- 博客(1158)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 协作开发流程技术博客
随着软件项目复杂度的不断提升，单一团队已难以满足快速迭代的业务需求。代码安全风险：多方人员直接访问核心代码库质量控制难题：难以统一代码标准和质量要求协作效率低下：沟通成本高，进度难以把控知识产权争议：代码归属和使用权界定不清权限隔离：协作人员拥有适当的权限控制，确保代码安全质量把控：核心团队完全掌控代码审核和合并流程可追溯性：通过补丁文件实现变更的完整追踪工具集成：充分利用现代IDE功能提升协作效率。
2026-06-04 00:00:00
402
原创 MCP（Model Context Protocol）技术深度解析：AI Agent的标准化接口革命
AI技术的发展路径清晰展现了从对话机器人(Chatbot)→辅助决策助手(Copilot)→自主执行Agent的演进轨迹。随着AI在任务中参与度的不断提升，对**丰富的任务上下文(Context)和执行行动所需的工具(Tool)**的需求也日益增长。平台依赖性强：OpenAI、Google等不同LLM平台的Function Call API实现差异巨大开发耦合度高：工具开发者需要深入了解Agent内部实现细节工具复用性差：无法跨编程语言复用，生态碎片化严重MCP的出现正是为了系统性解决这些痛点。
2026-06-01 00:00:00
825
原创 MyBatis插件机制深度解析：从原理到实践
在现代企业级应用开发中，数据库操作是不可或缺的一环。MyBatis作为轻量级的ORM框架，以其灵活性和可扩展性赢得了广泛青睐。然而，随着业务复杂度提升，我们往往需要在不修改核心代码的前提下，实现诸如SQL监控、分页处理、数据加密等横切关注点功能。MyBatis插件机制正是为解决这类问题而生，它允许开发者在SQL执行的关键节点插入自定义逻辑，实现业务与非业务逻辑的优雅分离。})@Override// 如果不需要分页，直接执行原方法// 获取原始SQL// 构造分页SQL。
2026-05-31 00:00:00
429
原创 穿透AI Agent五大范式：原理、源码与工程实践
AI Agent技术正在重塑人机交互的边界。与传统聊天机器人不同，Agent具备自主决策、工具调用和任务执行的闭环能力。本文将深入剖析五大核心范式，从原理到源码，从理论到实践，为读者提供系统化的技术指南。本文深入解析了AI Agent的五大核心范式，从理论原理到源代码实现，再到工程实践，为读者提供了完整的技术指南。关键要点总结范式选择原则：根据任务复杂度、准确度要求和成本预算动态选择工程实践建议：从ReAct入门，逐步过渡到混合架构，最后用Harness治理性能优化方向。
2026-05-31 00:00:00
464
原创 穿透AI Agent五大范式：从理论到实践的系统化认知
随着大语言模型(LLM)的成熟，AI Agent技术正在重塑人机交互模式。与传统聊天机器人不同，Agent具备"理解目标→拆解任务→调用工具→接收反馈→修正错误"的闭环能力，本质上是一套带决策能力的自主系统。在实际工程落地中，开发者面临的核心挑战是如何选择合适的架构范式。本文基于生产环境实践经验，深度剖析五大范式的本质区别、适用场景和落地策略。AI Agent的五大范式各有其设计初衷和适用场景。理解它们的本质区别，建立系统化的认知框架，是在生产环境中成功落地Agent系统的关键。
2026-05-31 00:00:00
398
原创 Harness架构与LangChain、LangGraph三者联动的底层逻辑深度解析
在2026年的企业级AI Agent开发领域，Harness架构LangChain与LangGraph三者的联动已成为大厂标准架构的核心体现。作为字节跳动内部打磨3年并于2026年2月开源的Super Agent框架，单月斩获28K Star，其成功关键在于巧妙整合LangChain与LangGraph的能力，既规避了单一框架的局限性，又通过源码级定制实现了企业级场景所需的稳定性、可扩展性与高性能。
2026-05-30 00:00:00
803
原创 DeerFlow 源码解析：14层Middleware的洋葱责任链架构深度解析
本文深入解析最新源码中的14层Middleware中间件架构，揭示其基于的**“洋葱责任链模式”**设计思想。通过逐层剖析14个中间件的职责、源码实现和依赖关系，展现这一架构如何解决Super Agent场景中的复杂工程问题。核心亮点🧅洋葱责任链：请求穿透与响应回溯的完美实现🔒安全隔离：线程级沙盒确保执行安全⚡性能优化：Token管理与上下文压缩🛡️风险控制：死循环检测与并发限制🔧可扩展性：插件化中间件设计洋葱模型的核心定义是**“请求正向穿透、响应反向回溯”，每个中间件通过。
2026-05-30 00:00:00
417
原创 Harness Agent：AI工程的“新王者框架“深度解析
缺乏边界控制：模型能力再强，没有约束就像野马难以驾驭流程不可控：长任务执行中容易偏离核心目标缺乏容错机制：一个接口报错导致整个任务崩盘工程化缺失：Prompt Engineering只解决"让模型听懂话"，无法解决"让模型把事做完"“Harness三问”是什么？为什么？解决模型太"自由"的问题怎么做？六大模块 + 三层推进。
2026-05-29 00:00:00
658
原创 JSONP技术详解与实现方案
JSONP是一种巧妙的跨域解决方案，它利用<script>标签不受同源策略限制的特性来实现跨域数据访问。虽然JSONP在现代Web开发中已经被更安全的CORS替代，但理解其原理对于理解Web安全和跨域问题仍然很有价值。
2026-05-28 23:45:00
414
原创 JSONP技术详解与实现方案
JSONP是一种巧妙的跨域解决方案，通过利用<script>标签不受同源策略限制的特性来实现跨域数据获取。优点兼容性好，支持老旧浏览器实现简单，不需要服务器特殊配置支持GET请求跨域缺点仅支持GET请求存在安全风险（XSS攻击）错误处理困难逐渐被CORS取代使用场景需要兼容老旧浏览器的项目第三方API只提供JSONP接口简单的跨域数据获取需求在现代Web开发中，建议优先使用CORS、代理服务器或postMessage等更安全、功能更完善的跨域解决方案。
2026-05-28 00:00:00
416
原创 Diff流量回放技术原理方案解析：目的、意义与实现
流量回放（Traffic Replay）是一种通过记录生产环境的真实用户请求和响应，然后在测试环境中重放这些流量，以验证系统行为的技术。与传统的模拟测试不同，流量回放使用真实的用户数据和行为模式，能够更准确地反映系统在实际使用中的表现。Diff流量回放技术作为一种先进的测试手段，正在改变传统的软件测试方式。它不仅能够提高测试的覆盖率和效率，还能够在系统变更时提供强有力的质量保障。随着技术的不断发展和完善，流量回放将在软件开发和运维领域发挥越来越重要的作用。
2026-05-27 23:45:00
806
原创 算法复杂度：那些神秘符号背后的故事
O 是什么？算法效率的"度量衡"关注增长趋势，不是绝对时间n 是什么？输入数据的规模要处理的元素个数log n 是什么？每次排除一半的操作次数分治法的标志为什么这样设计？忽略硬件差异关注可扩展性提供理论上限。
2026-05-24 00:00:00
431
原创 符号的魔法：数学、物理、化学中那些有趣的故事
1. 符号是思维的脚手架- 好的符号让复杂思想变得清晰- 坏的符号阻碍理解2. 符号需要学习成本- 初看神秘，掌握后强大- 投资时间学习符号是值得的3. 符号在不断进化- 旧符号被淘汰（炼金术符号）- 新符号被创造（量子力学符号）4. 跨学科符号相通- 数学符号广泛用于物理、化学、计算机- 学会一套，受益多方。
2026-05-24 00:00:00
468
原创 排序算法大比拼：用游戏的方式理解计算机如何整理数据
现在你知道了吗？快速排序是分堆游戏归并排序是合并小分队插入排序是扑克牌理牌TimSort是智能整理师下次看到O(n log n)这样的符号，就知道这是在告诉你算法的"工作效率"啦！🎈喜欢这篇文章吗？欢迎分享给正在学习编程的小伙伴们！🌟。
2026-05-23 00:15:00
341
原创 O、n、log 到底是什么？
O= 算法复杂度的标记符号n= 数据的个数log n= 每次排除一半的操作次数n log n= 每个元素都做 log n 次操作数据越多，不同算法的速度差距越大O(n log n) 是排序算法的"黄金标准"选择算法要看数据规模和特点现在看懂了吗？当数据变多时，算法会有多快或多慢！🚀。
2026-05-23 00:00:00
236
原创 Java排序终极指南：Comparator家族全解析与三方库选型实战
*** 需求：前端传递排序字段和方向，后端动态构建*/break;break;break;default:// 动态调整方向方案适用场景性能灵活性学习成本推荐指数Comparable自然排序⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐Comparator通用排序⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐基本类型⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐Top N/验证⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐多字段Comparable⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐StreamEx。
2026-05-22 00:00:00
416
原创 TimSort算法深度解析：Java排序背后的“智能混合大师“
1. minRun计算公式其中:- r = 1 if 低k位中有1, else 0性质: 32 ≤ minRun ≤ 642. 归并不变式（Fibonacci-like）推论: 栈大小 ≤ log_φ(n) ≈ 1.44 × log₂(n)证明: 类似斐波那契数列增长，F(k) ≈ φ^k/√53. Galloping阈值调整minGallop_t - 2, if galloping有效边界: 1 ≤ minGallop ≤ ∞📝 TimSort终极口诀：小数组用插入，大数组归并补。
2026-05-22 00:00:00
480
原创 Java Comparator深度解析：从底层原理到实战应用
/ 场景：VIP用户优先，同级别按消费金额降序// 第1优先级：VIP等级-1 : 1;// VIP排前面// 第2优先级：消费金额降序});📝 Comparator口诀：正升负降零相等，返回值要记心中comparing建比较器，thenComparing链式拼reversed反转顺序，nullsFirst空在前基本类型用专用，溢出陷阱要避开比较契约需遵守，传递对称不能忘维度要点核心本质函数式接口，定义比较规则返回值正数(>)、负数(<)、零(=)常用方法空值处理性能优化。
2026-05-21 23:45:00
396
原创 Java 三大 JSON 框架源码深度剖析：Jackson vs Gson vs Fastjson
构造配默认，configure改位，deserialize查位，缓存提性能”
2026-05-21 00:00:00
493
原创 Jackson ObjectMapper 配置详解与 Java JSON 处理工具深度对比
│ Java JSON 处理工具生态 ││ │ │ ││ Spring默认 │ Android首选 │ 高性能场景 ││ 功能最全 │ API最简洁 │ 速度最快 │@Bean@Primary// === 反序列化配置 ===// === 序列化配置 ===// === 日期格式 ===// === 时区设置 ===维度结论是否需要额外配置❌ 不需要，现有配置已足够✅ 必须设为 false工具选型✅ Jackson 是最优选择性能优化空间。
2026-05-20 23:45:00
471
原创 IDEA缓存“失灵“真相：Git切换分支后Maven/Gradle报错的终极解决方案
优先级操作耗时成功率🥇5秒60%🥈30秒75%🥉2分钟85%🏅5分钟95%💎删除.idea/重建10分钟99%
2026-04-16 01:00:00
785
原创 摄影焦距与变焦技术博客
透视由站位决定，非焦距直接决定检验方法：保持主体在画面大小一致（等大构图），用广角近拍与长焦远拍对比背景比例参考：Cambridge in Colour（Perspective Distortion）等效焦距 = 实际焦距 × 裁切系数检验方法：由传感器对角线与全画幅对角线之比计算；比较 Angle of View参考：Wikipedia（Angle of view / Crop factor）景深受焦距/光圈/距离/传感器/弥散圈共同决定。
2026-04-04 00:15:00
559
原创 远摄（长焦）vs 广角 vs 变焦
目标读者：摄影初学者、手机摄影用户、内容创作者、器材选购者常见困惑：变焦是不是画质差？（光学变焦不差；数码变焦是裁剪）远摄一定更虚吗？（虚化受光圈、拍摄距离、背景距离共同影响）等效焦距如何理解？（不同传感器尺寸导致视角不同）目标：统一术语、厘清机理、指导选型与实拍决策，形成速记口+系统认知定义清晰：远摄/广角归属于“焦距-视角”，变焦归属于“结构-可调性”机制透彻：透视由机位决定，虚化由光圈+距离+焦距共同决定实战有效：先目标→定视角→选机位→配参数→微调焦段完成构图。
2026-04-03 23:45:00
912
原创 H5 扫码技术选型与实战全指南
对比维度：识别对象、扫码模式、解码/加速、识别率、性能/资源、兼容性、权限与易用、UI/集成成本、离线图片识别、条码支持、生态/文档。getUserMedia 请求权限。评分与取舍（5 分制，快速决策）
2026-04-02 23:45:00
755
原创 二维码识别技术全景：从经典算法到端侧深度学习与工程落地
典型应用：移动支付、登录与设备配对、物流溯源、入场验票、工业产线扫码、车载/手持终端快速盘点等。识别成功率（鲁棒性）：强光/低光、模糊、倾斜、彩色/反色码、微小码、污损/遮挡、多码同屏。端到端时延：移动端流畅体验通常需要在100毫秒级完成稳定解码；摄像头实时流应达20–60 FPS。资源限制：端侧功耗、CPU/GPU/NPU占用、内存峰值；离线可用性；隐私与合规要求（不出端/加密存储）。经典 CV 流水线是“快准省”的坚实基线；
2026-03-28 00:00:00
563
原创 Web 前端扫码解码图文深潜
九、React/Vue 参数目的与效果速览（图文说明）Mermaid 全局初始化（示例，在站点层配置）七、参数-原理-效果映射图（Mermaid）五、ZXing QR 解码底层原理（图文）六、Quagga 条形码定位与解码（图文）ZXing QR 管线（Mermaid）Quagga 管线（Mermaid）八、选型与排错决策（Mermaid）三、整体数据流图（Mermaid）视频采集 getUserMedia。预处理 灰度/锐化/二值化/ROI。用户控制 Torch/暂停/镜像。
2026-03-27 00:30:00
398
原创 Web 前端扫码解码图文深潜（配色与分组版）
限定 formats + ROI + tryHarder。限制 formats + 设 scanDelay。十、React/Vue 组件与参数作用（速览）七、Quagga 条形码定位与解码（图）三、全局主题配置（建议在站点层设置）六、ZXing QR 解码管线（图）视频采集 getUserMedia。预处理 灰度/锐化/二值化/ROI。五、图像预处理原理与节点分组（图）用户控制 Torch/暂停/镜像。四、整体数据流与责任分层（图）二值化/定位/透视/纠错/解码。八、参数—原理—效果映射（图）
2026-03-27 00:00:00
832
原创 Web 前端扫码解码深度实践（配色与节点分组版）
限定 formats + ROI + tryHarder。七、Quagga 条形码定位与解码（图文）九、参数-原理-效果映射（Mermaid）ZXing QR 管线（Mermaid）WASM 解码 ZXing/Quagga。四、全链路原理与分层（Mermaid）六、ZXing QR 解码底层（图文）Quagga 管线（Mermaid）十、选型与排错决策（Mermaid）视频采集 getUserMedia。预处理 灰度/二值化/ROI/锐化。八、WASM 与并发（原理与取舍）
2026-03-26 00:30:00
333
原创 Web 前端扫码解码深度实践（配色与节点分组版）
限定 formats + ROI + tryHarder。七、Quagga 条形码定位与解码（图文）九、参数-原理-效果映射（Mermaid）ZXing QR 管线（Mermaid）WASM 解码 ZXing/Quagga。四、全链路原理与分层（Mermaid）六、ZXing QR 解码底层（图文）Quagga 管线（Mermaid）十、选型与排错决策（Mermaid）视频采集 getUserMedia。预处理 灰度/二值化/ROI/锐化。八、WASM 与并发（原理与取舍）
2026-03-26 00:00:00
337
原创 Web 前端扫码解码图文深潜（主题化配色版）
若不支持，保持基础语法与结构清晰即可。算法收敛 formats/tryHarder/ROI。十一、React/Vue 组件与参数目的与效果速览。七、Quagga 条形码定位与解码（底层机理）并发与节流 workers/scanDelay。四、全链路原理与责任分层（Mermaid）监控与上报 成功率/平均耗时/FPS/功耗。六、ZXing QR 解码管线与参数映射。八、参数-原理-效果映射（直观对齐）十、选型与排错决策（Mermaid）视频采集 getUserMedia。预处理 灰度/锐化/二值化/ROI。
2026-03-26 00:00:00
777
原创 Web 前端扫码解码（配色与分组·专业版）
五、BarcodeDetector（内置 API）工作机制与取舍。限定 formats + ROI + tryHarder。八、WASM、Worker 与并发调优（性能闭环）七、QuaggaJS（条形码）管线与定位机理。九、参数—原理—效果映射（Mermaid）六、ZXing（二维码与一维码）底层机理。ZXing QR 管线（Mermaid）三、全链路原理与分层（Mermaid）四、采集与预处理（底层原理与参数映射）Quagga 管线（Mermaid）预处理 灰度/二值化/ROI/锐化。
2026-03-25 00:15:00
407
原创 Web 前端扫码解码蓝/黄/灰主题深潜：配色分组 + 底层原理 + 参数映射
实战建议：约束 640x480 起步；只开必要 formats；要点：readers 只启目标码制→提速与稳态；要点：仅开必要 formats；复杂场景开 tryHarder；要点：ROI 聚焦中央；必要时再升分辨率与 tryHarder。要点：线程过多会争用；节流与并发需联动优化；监控 FPS/平均耗时。要点：输入质量决定上限；提示：全程保留降级路径；按光线/分辨率/格式逐项收敛。八、WASM、Worker 与并发调优。
2026-03-25 00:00:00
419
原创 Web 前端扫码解码选型与参数目的与效果全解
解码 ZXing/Quagga/Detector。五、React 生态组件参数详解（目的与效果）七、BarcodeDetector 参数与效果。八、工作流与参数映射（Mermaid）四、参数目的与效果总览（跨框架通用）视频流采集 getUserMedia。formats/hints 搜索空间。用户控制 Torch/暂停/镜像。scanDelay 功耗/实时。ZXing WASM/组件封装。六、Vue 生态组件参数详解。预处理 ROI/灰度/锐化。十二、速记口诀（参数版）错误与降级 提示/回退。
2026-03-24 23:45:00
366
原创 Web 前端扫码解码深潜进阶：底层原理 + 参数目的与效果 + 可读性友好图表
限定 formats + ROI + tryHarder。限制 formats + 设 scanDelay。九、参数-原理-效果映射（Mermaid）ZXing QR 管线（Mermaid）WASM 解码 ZXing/Quagga。Quagga 管线（Mermaid）三、全链路数据流（Mermaid）视频采集 getUserMedia。预处理 灰度/锐化/二值化/ROI。五、ZXing QR 解码关键步骤。六、Quagga 条形码定位与解码。十三、排错决策树（Mermaid）
2026-03-24 23:30:00
339
原创 二维码识别技术全景：从经典算法到端侧深度学习与工程落地
典型应用：移动支付、登录与设备配对、物流溯源、入场验票、工业产线扫码、车载/手持终端快速盘点等。识别成功率（鲁棒性）：强光/低光、模糊、倾斜、彩色/反色码、微小码、污损/遮挡、多码同屏。端到端时延：移动端流畅体验通常需要在100毫秒级完成稳定解码；摄像头实时流应达20–60 FPS。资源限制：端侧功耗、CPU/GPU/NPU占用、内存峰值；离线可用性；隐私与合规要求（不出端/加密存储）。经典 CV 流水线是“快准省”的坚实基线；
2026-03-23 23:45:00
429
原创 Maven依赖管理机制深度解析：从配置到下载的完整链路
Apache Maven自2004年发布以来，已成为Java生态系统中最流行的项目管理和构建自动化工具。它通过约定优于配置的原则，简化了项目构建、依赖管理和文档生成等复杂过程。在实际项目开发中，我们经常会遇到多模块项目结构，其中父POM用于统一管理依赖版本和公共配置，而子模块则专注于具体业务逻辑。然而，许多开发者对Maven的依赖继承机制存在误解，认为父POM中声明的依赖会自动传递给所有子模块。父配子用显声明，按需下载不自动。作用域定传递性，编译运行要分清。依赖管理统版本，显式引用才生效。
2026-03-19 00:00:00
478
原创 Maven JAR包拉取失败排查全攻略：从入门到精通
Maven通过中央仓库和远程仓库机制管理项目依赖，当执行或等命令时，Maven会自动从配置的仓库中下载所需的JAR包。然而，由于网络环境、配置错误、仓库问题等多种因素，JAR包拉取可能会失败。根据JetBrains 2023年开发者调查显示，约78%的Java开发者在使用Maven时遇到过依赖下载问题，其中JAR包拉取失败是最常见的问题之一，占比高达65%。Maven JAR包拉取失败是Java开发中常见的问题，但通过系统性的排查方法，大多数问题都可以得到解决。理解问题本质。
2026-03-18 23:45:00
542
原创 程序员会变多吗：从经济学到工程治理的全景技术博客
生成式 AI 正在重构软件的生产函数与协作边界，扩大“会编程的人”的外延，并抬升专职程序员在架构、约束与安全上的门槛。本文整合经济研究与工程实践，回答“程序员会变多吗”，并以 TOGAF 为主线给出治理与落地方法，附优化配色的 Mermaid 与 SVG 图示。注：若当前平台不支持 Mermaid 预览，请在支持 Mermaid 的 Markdown 渲染器中查看，或导出为图片用于演示。视觉优化说明（Mermaid/SVG）技能门槛上移（约束/安全/评测）技能门槛上移（约束/安全/评测）
2026-03-08 00:00:00
722
原创 就业与角色演化：程序员会变多吗？
AI 不只是“改变生活”，而是在重构软件的生产函数与协作边界。它扩大了“会编程的人”的外延，让更多岗位具备“轻编程/意图驱动的自动化”能力；同时抬升专职程序员在架构、约束与安全上的能力门槛。结论：短期不会导致“程序员人数直线减少”，更可能出现“总从业人群增多、角色重构、技能门槛上移”的组合效应。生成式 AI 在代码生成、测试生成、漏洞修复、架构评审、需求细化、文档撰写等环节已具备可用性，降低了“编程”门槛。历史经验表明：当开发成本下降、交付速度提升时，软件需求会扩张（价格弹性），行业渗透率提高。
2026-03-07 00:00:00
671
原创 “编程的终结”？LLM时代的编程范式重构与实践
编程的终结”并非字面意义的消亡，而是编程接口从人类面向语法，迁移到人类面向语义：开发者通过自然语言描述意图，LLM 负责综合上下文、生成代码、调用工具与服务，形成可执行工件与可验证结果。编程更像是产品定义、数据治理与约束管理。一言以蔽之：程序是由数据和意图驱动的概率系统，代码只是其中的一层产物。下图给出语义到执行的闭环：人类意图LLM/Agent工具/代码结果/反馈图 1：语义到执行的闭环：意图 → 推理/规划 → 代码/工具 → 评估反馈。
2026-03-06 23:45:00
434
使用 Hosts File Editor 插件修改 Windows `hosts` 文件并刷新 DNS 缓存
2024-07-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人