- 博客(23)
- 收藏
- 关注
RSS订阅原创 Harness Engineering 下的 Agent 记忆与状态系统：三层记忆×混合压缩工作流×OpenViking（附8道面试速答）
AgeMem（ACL 2026）的核心思路是"记忆即工具"——把记忆操作暴露为工具调用，Agent 像调用搜索工具一样调用记忆工具：`store` 存储新记忆、`retrieve` 检索相关记忆、`update` 更新已有记忆、`discard` 丢弃过期记忆。三层记忆按生命周期从短到长分为：短期记忆（messages 数组，受 128K 上下文窗口限制，会话级，最快）、工作记忆（从短期记忆中动态提取的关键信息，KB 级，会话级，快）、长期记忆（向量数据库，无限容量，永久持久化，需检索故最慢）。
2026-07-15 22:29:53
243
原创 Harness Engineering 下的 Agent 感知系统：5类输入源×7步管线×4层增强（附8道面试速答）
维度Part 1：Agent 内部机制Part 2：Harness 感知增强关注点Agent 怎么"想"和"做"Agent 怎么"看"和"防"核心组件LLM 推理 / 规划 / 工具调用 / 反思校验 / 规范化 / 隔离检测 / 路由安全模型信任 LLM 输出，依赖 prompt 约束不信任任何输入，纵深防御成本控制依赖 LLM 自觉（不可靠）硬性资源约束（Token 预算/轮数限制）多模态LLM 直接处理（有限支持）Harness 层统一翻译为结构化数据典型问题。
2026-07-15 22:22:17
318
原创 Sentinel 流量治理详解：从核心概念到滑动窗口与责任链原理（附 7 道高频题）
本文是 Spring Cloud Alibaba 系列的 Sentinel 模块第一篇，沿 **「Sentinel 是什么 -> 核心概念 -> 与 Hystrix 对比 -> 限流原理 -> 滑动窗口 -> 责任链 -> 节点类型」** 这条主线，系统梳理 Sentinel 的基础概念与核心原理。Sentinel 是阿里开源的面向分布式服务架构的**流量治理组件**，主要围绕**流量控制、熔断降级、系统负载保护**三个维度来保障微服务的稳定性。限流、熔断、降级、系统保护、热点防护都是它的职责范围。
2026-07-12 23:31:24
221
原创 面向对象设计七大原则：从 SOLID 到迪米特法则的完整实践指南（附 15 道高频题）
本文是设计模式系列的起点，沿 **「SRP → OCP → LSP → ISP → DIP → LoD → CRP」** 这条主线，系统梳理面向对象设计的七大原则，为后续学习 23 种设计模式打下坚实基础。开闭原则是 SOLID 五大原则的**核心目标**，其他四个原则（SRP、LSP、ISP、DIP）都是为实现 OCP 服务的手段。> **软件实体（类、模块、函数）应该对扩展开放，对修改关闭。**判断标准**：如果需求变更时，你需要修改这个类的**多个不相关的理由**，那就违反了 SRP。
2026-07-12 23:30:10
346
原创 【一文吃透】LangChain Middleware 中间件详解：15个预构建中间件+6个钩子点+自定义全流程实战
步骤钩子位置涉及中间件1. 人类询问→发给模型PII 脱敏 → Summarization 摘要 → ModelRetry 重试 → LLMToolSelector 筛工具2. 模型调用工具HumanInTheLoop 审批 → ToolRetry 重试 → ToolCallLimit 限次3. 工具回复模型before_model（回到循环）ContextEditing 清理 → Summarization 摘要4. 输出答案自定义收尾逻辑"""模型调用前：打印消息数"""
2026-07-03 00:00:55
339
原创 LangChain Messages 篇章学习笔记 — 模型交互的输入输出单元
告诉模型行为并提供交互上下文，给模型定角色、提供背景。SystemMessage(content="你是一个专业的 Python 翻译助手，只回答翻译结果")用途- 设置语调（正式/幽默/简洁）- 定义模型角色（翻译助手/代码专家/数据分析师）- 为 response 建立指导规则- 给模型一个"性格"和"回答风格"概念一句话理解Message模型交互的输入输出单元，携带 role + content + metadata角色定义，给模型设定背景和风格用户输入，可含多模态内容。
2026-07-01 14:01:29
288
原创 LangChain Models 篇章学习笔记 — 从模型到 Agent 的认知闭环
概念一句话理解LLM经预训练+微调，无需再训练即可执行多种任务微调获得的能力，模型输出工具调用意图（JSON）类比前后端 JSON 规范，模型输出符合 schema 的结构化数据支持图片/音频/视频等非文本输入输出Reasoning模型是 Agent 的大脑，负责决策、解释、判断终止LangChain 接口标准化统一接口，可无缝切换不同模型提供商两种使用方式直接调用（简单任务）vs Agent 驱动（复杂任务），同一接口渐进升级核心认知。
2026-07-01 13:59:09
342
原创 消息队列 MQ 核心原理：从空间换时间到进程边界（附 12 道高频题）
MQ（Message Queue，消息队列）是在生产者与消费者之间插入的有缓存、有状态的缓冲区。若生产者直接 RPC/HTTP 调用消费者，双方必须同一时刻在线、健康，且处理速度匹配——这是强同步耦合。MQ 则让生产者发送后即可返回，消费者按自身节奏消化；即使消费者宕机重启，消息仍可被重新投递（在持久化前提下）。消息队列不是「高级版的线程池」，而是分布式架构里的弹性连接层：用空间换时间，用最终一致换可用性与扩展性。
2026-06-30 00:03:10
184
原创 JVM 垃圾回收基础：从 STW 到分代收集（附 G1/ZGC 导读）
本文基础（STW/可达性/分代/触发）→ 下一篇 G1 七阶段 + ZGC 染色指针 → OOM 排查与调优参数。把「为什么 STW → 怎么判垃圾 → 为什么分代 → Young/Full 何时触发 → Mixed 是 G1 专属」串成一条线，面试就不会把 Full GC 误说成「G1 才有」。下一篇预告：G1 垃圾回收全流程 + ZGC 原理与选型对比。
2026-06-30 00:02:10
293
原创 JVM 内存模型与技术架构：从跨平台原理到运行时五区（附面试速查）
跨平台与 Class 结构（本文）→ 类加载与双亲委派（前作）→ GC 与调优（后续专题）→ OOM 排查与 Arthas 实战。把「字节码 → 类加载 → 内存五区 → 执行引擎」串成一条线，再去看 GC 日志、堆 dump、Metaspace 溢出，才有落脚点。下一篇预告：垃圾回收算法、分代收集与 G1/ZGC 选型（JVM 模块第二篇）。
2026-06-28 00:30:31
224
原创 Transformer 架构深入：从 Self-Attention 到推理解码（附 13 道高频题）
Attention 入门（前作）→ 本文 Block 全链路 → 解码与 KV Cache 工程 → GPT/BERT 分化 → Flash Attention / 长上下文优化（后续专题）。把「算子 → Block → 训练 → 推理 → 架构选型」串成一条线，比碎片化背公式更能应对大模型面试的深度追问。
2026-06-28 00:16:18
340
原创 RAG 工程深入：从分块到混合检索的完整链路（附 15 道高频题）
生产级 RAG 的核心不是「接个向量库就完事」，而是全链路工程化：分块参数、Embedding 选型、混合检索 + RRF + Rerank、查询改写、防幻觉、知识库维护——每一环都有明确的 trade-off 和调优方法。把这条链路讲清楚，比背单个概念更有面试竞争力。
2026-06-25 11:17:39
189
原创 Numpy学习
NumPy 是 Python 中科学计算的基础包。它是一个 Python 库，提供多维数组对象、各种派生对象（例如掩码数组和矩阵）以及用于对数组进行快速操作的各种方法，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。
2026-06-07 16:39:21
150
原创 Model I/O (模型输入输出)
调用方法特性典型应用场景单次输入，单次输出简单的问答、工具调用单次输入，流式输出Web 聊天界面、实时翻译多次输入，并行输出批量数据清洗、文档嵌入异步 (Async)非阻塞，并发处理高并发 API 网关、微服务。
2026-06-06 00:05:15
243
原创 Attention机制
注意力 = Q-K 匹配 + V 加权不是“修改信息”，而是“选择并组合已有信息”。Query 是“我在问什么”（Decoder 当前需求）Key 是“你能回答什么”（Encoder 各位置能力）Value 是“答案内容”（真正要取的信息）Softmax 是归一化工具，让权重可解释为“关注比例”。缩放（/√dₖ）不是可选项——它是稳定训练的关键技巧。多头注意力 = 多组独立 QKV→ 让模型同时关注语法、语义、指代等不同维度。
2026-05-27 10:45:45
386
原创 AI大模型应用开发个人笔记-----NLP
自然语言处理（NLP）的核心发展经历了三次技术跃迁：传统统计时代： 基于规则与特征提取（如词袋模型、TF-IDF），利用概率论进行分类与标注，但面临“维度灾难”与“语义鸿沟”。深度学习时代： Word2Vec 实现了词汇的向量化表示；RNN 与 Seq2Seq 架构赋予了模型处理时序数据和上下文记忆的能力，但受限于长文本的“信息压缩瓶颈”与串行计算的低效。大模型时代： 注意力机制（Attention）与 Transformer 架构彻底打破了信息瓶颈。奠定了当前 AI 工业界的核心基石。
2026-05-18 09:40:40
428
原创 Bean的生命周期
在 Spring 框架中，每个阶段都设计了丰富的扩展点，使得开发者能够深度介入 Bean 的创建与管理过程。在实例化之后、属性填充之前，Spring 利用将早期暴露的 Bean 引用放入二级缓存，并结合一级（完全初始化后的单例）、三级（存放 Bean 工厂）缓存，巧妙地支持了单例 Bean 之间的 setter 循环依赖。Spring AOP 并非在 Bean 实例化时立即创建代理，而是在的阶段（或更早的，用于特殊代理场景）判断是否需要对目标 Bean 进行增强。
2026-04-02 21:00:00
349
原创 Spring 容器的启动和创建
当 Servlet 容器（如 Tomcat）启动时： 为 Web 应用创建全局上下文环境 ； 容器调用 中配置的 方法； 该方法初始化 上下文（即 IoC 容器，默认实现为 ）； 加载 指定的配置文件信息到 IoC 容器中； 最终， 实例以键值对形式保存在 中（键为 ）。 至此，IoC 容器的初始化正式开始。通过 方法启动整个容器（通用入口） 无论是 Web 环境还是独立应用，创建 容器实例（如 或 ）后，都会调用其 方法来启动
2026-04-01 16:50:41
332
原创 JVM--类加载器
各种类加载器之间的层次关系被称为类加载器的“双亲委派模型（Parents DelegationModel）”。是一个自顶向下层级关系。双亲委派模型要求除了顶层的启动类加载器外，其余的类加载器都应有自己的父类加载器。不过这里类加载器之间的父子关系一般不是以继承（Inheritance）的关系来实现的，而是通常使用组合（Composition）关系来复用父加载器的代码。
2025-11-29 09:29:27
890
原创 java面对对象个人学习
成员变量分为两种实例变量和静态变量作用：用于声明抽象类和抽象方法是JAVA编程语言中是一个抽象类型，是抽象方法的集合。接口通常以interface来声明。一个类通过继承接口的方式，从而来继承接口的抽象方法。interface 接口名 {//抽象方法//接口中的方法默认为抽象方法，前面默认有abstract注意：1.接口并不是类，编写接口的方式和类很相似，但是它们属于不同的概念。类描述对象的属性和方法。接口则包含类要实现的方法。除非实现接口的类是抽象类，否则该类要定义接口中的所有方法。2.
2024-12-18 23:03:40
619
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