，选取若干采样点的数值，能否找到一个PM2.5不曾下降过的序列？这个序列最长是多少？...
2018-08-26 15:19:19
722
6
原创 动态规划问题——最长上升子序列(LIS)(一)
原文转载自我的博客benym.cn推荐链接：如：求 2 7 1 5 6 4 3 8 9 的最长上升子序列。我们定义d(i) (i∈[1,n])来表示前i个数以A[i]结尾的最长上升子序列长度。 前1个数 d(1)=1 子序列为2； 前2个数 7前面有2小于7 d(2)=d(1)+1=2 子序列为2 7 前3个数 在1前面没有比1更小的，1自身组成长度为1的子序列 ...
2018-08-26 15:17:37
554
原创 Numpy中的数组维度
原文转载自我的博客benym.cn 在对 np.arange(24)(0, 1, 2, 3, …, 23) 进行重新的排列时，在多维数组的多个轴的方向上，先分配最后一个轴（对于二维数组，即先分配行的方向，对于三维数组即先分配平面的方向） 代码import numpy as np# 一维数组a = np.arange(24)print("a的维度:\n",a.ndim)# 现...
2018-08-22 22:18:31
1395
2
原创 数据类型和arange方法的使用
原文转载自我的博客benym.cnNumpy支持比Python更多的数字类型 数据类型 描述 bool_ 布尔（True或False），存储为一个字节 int_ 默认整数类型（与Clong相同；通常是int64或int32） INTC 与Cint（通常为int32或int64）相同 INTP 用于索引的整数（与Cssize_t相...
2018-08-22 21:11:49
1197
原创 Numpy中花式索引和shape用法
原文转载自我的博客benym.cn总结一下最近学习中容易出现问题的地方❗️ ❗️ ❗️ 代码from numpy import *randMat = random.randint(0, 10, (4, 3))print("原矩阵:\n", randMat)# 索引从0开始计数print("输出第一行的所有数据:\n", randMat[0, :])print("输出第二...
2018-08-20 16:50:05
536
原创 《机器学习实战》——使用k-近邻算法改进约会网站的配对效果
原文转载自我的博客benym.cn 实例：在约会网站上使用k-近邻算法(1) 收集数据：提供文本文件。 (2) 准备数据 : 使用python解析文本文件。 (3) 分析数据 使用 Matplotlib画二维扩散图 。 (4) 训练算法：此步驟不适用于k-近邻算法。 (5) 测试算法：使用海伦提供的部分数据作为测试样本。 测试样本和非测试样本的区别在于：测试样本是已经完成分...
2018-08-16 21:14:49
423
原创 《机器学习实战》——kNN识别手写图像
示例 ：使用k-近邻算法的手写识别系统 (1) 收集数据：提供文本文件。 (2) 准备数据：编写函数classify0(), 将图像格式转换为分类器使用的list格式。 (3) 分析数据：检查数据，确保它符合要求。 (4) 训练算法：此步驟不适用于k-近邻算法。 (5) 测试算法：编写函数使用提供的部分数据集作为测试样本，测试样本与非测试样本的区别在于测试样本是已经完成分类的数据，如果预...
2018-08-16 21:11:49
431
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人