<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[物联网工程专业 - 软硬兼修]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/speaking_me</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; speaking_me]]></copyright><item><title><![CDATA[从舆情工作台到可验证智能平台：InfoPulse 的开源工程设计]]></title><link>https://blog.csdn.net/speaking_me/article/details/163643443</link><guid>https://blog.csdn.net/speaking_me/article/details/163643443</guid><author>speaking_me</author><pubDate>Mon, 10 Aug 2026 18:33:03 +0800</pubDate><description><![CDATA[摘要 本文介绍了开源情报分析系统InfoPulse的设计与实现，重点解决AI工程化中的可靠性挑战。系统采用FastAPI+Vue3技术栈，通过证据约束、来源定位、租户隔离等设计原则，构建了从数据采集到决策辅助的可追溯链路。研究发现，系统可靠性主要来源于确定性边界控制而非模型复杂度，包括证据缺失时的拒答机制、显式降级策略和任务持久化等。文章详细报告了154项后端测试、353条API契约等实证验收结果，并分析了依赖升级失败的典型案例，为AI系统从原型到可审计开源项目提供了工程实践参考。 ]]></description><category></category></item><item><title><![CDATA[Mneme：一个会记住你的开源个人学习助手]]></title><link>https://blog.csdn.net/speaking_me/article/details/163544626</link><guid>https://blog.csdn.net/speaking_me/article/details/163544626</guid><author>speaking_me</author><pubDate>Fri, 07 Aug 2026 00:48:35 +0800</pubDate><description><![CDATA[Mneme 是一个面向个人和小规模团队自托管的开源 Beta 项目。它由 React 学习工作台、Spring Boot 业务网关和 FastAPI AI Agent 三部分组成，覆盖账户、资料库、结构化文档解析、RAG、流式对话、三级记忆、学习画像和 Docker 一键启动。本文会从产品目标、架构边界、关键实现、真实 E2E、踩坑过程和后续路线完整说明这个项目。]]></description><category></category></item><item><title><![CDATA[Day 014 — 场景题 + 算法冲刺 + Java 方向收官]]></title><link>https://blog.csdn.net/speaking_me/article/details/163437086</link><guid>https://blog.csdn.net/speaking_me/article/details/163437086</guid><author>speaking_me</author><pubDate>Mon, 03 Aug 2026 11:41:08 +0800</pubDate><description><![CDATA[文章摘要： 本文是Java后端方向的终极复习指南，聚焦四大经典场景题（秒杀系统、高可用支付、数据迁移、扫码登录）、LeetCode高频算法（链表/树/DP等）、项目深挖与行为面试技巧，并提供7天总复习知识图谱。秒杀系统设计强调Redis预减库存+MQ削峰；支付系统注重幂等性与分布式事务；数据迁移采用双写+灰度切换策略；扫码登录解析token状态机。算法部分提供Java题解模板，项目环节使用STAR法则量化成果，配套自测清单助力面试冲刺。]]></description><category></category></item><item><title><![CDATA[Day 013 — 分布式 + 消息队列 + 微服务]]></title><link>https://blog.csdn.net/speaking_me/article/details/163281022</link><guid>https://blog.csdn.net/speaking_me/article/details/163281022</guid><author>speaking_me</author><pubDate>Tue, 28 Jul 2026 19:53:50 +0800</pubDate><description><![CDATA[本文是 Java 后端分布式系统面试备考笔记，覆盖分布式理论（CAP/BASE、Raft、雪花算法）、分布式锁与事务（Redis/ZK 锁、2PC→TCC→Seata→MQ 最终一致性）、消息队列（RabbitMQ 与 Kafka 核心机制及选型）、微服务全家桶（Nacos、Gateway、Sentinel、K8s）四大模块，并附 10 道高频面试题标准回答，适合面试前集中突击。]]></description><category></category></item><item><title><![CDATA[Day 012 — MySQL + Redis 深度拆解]]></title><link>https://blog.csdn.net/speaking_me/article/details/163193196</link><guid>https://blog.csdn.net/speaking_me/article/details/163193196</guid><author>speaking_me</author><pubDate>Sat, 25 Jul 2026 14:20:05 +0800</pubDate><description><![CDATA[本文系统梳理了MySQL索引、事务锁、优化架构，以及Redis数据结构、缓存问题、持久化集群等后端面试核心考点，并附12道高频面试题精解，适合开发者快速复习数据库与缓存知识体系。]]></description><category></category></item><item><title><![CDATA[Day 011 — Spring 全家桶深度拆解]]></title><link>https://blog.csdn.net/speaking_me/article/details/163115661</link><guid>https://blog.csdn.net/speaking_me/article/details/163115661</guid><author>speaking_me</author><pubDate>Wed, 22 Jul 2026 22:56:32 +0800</pubDate><description><![CDATA[本文摘要主要介绍了Spring框架的核心知识体系，包括IOC、AOP、Spring Boot等模块的关键面试点。]]></description><category></category></item><item><title><![CDATA[Day 010 — Java 并发编程完整体系]]></title><link>https://blog.csdn.net/speaking_me/article/details/163087630</link><guid>https://blog.csdn.net/speaking_me/article/details/163087630</guid><author>speaking_me</author><pubDate>Tue, 21 Jul 2026 23:25:37 +0800</pubDate><description><![CDATA[本文系统梳理 Java 并发核心知识体系，涵盖线程基础、synchronized 底层原理、volatile 与 CAS、AQS 框架、线程池配置及 ThreadLocal、ConcurrentHashMap、CompletableFuture 等高频面试内容。结合流程图、源码解析、代码示例与对比表格，深入讲解锁升级、AQS 设计、线程池参数及常见陷阱，并标注重点面试考点，帮助中高级 Java 开发者高效构建并发知识体系，提升面试与实践能力。]]></description><category></category></item><item><title><![CDATA[Day 009 — JVM 完整体系 + 调优实战]]></title><link>https://blog.csdn.net/speaking_me/article/details/163055923</link><guid>https://blog.csdn.net/speaking_me/article/details/163055923</guid><author>speaking_me</author><pubDate>Mon, 20 Jul 2026 22:51:47 +0800</pubDate><description><![CDATA[﻿本文摘要重点介绍了Java虚拟机（JVM）的核心知识点，涵盖运行时数据区、垃圾回收机制、类加载机制以及性能调优等内容。]]></description><category></category></item><item><title><![CDATA[Day 008 — Java 基础 + 集合框架全通]]></title><link>https://blog.csdn.net/speaking_me/article/details/163022613</link><guid>https://blog.csdn.net/speaking_me/article/details/163022613</guid><author>speaking_me</author><pubDate>Sun, 19 Jul 2026 18:29:38 +0800</pubDate><description><![CDATA[本文系统梳理了Java面试中的核心知识点，涵盖语言基础、面向对象、集合框架和扩展特性四大模块。重点解析了JVM跨平台原理、Integer缓存机制、字符串常量池、集合类源码实现（ArrayList/HashMap/ConcurrentHashMap）、以及泛型反射等高级特性。特别强调面试高频考点：自动装箱陷阱（IntegerCache）、String不可变性、equals-hashCode契约、HashMap扩容机制（1.8树化优化）、ConcurrentHashMap的CAS+synchronized实现等]]></description><category></category></item><item><title><![CDATA[Day 007 — Agent 系统设计 + 算法冲刺 + Python 方向总复习]]></title><link>https://blog.csdn.net/speaking_me/article/details/163003065</link><guid>https://blog.csdn.net/speaking_me/article/details/163003065</guid><author>speaking_me</author><pubDate>Sun, 19 Jul 2026 00:07:44 +0800</pubDate><description><![CDATA[﻿涵盖系统设计、算法训练和面试准备三大核心模块，典型设计案例详细展示了智能客服的三级升级策略、RAG混合检索架构等技术细节，适合面试冲刺与技术提升。全文采用模块化结构，突出实战性与系统性思维培养。]]></description><category></category></item><item><title><![CDATA[Day 006 — Multi-Agent + MCP/A2A + 安全 + 可观测性]]></title><link>https://blog.csdn.net/speaking_me/article/details/162980453</link><guid>https://blog.csdn.net/speaking_me/article/details/162980453</guid><author>speaking_me</author><pubDate>Sat, 18 Jul 2026 01:50:36 +0800</pubDate><description><![CDATA[本文系统梳理了AI Agent进阶开发的五大核心模块。在协作层面，解析了四种协作模式及三大主流框架，强调角色分工与并行执行的价值；协议层面，对比了Anthropic的MCP与Google的A2A在通信架构上的创新；同时涵盖注入防御与权限隔离等安全策略，并提出利用LangSmith等可观测性工具链优化Token成本与流式输出，为构建高效、安全的Agent系统提供全景式指南。]]></description><category></category></item><item><title><![CDATA[Day 005 — RAG 检索增强生成全体系：从原理到 Agentic RAG]]></title><link>https://blog.csdn.net/speaking_me/article/details/162969405</link><guid>https://blog.csdn.net/speaking_me/article/details/162969405</guid><author>speaking_me</author><pubDate>Fri, 17 Jul 2026 14:53:12 +0800</pubDate><description><![CDATA[RAG（检索增强生成）通过检索外部知识库增强大模型回答能力，解决知识时效性、幻觉等问题。核心流程包括文档分块（递归/父子文档等策略）、向量化存储（BGE/GTE等Embedding模型）、混合检索（稠密+稀疏）、精排（Rerank）及Prompt生成。]]></description><category></category></item><item><title><![CDATA[Day 004 — Agent 核心全通：从 Prompt 工程到 ReAct 手写实现]]></title><link>https://blog.csdn.net/speaking_me/article/details/162946905</link><guid>https://blog.csdn.net/speaking_me/article/details/162946905</guid><author>speaking_me</author><pubDate>Thu, 16 Jul 2026 23:42:13 +0800</pubDate><description><![CDATA[AI Agent开发核心为ReAct范式与Function Calling机制。完整系统含规划、记忆、工具、行动四要素，需处理并行调用与异常，通过结构化提示工程将指令转化为动作序列，并建立统一异常处理与日志追踪机制。]]></description><category></category></item><item><title><![CDATA[Day 003 — LLM 大模型基础全通：从 Transformer 到 RLHF]]></title><link>https://blog.csdn.net/speaking_me/article/details/162929791</link><guid>https://blog.csdn.net/speaking_me/article/details/162929791</guid><author>speaking_me</author><pubDate>Thu, 16 Jul 2026 11:25:22 +0800</pubDate><description><![CDATA[聚焦大模型面试核心，系统梳理NLP基础、Transformer架构等七大模块。内容涵盖BPE等分词算法、Self-Attention数学原理及架构差异，详解预训练至RLHF/DPO全流程，解析KV缓存、量化加速及MoE架构。配套Self-Attention实现等Python代码与评测基准，提供高频考点解析。5-6小时可掌握90%核心考点，适合快速提升大模型工程与面试能力。]]></description><category></category></item><item><title><![CDATA[Day 002 — Python 工程化 & FastAPI & 数据库速通]]></title><link>https://blog.csdn.net/speaking_me/article/details/162912162</link><guid>https://blog.csdn.net/speaking_me/article/details/162912162</guid><author>speaking_me</author><pubDate>Wed, 15 Jul 2026 19:42:26 +0800</pubDate><description><![CDATA[本文聚焦Python后端工程化面试核心内容，重点关注FastAPI框架及其周边技术栈。文章首先展示了知识图谱，覆盖FastAPI、数据库、Redis、Docker部署和测试等高频考点]]></description><category></category></item><item><title><![CDATA[Day 001 — Python 基础全通：从解释器到 asyncio，面试一个都不放过]]></title><link>https://blog.csdn.net/speaking_me/article/details/162883937</link><guid>https://blog.csdn.net/speaking_me/article/details/162883937</guid><author>speaking_me</author><pubDate>Wed, 15 Jul 2026 01:19:55 +0800</pubDate><description><![CDATA[文章通过代码示例和面试话术，系统梳理了Python基础到进阶的核心知识点，特别针对AI应用开发场景（如FastAPI异步处理、PyTorch多线程数据加载）进行了技术适配性分析，帮助求职者快速掌握面试必备的Python底层原理和实用技巧。]]></description><category></category></item><item><title><![CDATA[校享云 — 高校智慧后勤平台微服务架构设计与实践]]></title><link>https://blog.csdn.net/speaking_me/article/details/162877436</link><guid>https://blog.csdn.net/speaking_me/article/details/162877436</guid><author>speaking_me</author><pubDate>Tue, 14 Jul 2026 18:30:52 +0800</pubDate><description><![CDATA[校享云 是一套面向高校场景的 智慧后勤与生活服务平台。它整合了报修、保洁、洗衣、商超、配送、快递等校园生活全链路服务，通过 学生端（C端）+ 师傅端（B端）+ 校方管理后台（Admin）  三端协同，实现完整的 O2O 闭环。]]></description><category></category></item><item><title><![CDATA[RAG 数据源全景解析指南：从 .txt 到知识图谱的 7 大阵营 47 种格式]]></title><link>https://blog.csdn.net/speaking_me/article/details/162711372</link><guid>https://blog.csdn.net/speaking_me/article/details/162711372</guid><author>speaking_me</author><pubDate>Thu, 09 Jul 2026 02:37:58 +0800</pubDate><description><![CDATA[RAG 系统的真正瓶颈不在向量检索，而在数据解析。本文全景式拆解 RAG 需要处理的 7 大阵营 47 种数据格式——从 .txt 的编码检测，到扫描件 PDF 的 OCR 流水线，从视频的关键帧提取到知识图谱的 GraphRAG。每种格式都配有 ASCII 流程图、可运行 Python 代码和避坑指南。读完你会发现：一个好的 RAG 系统，80% 的代码在数据管道上，只有 10% 在 Prompt 上——但大多数教程把比例反过来教。]]></description><category></category></item><item><title><![CDATA[LeetCode 3453：重叠正方形怎么等分？一行代码告诉你不需要去重]]></title><link>https://blog.csdn.net/speaking_me/article/details/162643464</link><guid>https://blog.csdn.net/speaking_me/article/details/162643464</guid><author>speaking_me</author><pubDate>Tue, 07 Jul 2026 01:01:07 +0800</pubDate><description><![CDATA[这道题初看是计算几何难题——正方形会重叠、要去重、要求精确等分。常规思路可能直奔扫描线+线段树，但本文揭示了一个关键洞察：水平线切割正方形得到的是简单矩形，面积直接求和即可，完全不需要去重。基于此，本文给出三种由浅入深的解法：浮点二分（20 行、O(n)、面试首选）、差分一次扫描（O(n log n)、性能最优）、整数二分（全程无浮点误差）。每种方法都配有逐行代码解释和 ASCII 图解，帮助你从"为什么要这样做"到"怎么实现"完整理解。掌握后，同类「二分答案 + 几何」的力扣难题都能迎刃而解。]]></description><category></category></item><item><title><![CDATA[边缘视频分析平台的架构设计与性能优化——从750ms到190ms的调优之路]]></title><link>https://blog.csdn.net/speaking_me/article/details/162013370</link><guid>https://blog.csdn.net/speaking_me/article/details/162013370</guid><author>speaking_me</author><pubDate>Mon, 15 Jun 2026 19:08:20 +0800</pubDate><description><![CDATA[本文介绍了一个边缘视频分析平台的架构优化过程，通过多项技术手段将单帧处理时间从750ms降至190ms。项目采用边缘计算架构，在资源受限的硬件（4核CPU、8G内存）上运行视频分析、传感器数据处理等服务。]]></description><category></category></item></channel></rss>