- 博客(73)
- 收藏
- 关注
RSS订阅原创 从意图到交互：Function Calling 与模型上下文协议（MCP）的全面解析
本报告深入分析了大型语言模型(LLM)与外部世界交互的两大关键技术：FunctionCalling和模型上下文协议(MCP)。FunctionCalling是LLM表达行动意图的核心机制，使模型能够将自然语言转化为结构化指令；而MCP则提供标准化框架，解决工具集成的碎片化问题。研究显示，对于简单应用，原生FunctionCalling已足够；但对于复杂智能体系统，MCP已成为保障兼容性与可扩展性的战略选择。报告通过技术原理剖析、架构对比和应用场景分析，为开发者提供了从原型验证到企业级部署的完整决策框架，并指
2025-07-31 15:39:52
1028
原创 深入浅出：从最小核心到完整架构，全面解析5G用户面协议栈
PHY层添加CRC校验码用于差错检测。信道编码 (LDPC)加入大量冗余信息，对抗信道衰落。调制将比特流转换成无线信号的特定状态（QAM符号）。资源映射 & OFDM & 多天线处理...最终，这块承载着照片信息的数据，变成了一束经过精确“雕琢”的无线电波，以光速飞向你的手机。而你的手机，则会执行上述所有步骤的逆向操作，将电波还原成你相册里那张清晰的照片。通过这次从零构建再到实践追踪的旅程，我们不难发现，5G协议栈并非一堆晦涩 acronyms 的随意堆砌。
2025-07-21 10:11:56
841
原创 【 感知集群】大规模分布式基础设施的AI赋能蓝图
AIOps并非单一工具，而是源于需求驱动的IT运维演进。对于如此规模的集群而言，AIOps是管理海量运维数据和降低风险的唯一可行路径。可以将其视为集群管理中心的“中枢神经系统”。它利用人工智能、机器学习、大数据分析和自动化技术，对IT运维进行优化，从而提升IT团队的效率。传统的IT运维在面对日益复杂的系统和由数字技术产生的海量数据时已显得力不从心，而AIOps正是为应对这些挑战而生。其核心理念是通过应用AI和机器学习技术分析大量的运维数据，来识别模式、预测问题，甚至实现自动化修复。
2025-06-19 21:57:49
1042
原创 @component、@bean、@Configuration的区别
的作用是告诉Spring：“这个类是一个配置中心，里面定义了很多Bean的创建信息（即包含了很多@Bean方法），请优先处理我。如何工作本身也是一个@Component，所以它能被组件扫描发现。它的核心职责是作为@Bean方法的容器。一个关键的“黑魔法”比普通的@Component多一个重要特性。被注解的类会被Spring通过CGLIB动态代理来增强。这个增强的目的是为了解决Bean之间的依赖调用问题。假设我们有两个Bean，beanB依赖beanA@Bean@Bean。
2025-06-10 21:58:45
766
原创 从Servlet到Spring MVC，究竟简化了什么？
这篇文章通过对比Servlet和Spring MVC的实现方式，揭示了两者的关系与差异。Servlet作为Java Web开发的基础，需要手动处理HTTP请求/响应、参数解析和视图渲染，配置繁琐；而Spring MVC基于Servlet构建，通过注解和框架封装简化了开发流程。文章通过"查询用户"案例，展示了Servlet需要编写大量模板代码，而Spring MVC提供了两种模式：传统的返回视图方式（@Controller）和现代的REST API方式（@RestController）。后
2025-06-10 20:34:28
611
原创 互联网大厂Java面试实录：从基础到微服务的全方位拷问
还有Consul支持多数据中心和KV存储。再问你一个，Java 11中新增的HTTP Client API有什么优势？：现在聊聊微服务，Spring Cloud和Netflix OSS的关系是什么？（尴尬）：Eureka是Netflix的，Consul是HashiCorp的？：Hibernate是全自动ORM，MyBatis是半自动SQL映射！：再问一个，Hibernate和MyBatis的区别是什么？（笑）：差不多，但细节还有很多。（点头）：不错，那你能说说Stream API中！
2025-05-19 15:16:45
433
原创 互联网大厂Java面试实录：从基础到微服务的全方位拷问
（微笑）：Spring Boot简化了配置，而Spring MVC需要手动配置。：Spring Boot是Spring MVC的升级版，内置了Tomcat，不用配置就能跑！：Hibernate是全自动ORM，MyBatis是半自动，SQL得自己写。（引导）：需要考虑分布式事务吗。：假设你负责一个电商平台的库存服务，如何设计数据库表？：商品表、库存表、订单表！：如果订单系统需要异步处理，你会选择哪种消息队列！：Redis作为缓存，如何解决缓存穿透问题？（总结）：今天表现不错，回去等通知吧。
2025-05-19 11:20:46
374
原创 为何 RAG 向量存储应优先考虑 PostgreSQL + pgvector 而非 MySQL？
构建检索增强生成（RAG）系统已成为释放大型语言模型（LLM）潜力的关键范式。通过将 LLM 的推理能力与外部知识库的实时、特定信息相结合，RAG 能够生成更准确、更相关、更值得信赖的回答。而这个“外部知识库”的核心，往往是以向量嵌入（Vector Embeddings）形式存在的海量文本数据。因此，选择一个这些高维向量的数据库，成为了 RAG 系统架构设计的重中之重。在关系型数据库领域，MySQL 和 PostgreSQL 无疑是两大巨头。然而，当涉及到 RAG 应用中至关重要的向量相似度搜索任务时，
2025-04-25 18:10:40
1056
翻译 【论文阅读】GaussianVideo: Efficient Video Representation and Compression by Gaussian Splatting
pdf未开源。
2025-04-05 12:23:16
155
1
原创 【笔记】为什么Cholesky Decomposition和Rotation-Scaling Decomposition可以解决协方差矩阵正半定性问题？
的元素，矩阵可能在更新过程中变得非正半定，导致无效的高斯分布或数值不稳定性。Rotation-Scaling Decomposition（旋转-缩放分解）**通过提供一种特殊的参数化方式，解决了这个问题，使得。的元素，Cholesky 分解将正半定性约束嵌入到矩阵的构造中，避免了梯度下降可能导致的约束违反问题。因此，这两种分解是解决协方差矩阵优化中正半定性问题的强大工具，广泛应用于机器学习和高斯建模任务中。分解为旋转（方向）和缩放（大小），将正半定性嵌入到结构中，使得优化过程不会破坏这一性质。
2025-04-03 17:31:38
592
原创 redis做为缓存，mysql的数据如何与redis进行同步呢?
一致性要求高的情况：使用共享锁和排它锁或延时双删策略，确保缓存和数据库数据的严格一致性，虽然可能对性能有一定影响。允许延迟一致的情况：使用消息队列或Canal等技术，通过异步更新缓存的方式，保证系统的最终一致性，并能在一定时间内容忍数据的不一致。
2025-01-17 13:24:46
1235
原创 Java Stream API 常见中间方法和终结方法详解
Java 的是 Java 8 引入的一项功能，旨在简化对集合数据的操作。它提供了一种声明式编程风格，可以流畅地进行集合操作，如过滤、映射、排序、汇总等。本文将详细解释 Stream 的常见和，并举例说明它们的用法。
2025-01-15 16:46:24
389
原创 Java 中从集合和数组获取 Stream 流的方法详解
数据类型方法集合stream()或数组或基本类型数组或Map使用entrySet()keySet()values()
2025-01-15 16:28:58
440
原创 为什么 Java HashMap 的默认初始容量设置为 16？
容量是 2 的幂：通过位运算高效计算索引，避免慢速的取模操作。容量为 16：在性能和内存之间取得折中，适合大多数中小规模应用场景。装载因子和扩容策略：初始容量配合默认装载因子 0.75，可以在存储 12 个键值对之前避免扩容，进一步提高效率。。
2025-01-14 16:41:26
821
原创 Iterator 与 ListIterator 的区别
在 Java 中，Iterator和是用于遍历集合的两种常用接口，它们提供了不同的功能和操作方式。理解它们的区别对于编写高效的 Java 代码非常重要。本文将详细介绍这两个接口的区别，帮助大家更好地理解它们在不同场景下的应用。
2025-01-11 10:42:42
1156
原创 为什么定义javabean的时候一般会将基本类型的属性定义成包装类型的属性
将基本类型属性定义为包装类在JavaBean中是一种常见的实践，主要是为了提高代码的灵活性、兼容性和可维护性。包装类不仅支持null值，还能更好地与Java的各种框架、库和泛型机制配合使用，从而使得JavaBean在不同的应用场景中更加通用和强大。
2025-01-10 12:08:06
463
原创 Java 抽象类与接口的成员定义和区别总结
在 Java 的面向对象编程中，和是实现继承与多态的重要工具。两者既有相似之处，也有显著的区别。本文将系统总结它们中可以定义的成员类型以及它们之间的核心区别。
2025-01-09 21:12:13
727
原创 【多态】理解 Java 继承中成员变量与成员方法的访问特点
特性成员变量成员方法设计目标提高访问效率、避免歧义支持多态、增强灵活性访问决定时机编译时固定运行时动态绑定绑定方式静态绑定（Compile-time Binding）动态绑定（Run-time Binding）这种设计既保证了性能（变量静态绑定），又实现了灵活性（方法动态绑定），充分体现了 Java 的设计合理性。
2025-01-09 20:33:34
930
原创 Java 中成员变量有默认值而局部变量没有默认值的原因
成员变量（Fields）：定义在类内部，但在方法、构造器或代码块之外的变量。成员变量可以分为实例变量和静态变量。// 实例变量// 静态变量局部变量（Local Variables）：定义在方法、构造器或代码块内部的变量，仅在其所在的区域内有效。// 局部变量Java 在成员变量和局部变量的初始化策略上做出了明确的区分，既考虑了内存管理和性能优化，又注重了代码的安全性和可维护性。成员变量的自动赋予默认值，确保了对象状态的一致性和安全性；
2025-01-09 17:03:13
1151
翻译 【论文阅读】SAIR: LEARNING SEMANTIC-AWARE IMPLICIT REPRE- SENTATION-25ECCV
在图像的隐式表示中，可以将连续域中的任意坐标映射到其对应的颜色值，从而展现出强大的图像重建能力。然而，现有的隐式表示方法仅专注于构建连续的外观映射，忽略了像素之间语义信息的连续性。因此，当输入图像的语义信息受损（例如大范围缺失）时，难以实现理想的重建效果。为了解决这一问题，我们提出了语义感知隐式表示（Semantic-Aware Implicit Representation，简称 SAIR），使得每个像素的隐式表示不仅依赖其外观信息，还依赖其语义信息（例如，该像素属于哪个对象）。
2025-01-06 18:33:07
112
1
翻译 Latent-INR: A Flexible Framework for Implicit Representations of Videos with Discriminative Semantic
隐式神经网络 (INRs) 已成为一种强大的表示形式，用于编码包括图像、视频、音频和场景在内的各种数据。针对视频，许多 INR 方法被提出用于压缩任务，最近的方法在编码时间、存储和重建质量方面表现出显著改进。然而，这些编码的表示缺乏语义意义，因此无法用于需要此类属性的下游任务（例如检索）。这成为 INR 视频相比传统编解码器的采用障碍，因为其仅在压缩方面具有优势。为了解决这一问题，我们提出了一个灵活的框架，该框架将视频 INR 的空间和时间方面解耦。通过学习每帧的潜在字典。
2025-01-06 16:48:54
107
原创 Servlet 和 Spring MVC：区别与联系
Servlet 是 Java Web 的基础组件，而 Spring MVC 是一个高级 Web 框架，建立在 Servlet 的基础之上，提供了强大的功能和易用性。这篇文章将从定义、原理、功能对比、应用场景等多个方面，详细介绍 Servlet 和 Spring MVC，并解析它们的区别与联系。Servlet 是 Java Web 应用的核心组件，是一种运行在服务器上的小程序，专门用于处理客户端的 HTTP 请求并生成动态响应。Spring MVC 的实现更加简洁且功能强大。以下代码实现相同的功能。
2025-01-06 14:32:33
2164
原创 理解 Tomcat 架构
Tomcat 是一个轻量级的 Web 容器，被广泛应用于 Java Web 开发中。通过它，我们可以轻松地部署和运行 Web 应用。在本文中，我们将深入分析 Tomcat 的核心架构，同时结合一段代码，手动实现一个简化的 Tomcat 服务，帮助大家更好地理解其原理和运行机制。
2025-01-06 14:26:36
1148
原创 手写RPC笔记
2、实现思路：在Provider启动时首先将自己要开放的接口本地注册到RPC，然后调用RPC server 中start方法开启Tomcat接受网络请求，然后由RPC servlet解析req得到接口名、调用方法、参数类型、方法参数等信息，然后通过接口注册信息找到相应接口，然后通过反射执行此接口方法并将结果封装到resp并返回。此外，消费者为了不是每一次都到注册中心读取数据影响速度，服务消费者还需要本地缓存，这就会引入本地缓存和注册中心之间的数据一致性问题，注册中心需要有数据变更的。
2025-01-06 12:11:08
1045
原创 如何在 Spring Cloud Gateway 中创建全局过滤器、局部过滤器和自定义条件过滤器
自定义条件过滤器是根据特定的条件（如请求的查询参数、请求头或路径等）来动态决定是否执行过滤器。这种过滤器提供了更高的灵活性和复杂的过滤逻辑。@Component// 指定配置类@Override// 创建实际的过滤器@OverrideSystem.out.println("进入了自定义网关过滤器，status：" + config.getStatus());// 检查请求的查询参数// 继续请求} else {// 返回 400 错误// 完成响应。
2025-01-04 16:06:06
2272
1
原创 @Bean、@Component 和 @Configuration区别与联系
Component：自动扫描并注册类为 Spring Bean。@Bean：在 Java 配置类中显式地定义一个 Bean。：标记一个类为配置类，并可以包含多个@Bean方法，通常与@Bean一起使用。它们都用于将对象注册为 Spring 容器中的 Bean，但实现方式和适用场景有所不同。
2025-01-04 15:57:50
1290
原创 AOP（面向切面编程）与过滤器、拦截器的关系
在 Java 中，AOP 主要用于方法级别的增强，它可以通过框架（如 Spring AOP 或 AspectJ）来实现。有一定的相似性，但它们的应用层次和关注点不同。
2025-01-04 15:18:28
944
原创 深入理解连接池：从数据库到HTTP的优化之道
是 Apache 提供的 HTTP 客户端库，支持连接池、高并发、异步调用、认证管理等高级功能，是 HttpURLConnection 的增强版。它通过维护一个可重用的连接对象池，避免频繁创建和销毁连接，从而提高性能和资源利用率。： 无论是数据库连接还是网络连接，建立连接的过程都伴随着较高的资源开销，比如数据库的身份验证、网络的 TCP 三次握手等。通过对连接池技术的理解和实践，你可以在开发中更高效地管理资源，为应用提供更强的稳定性和性能支持！： 自动管理连接的分配和回收，减少了手动操作带来的错误。
2025-01-02 15:13:31
1310
原创 @RestControllerAdvice注解
是 Spring 提供的一个功能强大的注解，允许你为整个应用提供全局的异常处理、全局模型属性和全局数据绑定等功能。它的主要优势是能够集中管理异常处理，并且提供统一的响应结构，使得应用程序更加清晰、易于维护，尤其在处理大规模应用时，能够极大地减少代码冗余，提高开发效率和系统的健壮性。
2024-12-31 14:39:21
2055
原创 从 VAE 到有损压缩：率失真损失的推导与解读
在图像、音频、视频等多媒体领域，“有损压缩”是一个非常常见的问题。不同于无损压缩（如 PNG、ZIP 等），有损压缩允许在重构时损失一些信息，从而换取更高的压缩比。变分自编码器（Variational Autoencoder, VAE）作为生成模型的一种，往往可以和“有损压缩”非常自然地联系起来。
2024-12-30 13:03:39
904
原创 Seata AT 模式两阶段过程原理解析【seata AT模式如何做到对业务的无侵入】
AT 模式主要通过事务协调器（Transaction Coordinator, TC）来管理事务的状态和分支协调，客户端通过 Resource Manager（RM）和 Transaction Manager（TM）与协调器交互。第一阶段的核心任务是执行业务 SQL，并记录事务前后的数据快照，以便为后续可能的回滚提供依据。Seata 拦截应用程序提交的业务 SQL，解析其语义（如表名、操作类型、条件范围等），确定受影响的数据行。Seata 会为受影响的行生成逻辑锁，以防止其他事务对同一行的数据进行修改。
2024-12-27 21:54:06
1185
翻译 【论文阅读】Hybrid Spatial-Temporal Entropy Modelling for Neural Video Compression-22ACM MM
在神经视频编解码器中，设计一个高效的熵模型来准确预测量化潜在表示的概率分布是至关重要但充满挑战的。然而，大多数现有的视频编解码器直接使用图像编解码器中的现成熵模型来编码残差或运动，并未充分利用视频中的时空特性。为此，本文提出了一种强大的熵模型，可以高效捕获时空依赖性。具体来说，我们引入了潜在先验，用于利用潜在表示之间的相关性来压缩时间冗余。同时，我们提出了双空间先验，以一种适合并行的方式减少空间冗余。此外，我们的熵模型具有多样性。除了估计概率分布外，我们的熵模型还可以在空间通道维度上生成量化步长。
2024-12-27 13:59:59
195
1
翻译 【论文阅读】Temporal Context Mining for Learned Video Compression-22TMM
在过去几年中，将深度学习应用于视频压缩的研究受到了越来越多的关注。在本文中，我们专注于端到端学习的视频压缩，特别注重更好地学习和利用时间上下文。我们提出了一种方法，不仅传播最后重建的帧，还传播重建帧之前的特征，以挖掘时间上下文。从传播的特征中，我们学习到多尺度的时间上下文，并将这些学习到的时间上下文重新填充到我们的压缩方案模块中，包括上下文编码器-解码器、帧生成器和时间上下文编码器。此外，我们舍弃了不利于并行的自回归熵模型，从而追求更高效的编码和解码时间。
2024-12-26 20:47:34
263
1
翻译 【论文阅读】Neural Video Compression with Diverse Contexts
传统视频编码器的压缩效率在很大程度上依赖于当前待编码信号是否能从先前重建的信号中找到相关上下文。传统编解码器已证明更多的上下文能显著提高压缩性能，但代价是耗时较长。然而，对于新兴的神经网络视频编解码器（NVC），其上下文仍然有限，导致压缩比偏低。为提升 NVC 性能，本文提出在时间和空间维度上增加上下文的多样性。首先，我们引导模型学习帧间的分层质量模式，从而丰富了长期且高质量的时间上下文。此外，为了挖掘基于光流的编码框架的潜力，我们引入了基于组的偏移多样性，并提出了跨组交互以优化上下文挖掘。
2024-12-26 19:16:20
271
1
翻译 【论文阅读】DVC: An End-to-end Deep Video Compression Framework
在传统视频压缩方法中，通常使用预测编码架构并对相应的运动信息和残差信息进行编码。在本文中，我们结合传统视频压缩方法中的经典架构和神经网络的强大非线性表示能力，提出了首个端到端视频压缩深度模型，该模型可以对视频压缩的所有组件进行联合优化。具体来说，我们采用基于学习的光流估计来获取运动信息并重构当前帧，然后使用两个自编码器风格的神经网络对相应的运动和残差信息进行压缩。所有模块通过单一的损失函数进行联合学习，各模块通过权衡减少压缩比特数和提高解码视频质量的需求进行协作。
2024-12-26 12:24:19
350
1
翻译 【论文阅读】Deep Contextual Video Compression
现有的大多数神经视频压缩方法采用预测编码框架，首先生成预测帧，然后对其残差进行编码。然而，在压缩比方面，预测编码是次优解决方案，因为它仅使用简单的减法操作来消除帧间冗余。在本文中，我们提出了一种基于深度上下文的视频压缩框架，使得预测编码向条件编码的范式发生转变。具体来说，我们尝试回答以下问题：在深度视频压缩框架下，如何定义、使用和学习条件。为了充分挖掘条件编码的潜力，我们提出使用特征域上下文作为条件。这使我们能够利用高维上下文为编码器和解码器提供丰富的信息，从而帮助重建高频内容以实现更高的视频质量。我们的框
2024-12-25 16:09:51
830
1
翻译 【论文阅读】Comprehensive Review of End-to-End Video Compression
近年来，端到端视频压缩作为一种新兴且有前景的解决方案开始在视频压缩领域受到关注。本文对端到端视频编码和解码技术的发展与现状进行了全面的综述，详细介绍了传统混合编码器和端到端编码器的基本原理。本研究深入探讨了从传统视频压缩算法到基于深度学习的创新方法的演变，包括深度神经网络（Deep Neural Networks, DNN）在优化策略和关键技术中的应用进展。本文特别关注端到端视频压缩框架（如DVC、DCVC以及基于Transformer的模型）的发展，这些框架显著提升了视频压缩的效率和质量。此外，本文总结了
2024-12-25 14:51:47
1003
1
原创 微服务组件中的两种调用方式：RestTemplate 与 OpenFeign
提供了灵活且低级别的 HTTP 调用方式，适合有特殊需求的应用，但需要更多的手动配置和控制。OpenFeign提供了简洁的声明式调用方式，特别适合基于 Spring Cloud 的微服务架构，减少了很多繁琐的编码，集成了服务发现、负载均衡和容错机制。
2024-12-13 20:34:02
1859
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