AI 如何“读懂”文字？词嵌入向量的底层逻辑、实现与可视化
词嵌入（Word Embedding）是大型语言模型（LLM）理解人类语言的核心基础，它解决了传统独热编码的维度爆炸、语义鸿沟等痛点，通过将离散单词映射为低维稠密向量，实现了对词汇语义和句法特征的精准捕捉。本文从语言表示的底层逻辑出发，系统梳理了词嵌入的技术演进：从 Word2Vec 的 CBOW 与 Skip-gram 模型、GloVe 的全局统计信息融合，到 FastText 的子词单元创新，再到现代 Transformer 架构中上下文相关的动态嵌入。结合阿里百炼平台的实战案例，通过词向量可视化、语义相似度计算等代码实现，直观展示了 “语义相似词在向量空间中距离相近” 的核心特性。同时，本文深入分析了词嵌入的优劣势，并揭示其在大模型中的关键作用 —— 作为语言理解的 “桥梁”，连接符号化文字与模型可处理的数值特征。无论你是 AI 技术学习者、大模型应用开发者，还是希望深入理解 LLM 底层机制的工程师，都能通过本文掌握词嵌入的核心原理、实践方法与工程价值，为后续 LLM 应用开发（如 LangChain 集成、语义检索等）奠定基础。
从函数到神经网络
积层是CNN的核心和灵魂，它的主要作用是自动从输入数据中提取特征。使用多个可学习的过滤器（卷积核） 在输入数据上滑动，检测局部区域内的特定模式（如边缘、角点、颜色、纹理等）。每个过滤器会生成一张特征图，记录了该过滤器所代表的特征在整个输入空间中的分布和强度
LLM 只会生成文本？用 ReAct 模式手搓一个简易 Claude Code Agent
在大语言模型（LLM）技术飞速发展的今天，单纯的文本生成能力已无法满足复杂任务的需求。Agent 作为一种能够自主决策、规划和执行任务的智能体，正在成为 LLM 落地应用的关键载体。而 ReAct 模式作为 Agent 领域的重要范式，通过 “思考 - 行动 - 观察” 的循环机制，极大地提升了 Agent 的逻辑性和任务解决能力。本文将从基础概念出发，逐步深入 ReAct 模式 Agent 的实现原理，并通过网页端模拟和代码实践，带大家从零构建一个最简单的 ReAct 模式 Agent。
一. 什么是 Agent在人工智能领域，Agent（智能体） 是指能够自主感知环境、做出决策并执行动作，以实现特定目标的实体。它并非单一的算法或模型，而是一个集成了 “感知 - 决策 - 执行” 能力的闭环系统。结合 LLM 技术的 Agent，核心特征可概括为以下三点：
自主性（Autonomy）：无需人类持续干预，能根据任务目标自主规划步骤。例如，当用户提出 “整理近 3 个月的销售数据并生成可视化报告” 时，Agent 可自主决定 “获取数据→清洗数据→分析数据→生成图表” ...
一篇文章搞懂G1垃圾回收器
一. 概述在 G1 垃圾回收器正式引入前，CMS（Concurrent Mark Sweep，并发标记清除）作为 JVM 中主流的垃圾回收器，虽凭借 “低停顿” 特性在互联网、电商等对响应时间敏感的场景中广泛应用，但随着应用规模扩大和内存需求提升，其设计层面的缺陷逐渐暴露，成为影响系统稳定性和性能的关键瓶颈：
内存碎片问题严重，触发 Full GC 风险高：CMS 的 “清除” 阶段采用标记 - 清除（Mark-Sweep）算法，而非标记 - 整理（Mark-Compact）算法 —— 这意味着它在回收无用对象后，仅会标记出内存中的空闲区域，不会对存活对象进行移动和整理。随着垃圾回收次数增加，内存空间会逐渐被分割成大量不连续的 “碎片”，这些碎片虽然总容量可能满足对象分配需求，但由于单个碎片的空间小于待分配对象的大小，导致新对象无法正常分配，最终触发Full GC。Full GC 会暂停所有用户线程（STW，Stop-The-World），并采用 Serial Old 回收器进行内存整理，其停顿时间通常达到数百毫秒甚至数秒，对于每秒处理数千笔交易的电商系统、实时通信平台等场景，这种级 ...
手把手带你从零到一实现一个MCP Server
最近 AI 领域的 MCP（模型上下文协议）特别火，它是 Anthropic 推出的开放标准，给大语言模型和 AI 助手提供了统一接口，让 AI 能调用外部工具完成复杂任务。今天咱们就来带大家看看，如何通过 MCP 实现本地 Excel 文件的读取和写入，并且基于 Spring AI 框架进行开发。
Spring State Machine入门实践
一. 状态机1.1 什么是状态先来解释什么是状态（ State ）。现实事物是有不同状态的，例如一个自动门，就有 open 和 closed 两种状态。我们通常所说的状态机是有限状态机，也就是被描述的事物的状态的数量是有限个，例如自动门的状态就是两个 open 和 closed 。
状态机，也就是 State Machine ，不是指一台实际机器，而是指一个数学模型。说白了，一般就是指一张状态转换图。
状态机的全称是有限状态自动机，自动两个字也是包含重要含义的。给定一个状态机，同时给定它的当前状态以及输入，那么输出状态时可以明确的运算出来的。例如对于自动门，给定初始状态 closed ，给定输入“开门”，那么下一个状态时可以运算出来的。
1.2 状态机中的概念下面来给出状态机的四大概念：
State：状态，一个状态机至少要包含两个状态。
Event：事件，事件就是执行某个操作的触发条件或者口令。对于自动门，“按开门按钮”就是一个事件。
Action：动作，事件发生以后要执行动作。例如事件是“按开门按钮”，动作是“开门”。编程的时候，一个 Action一般就对应一个函数。
Transi ...
深入剖析缓存一致性问题：延时双删的利弊与替代方案
在当今的分布式系统架构中，缓存凭借其快速的数据读取能力，成为提升系统性能和响应速度的关键组件。然而，缓存的引入也带来了缓存一致性问题，这一问题成为开发者在系统设计与维护中必须攻克的难关。缓存一致性问题聚焦于数据更新时，如何确保数据库和缓存中的数据始终保持同步，一旦处理不当，数据不一致的情况就会出现，进而引发各类难以排查和修复的系统故障。
一. 缓存一致性问题的常见场景在实际的系统运行中，缓存一致性问题主要集中在数据更新操作阶段。当数据库中的数据发生变动，缓存中的对应数据也需要及时更新，以保证数据的一致性。常见的读写场景如下：
读操作流程：系统首先尝试从缓存中读取数据。若缓存中存在所需数据，直接返回；若缓存未命中，则从数据库中读取数据，并将读取到的数据存入缓存，以便后续读取操作能够更快响应。
写操作流程：一般的做法是先更新数据库，然后再更新缓存。但如果在更新数据库之后、更新缓存之前出现异常情况，比如系统崩溃、网络中断等，就会导致数据库和缓存中的数据不一致，数据库已更新为新数据，而缓存中仍保留着旧数据。
二. 单次删除在并发场景下的问题在缓存一致性问题的解决思路中，简单的单 ...
使用ZSH美化Windows系统Git Bash
此前，我们讲解了一种借助 Windows Subsystem for Linux（WSL）让用户在 Windows 操作系统中运用 Linux Shell 命令，进而高效地实现文件访问、编译等开发工作。
Windows系统命令行的最佳实践 | 听到微笑的博客
这种借助 Windows Subsystem for Linux（WSL）的方式，其显著优势在于提供了完整的 Linux 子系统环境，这意味着在常规 Linux 系统中所使用的各类命令，在 WSL 中均可无障碍执行，极大地拓展了 Windows 用户对于 Linux 工具和命令的使用场景。
然而，WSL 是在 Windows 内核之上搭建的轻量级 Linux 兼容层，从某种程度上可以类比为一个能够访问宿主文件的虚拟机。这种架构也引发了一些性能问题。在文件访问性能上，WSL 子系统对 Windows 宿主文件的访问效率偏低，这在处理大量文件的编译打包场景可能会产生明显的延迟。
此外，在环境配置的兼容性上也存在局限。例如，当在 Windows 宿主系统中安装并配置好 Java JDK 后，WSL 子系统并不能直接调用宿主机环境的 ja ...
探寻快速排序的局限性及其优化策略
一. 快速排序之局限快速排序的平均时间复杂度为O(nlogn)。其核心步骤是：先从待排序数组中选定一个元素作为基准（pivot），通过一趟排序将数组分成两部分，使得左边部分的元素都小于等于基准元素，右边部分的元素都大于等于基准元素；接着对划分后的左右子数组分别递归进行上述操作，即再次选择基准元素划分子数组，持续此过程，直至子数组长度为或，此时整个数组变为有序状态。
然而，快速排序的性能与基准元素的选取策略紧密相关。若始终选取第一个或最后一个元素作为基准，当输入数组恰好有序或逆序时，每次划分都会得到极不均衡的两个子数组，其中一个子数组可能为空，另一个子数组则几乎包含所有剩余元素。这将导致快速排序退化为类似冒泡排序的操作，时间复杂度从平均的恶化为 O(n²)。此时，第三方攻击者可能进行复杂度攻击，他们刻意构造有序或逆序的输入数据，使快速排序算法陷入最坏情况的执行路径，导致算法效率急剧下降。这在对性能要求极高且涉及安全敏感的场景中，可能引发严重问题。
二. 优化策略的多维探索2.1 基准优化的关键举措随机基准：随机选择基准元素可以减少最坏情况的发生概率。在快速排序中，基准元素的选择对算法的性 ...
HTTPS如何保证传输安全
一. 什么是 HTTPSHTTP 由于是明文传输，所谓的明文，就是说客户端与服务端通信的信息都是肉眼可见的，随意使用一个抓包工具都可以截获通信的内容。
所以安全上存在以下三个风险：
窃听风险，比如通信链路上可以获取通信内容，用户号容易没。
篡改风险，比如强制植入垃圾广告，视觉污染，用户眼容易瞎。
冒充风险，比如冒充淘宝网站，用户钱容易没。
HTTPS 在 HTTP 与 TCP 层之间加入了 TLS 协议，来解决上述的风险。
二. HTTPS 加密流程HTTPS 主要是通过在 HTTP 协议基础上加入 SSL/TLS 协议来实现加密，HTTPS 是应用层协议，需要先建立 TCP 连接，并完成 TLS 握手后，才能建立通信安全的连接。其加密过程分为对称加密和非对称加密两个阶段。非对称加密阶段主要目的是为了交换对称加密密钥，我们也称之为 TLS 协议握手，TLS 握手成功后，就会使用对称机密的方式进行加密传输。
在非对称加密阶段，服务器拥有一对公钥和私钥（非对称加密特性：公钥加密的数据只有私钥能解密，私钥加密的数据只有公钥能解密）。服务器将公钥发送给客户端，客户端使用公钥对一 ...