weixin_41755783的博客

原创 物联网 基于netty入门与线程模型探秘简述

理解 Netty 的核心组件（Channel、ChannelHandler、ChannelPipeline），掌握其高性能的 Reactor 线程模型，并通过一个完整的 Echo 示例快速入门。每个 EventLoop 内部有一个 Selector 和任务队列，一个 EventLoop 服务于多个 Channel，保证同一 Channel 的事件串行执行。WorkerGroup：负责已连接的读写 I/O 及业务处理（通常业务 Handler 可再异步执行）

原创 物联网 Protobuf实战第一篇

物联网 protobuf 相关约定和定义。：避免循环依赖，确保编译顺序清晰。

原创 物联网 Protobuf入门+梳理

它被设计为独立于编程语言，也独立于操作系统。这就意味着你可以用一种语言（比如 Java）定义一个数据结构和编码消息，然后用完全另一种语言（比如 Python 或 Go）来读取和解析它，而不会有任何障碍。使用 Buf 等工具：更专业的 Protobuf 管理工具，可以 lint、格式化、自动生成多语言代码。将 .proto 文件放在独立目录（如 proto/），并用 Git 统一管理。就是将传统的model.java文件，改变为proto文件。执行下面脚本，解析proto文件，生成python代码。

原创 物联网 Protobuf文本协议入门

Protobuf（Protocol Buffers）是Google开发的高效、跨语言的序列化框架，相比JSON/XML等文本协议，Protobuf在性能、空间占用和跨语言支持方面具有显著优势。

原创 物联网 MQTT简易版Broker,基于spring-boot socket

【代码】物联网 MQTT简易版Broker,基于spring-boot socket。

原创 物联网 MQTT订阅性能优势

服务端必须明确知道设备的 IP 和端口，并且设备往往需要有一个固定或可访问的公网 IP（或通过反向连接、内网穿透辅助）。每次推送都是直接建立 Socket 连接到那个 IP 的设备。服务端必须维护一张“设备 → IP”的映射表，设备位置变了就得更新。服务端不需要知道硬件设备的 IP 地址，也不需要关心设备在哪个网络、有没有换 IP。设备主动告诉 Broker “我想订阅某个主题”，之后所有发往该主题的消息，Broker 都会自动转发给它。服务端只管往主题上发指令，设备自己“认领”消息。

原创 物联网 MQTT协议和本地socket区别

MQTT Broker 是在普通 Socket 之上实现了完整的 MQTT 协议，让你获得了发布/订阅、QoS、遗嘱消息、保留消息等高级特性，而不必自己从零实现这些复杂逻辑。发布/订阅模式让硬件开发者只需关心自己的数据主题，而不用处理设备间直接寻址、在线状态、消息缓存等底层细节，显著降低物联网系统的复杂度。硬件设备（传感器、执行器、网关、智能家电等）与云端或边缘平台通信时，发布/订阅模式天然适配“多对多、动态、低耦合”的通信需求。添加新设备时，只需让新设备订阅相关主题，无需修改其他设备。

原创 物联网 MQTT协议

它诞生于1999年，最初用于石油管道的卫星通信（带宽极低、延迟极高），后来在物联网（IoT）领域大放异彩，现已成为物联网最主流的通信协议之一。如三一重工通过MQTT监控设备，故障预测准确率达90%，并用于压力、流量等远程监测。用于城市大脑等大型数据平台，整合环境、交通、能源等各类数据。连接车辆与云平台，实现车辆数据的实时上报、远程控制和导航更新等车内车载通信。海量设备（智能音箱、控制中枢、APP）通过MQTT进行无缝通信和交互控制。连接传感器监测土壤温湿度、光照等数据，实现精准灌溉和农业自动化管理。

原创 python 如何一次性安装项目所有依赖包(pip和uv)

如何一次性导入所有依赖包，避免盲目遇到一个报错导入一个项目。

原创 python window下面uv安装和使用

而uv是更现代的、Rust编写的“一体化Python项目管理器”，旨在解决pip在性能和功能上的诸多局限（集成了项目创建、依赖锁定、Python版本管理、虚拟环境管理、脚本运行等多种功能）uv add requests(它会自动将依赖添加到pyproject.toml，并生成/更新精确锁定所有依赖版本的uv.lock文件)无需关心环境是否激活，直接运行uv run main.py(uv会自动识别并使用项目关联的虚拟环境)pip是专注的、Python官方的“包安装工具”

原创 python venv 虚拟环境的创建

venv 是 Python 3.3+ 自带的虚拟环境工具，可以为每个项目创建独立的 Python 运行环境，避免不同项目之间依赖包冲突。Python 3.3 及以上，venv已作为标准库内置，无需任何额外步骤。根据惯例被命名为项目目录下的 .venv 或 venv。

原创 借助gitee仓库构建私有图床

借助gitee仓库构建私有图床。

原创 pnpm 入门和安装

文件夹中，像是为每个项目都单独购买一份仓库里已有的图纸。而 pnpm 采用了一种更巧妙的方式：它只在一个名为“仓库”（store）的全局地方存放一份图纸，各个项目都通过一种“快捷方式”（即硬链接和符号链接）来引用它。pnpm 会根据 package.json 生成高效的 node_modules 结构并创建 pnpm-lock.yaml 文件。删除现有项目中的 node_modules 文件夹和 package-lock.json 文件。npm 将每个依赖的副本直接复制到项目的。

原创 python本地环境搭建，pip管理

【代码】python本地环境搭建，pip管理。

原创 spring-ai 第十二mcp server调用入门(http协议)

(MCP) 是一个标准化协议，使 AI 模型能够以结构化的方式与外部工具和资源进行交互。想象它是一个在你的 AI 模型和现实世界之间的桥梁 - 允许它们通过一致的接口访问数据库、API、文件系统和其他外部服务。它支持多种传输机制，以在不同的环境中提供灵活性。启动后，MCP Server 会在 http://localhost:8083/mcp 端点提供服务。cmd 命令 执行 npx @modelcontextprotocol/inspector。

原创 spring-ai 第十一mcp server调用入门(stdio协议)

(MCP) 是一个标准化协议，使 AI 模型能够以结构化的方式与外部工具和资源进行交互。想象它是一个在你的 AI 模型和现实世界之间的桥梁 - 允许它们通过一致的接口访问数据库、API、文件系统和其他外部服务。它支持多种传输机制，以在不同的环境中提供灵活性。这种架构天然将开发者分为两个群体：AI 应用开发者专注于编排多服务器、集成 AI 模型和打造用户体验；MCP Server 开发者专注于将特定服务能力标准化暴露。切到项目 target/目录下执行。

原创 Hermes 搭建可视化web-dashboard界面

原因是hermes安全控制不允许,本机之外访问。查询当前版本是否和官网一致。

原创 spring-ai 第十tool调用

从外部来源检索信息(弥补本地模型的不足，通过外网获取信息进行推理组织),eg: 检索最新的新闻文章。工具调用（也称为函数调用）是AI应用中的常见模式，允许模型与一组API或工具互动，增强其功能。完整链路(llm->通过关键字匹配优先执行tool进行数据库查询，再通过llm进行优化)代码中重点 tool 关键字，如果匹配不到会直接跳过tool，直接llm。执行一个动作，例如调用一个API或执行一个命令,eg:填写网页上的表单。llm 选择 (model: glm-4-plus)

原创 Hermes 适合小白手把手操作集成飞书

hermes pairing approve feishu 7547RMY4 (将这行命令进行执行)hermes gateway setup （开始配置）[注意其中用户是 飞书用户id]hermes gateway restart （改变配置之后进行重启）hermes gateway status (检查状态)hermes gateway start （启动）上述配置完成之后，会进行确认。

原创 spring-ai 第九模型介绍-聊天记录

大型语言模型（LLMs）是无状态的，这意味着它们不会保留之前交互的信息。为了解决这个问题，Spring AI 提供了聊天记忆功能，使您能够存储和检索在与 LLM 的多次交互中的信息。官方文档明确指出，ChatMemory 不适合存储完整历史，如需保存所有记录，应考虑使用 Spring Data 等其他方案。如果您需要维护所有消息交换的完整记录，您应该考虑使用其他方法，例如依赖于Spring Data以高效地存储和检索完整的聊天历史记录。存储层负责将消息存储在持久化存储中，例如数据库或文件系统。

原创 手把手带你安装自己的hermes agent

原创 番外篇-ollama一步一步docker安装部署

【代码】番外篇-ollama一步一步docker安装部署。

原创 spring-ai 第八模型介绍-图像模型

prompt=一个泰迪狗漫画。这些模型专门用于图像生成，允许开发人员在不同的图像相关模型之间切换，同时只需进行最少的代码更改。

原创 spring-ai 第七模型介绍-向量模型

通过将文本、图像和视频转换为浮点数组（称为向量）来工作。这些向量旨在捕捉文本、图像和视频的含义。

原创 spring-ai 第六模型介绍-聊天模型

利用了预训练的语言模型，例如 GPT（生成型预训练变换器），以在自然语言中生成类似人类的响应。通过输入封装的辅助类 Prompt 和输出处理的辅助类 ChatResponse。

原创 spring-ai 第五模型介绍

模型api（提供一个通用的API接口，下游适配不同模型）向量存储api(像jdbc一样，切换不同的向量存储模型)一个统一的API接口，提供多种模型能力。

原创 spring-ai 第四多模态API

多模态是指模型同时理解和处理来自各种来源的信息的能力，包括文本、图像、音频和其他数据格式（目前新的模型支持多模态），OpenAI的GPT-4o、Google的Vertex AI Gemini 1.5、Anthropic的Claude3，以及开源的Llama3.2。用户消息的content字段主要用于文本输入，而可选的media字段允许添加一个或多个不同模态的附加内容，如图像、音频和视频。MimeType指定模态类型。能以极简代码同时调用文本、图像、音频等多模态大模型，大幅降低多模态 AI 应用的开发门槛。

原创 spring-ai 第三结构化输出

快速将AI模型的结果转换为数据类型，例如JSON、XML或Java类，以便可以传递给其他应用程序函数和方法。LLM生成结构化输出的能力对于下游应用非常重要。

原创 spring-ai 第二提示词介绍

本文介绍了Spring-AI框架中提示词(Prompt)的使用方法。提示词已从简单字符串发展为结构化模板，包含USER(用户输入)、ASSISTANT(AI回应)、SYSTEM(系统指令)和TOOL(工具调用)四种角色。通过PromptTemplate类可创建结构化提示，示例展示了如何构建SystemPromptTemplate实例并渲染提示词。文章还介绍了加载外部提示词模板的方法，以及集成智谱AI模型的具体步骤，包括依赖配置和API密钥设置。最后提供了测试接口地址，帮助开发者快速验证提示词功能。

原创 spring-ai 第一步集成入门

允许您注册自己的服务作为工具，将大型语言模型连接到外部系统的API，@Tool-注释的方法提供。模型、提示、提示模板、embedding、token(=钱)、结构输出。Spring AI 目前支持将输入和输出处理为语言、图像和音频的模型。一个ETL（提取、转换和加载）管道。

原创 使用jstack排查死锁,面试考点

是 JDK 自带的命令行工具，用于生成 Java 进程的线程快照（thread dump）。通过分析线程快照，可以快速定位死锁问题。找出相互等待锁的线程对，即线程 A 持有锁 L1 等待锁 L2，线程 B 持有锁 L2 等待锁 L1。首先，找到目标 Java 进程的 PID（进程 ID）。通过以上步骤，可以快速定位并解决 Java 应用中的死锁问题。：在某些环境下（如容器），可能需要使用。如果应用因死锁导致无响应，可以添加。记录下应用进程的 PID，例如。以下是一个简单的死锁代码及使用。

原创 Java创建线程的3种方式简单易懂

来管理线程，但理解这三种基础方式对掌握并发编程非常重要。：实际开发中更常用线程池（如。

原创 HashSet、LinkedHashSet、TreeSet 区别与使用场景

通过以上对比，你可以根据实际业务需求（是否需要顺序、是否需要排序、性能要求）来选择合适的。接口的实现类，它们都不允许存储重复元素。但它们底层的实现机制不同，导致在。

原创 HashMap 底层原理（面试精简版）

“HashMap 的 get 流程？” → 计算 hash → 定位桶 → 遍历链表/红黑树，用。比较 key 返回 value。

原创 为什么禁止在for循环里使用拼接字符串

下面我会从字符串的不可变性、编译期优化、循环中的具体问题以及替代方案等方面详细解释。如果循环次数很少（例如固定 3~5 次），或者拼接的字符串是编译期常量，那么。通过遵循这一原则，你可以写出更高效、更健壮的 Java 代码。中，这种优化无法跨迭代生效。对象，其中包含拼接后的结果，而原来的字符串对象保持不变。这意味着一旦创建，它的内容就不能被改变。场景，它仍然无法避免重复创建中间对象，因此。对象，并进行拼接，导致大量临时对象产生。优化，使得简单拼接的性能有所提升。，避免在不知情的情况下写出性能陷阱。

原创 Java 异常处理最佳实践，别再乱用 try-catch

不仅会让代码变得臃肿难读，还可能掩盖潜在的问题。确保代码中的异常分支被测试覆盖，尤其是自定义异常和资源关闭逻辑。优雅的异常处理，能让你的系统在出错时依然可控、可追溯、可恢复。在实际开发中，异常处理往往是被忽视但又极其重要的一环。异常处理的性能开销较大，且会破坏代码可读性。捕获异常后什么都不做，是最危险的行为。（如 ID、参数值），方便定位问题。，帮助你写出更优雅、更健壮的代码。的资源（如流、连接），优先使用。，它会自动关闭资源，避免资源泄漏。中关闭，容易遗漏或出错。）统一处理异常，避免到处。

原创 String 为什么不可变？面试必问

当创建一个字符串字面量时，JVM 会先检查池中是否存在相同内容的字符串，如果存在则返回引用，否则创建新对象放入池中。被设计为不可变类（immutable），即一旦创建，其值就不能被修改。这是 Java 语言设计中的一个经典决策，背后涉及性能、安全、并发等多方面考虑。如果字符串可变，攻击者可能通过反射等手段修改字符串内容，造成安全隐患。如果字符串可变，那么一个引用修改了字符串内容，会导致池中其他引用指向的值也被改变，产生不可预知的错误。如果字符串可变，恶意代码可能修改正在加载的类名，破坏类加载器的安全机制。

原创 Java8新特性最实用的5个

则作为 Lambda 的补充，让代码更简洁。熟练运用这 5 个特性，是写出优雅、健壮且符合业界规范的 Java 代码的基础。Java 8 引入了全新的日期时间 API，基于。Java 8 的发布是 Java 历史上的一次重大革新，至今仍是绝大多数企业级应用的主流版本。它是 Lambda 表达式的一种简化写法。这是 Java 8 的灵魂。它让你能够将函数作为参数传递，告别了冗长的匿名内部类。它通过显式的 API 强制开发者思考“变量可能为空”的情况。用于处理集合数据的利器，支持链式编程和并行计算。

原创 分布式事务

基本可用、软状态、最终一致性的缩写，是对cap理论中一致性和可用性的权衡后的结果。

原创 spring ai 集成 demo

允许您注册自己的服务作为工具，将大型语言模型连接到外部系统的API，@Tool-注释的方法提供。模型、提示、提示模板、embedding、token(=钱)、结构输出。Spring AI 目前支持将输入和输出处理为语言、图像和音频的模型。基于spring ai 构建聊天demo。一个ETL（提取、转换和加载）管道。