归档

为什么 Claude Code 和 Codex 这么强，但是最先在大众的视角里火起来的是小龙虾呢？

现在做 Java 项目时，只要和大模型相关，最后基本都会碰到一个问题：到底是自己直接对接 OpenAI、Gemini、Ollama 这些模型接口，还是找一层统一封装把 prompt、对话记忆、工具调用、RAG 这些事情整理起来。 LangChain4j 就是 Java 生态里这类问题的一个常见答案。它的定位很直接，就是给 Java 应用提供一套对接 LLM 的统一方式，把模型调用、工具、记忆、RAG、结构化输出这些常见能力放到同一套开发体验里。对已经在用 Spring Boot 或其他 Java 框架的人来说，这类封装的意义通常不在“能不能调模型”，而在“能不能把这套能力接得像正常业务代码一样”。

写 Python Web 项目时，如果页面内容里既有固定结构，又有动态数据，那通常就会接触到模板引擎。比如用户列表、文章详情页、后台管理页，这些内容的 HTML 结构大体固定，但里面的数据是运行时才知道的。 Jinja2 就是这类场景里最常见的模板引擎之一。它在 Flask 生态里尤其常见，但并不只服务于 Flask。简单说，它的作用就是把模板和数据组合起来，最后渲染成真正的文本输出，最常见的是 HTML。

做微服务或者分布式系统时，最容易遇到的一类问题不是“功能有没有写出来”，而是“问题出了以后到底该去哪里看”。接口慢了、某个服务超时了、数据库抖了、链路中间断了，单靠日志一层一层翻，很多时候会很难排查。 这时候就会用到像 SkyWalking 这样的观测平台。它最常见的用途当然是链路追踪，但它实际上不只做 tracing，还把指标、日志、拓扑、性能分析这些内容放到了同一套系统里。

写 Spring 的时候，经常会看到一些看起来像小型脚本的写法，比如 #{...}、@Value("#{systemProperties['user.home']}")、@PreAuthorize("hasRole('ADMIN')")。这些东西看起来不像普通 Java 代码，但又确实在项目里经常出现。 这些表达式背后用到的，就是 SpEL。它的全称是 Spring Expression Language，也就是 Spring 表达式语言。简单说，它是 Spring 提供的一套表达式机制，用来在运行时读取数据、调用方法、做条件判断。

深入探讨工作流引擎的技术架构、实现原理及在企业级应用中的最佳实践。

学校的 VPN 使用了 EasyConnect 这个软件，但是及其难用。不过好消息是我在学校还有一台电脑，更好的消息是 SSH 是可以用来创建代理隧道的。结合起来的效果就是：可以不使用 EasyConnect，但是远程连接到学校内网。以下为具体步骤。

本文将深入分析导致 JSON 数组参数校验失效的原因，并提供几种切实可行的解决方案，帮助开发者在实际项目中正确实现对 JSON 数组参数的校验。

PostgreSQL 是一个强大的对象关系数据库管理系统，擅长处理结构化和半结构化数据，尤其是在支持 JSONB 方面。JSONB（二进制 JSON）允许高效地存储和查询 JSON 数据，使其成为需要快速访问结构化信息的应用程序的理想选择。 在本文中，我们将详细解释 JSONB，说明如何操作它，并通过实际示例解释 JSONB 在 PostgreSQL 中的重要性。

Apache Dubbo 是一款 RPC 服务开发框架，用于解决微服务架构下的服务治理与通信问题，官方提供了 Java、Golang 等多语言 SDK 实现。使用 Dubbo 开发的微服务原生具备相互之间的远程地址发现与通信能力， 利用 Dubbo 提供的丰富服务治理特性，可以实现诸如服务发现、负载均衡、流量调度等服务治理诉求。Dubbo 被设计为高度可扩展，用户可以方便的实现流量拦截、选址的各种定制逻辑。 在云原生时代，Dubbo 相继衍生出了 Dubbo3、Proxyless Mesh 等架构与解决方案，在易用性、超大规模微服务实践、云原生基础设施适配、安全性等几大方向上进行了全面升级。

最近在写一个 VitePress 站点，想在文档中插入一些流程图和时序图，于是研究了一下如何在 VitePress 中集成 Mermaid。 参考来源：whlit's blog | VitePress 支持 Mermaid

其实本项目是一个 Vibe Coding 的项目，也就是常说的 AI 立大功环节。虽然实际的项目表现差强人意，但是也展现了 AI 在 Web 开发中的一些应用场景。

策略模式(Strategy Pattern)是一种行为型设计模式，它定义了一系列算法，并将每个算法封装起来，使它们可以相互替换，且算法的变化不会影响使用算法的客户端。

有一个项目采用了 Redisson 作为 Redis 的客户端，利用其分布式锁和其他高级功能来提升系统的性能和可靠性。

在现代数据处理系统中，快速判断元素是否存在是一个常见的需求。Redis作为高性能的内存数据库，提供了多种概率数据结构来解决这类问题，其中Cuckoo Filter（布谷鸟过滤器）以其独特的优势成为了布隆过滤器的有力替代者。

Java虚拟机（JVM）是Java程序的运行环境，负责将Java字节码转换为机器码并执行。JVM的核心功能包括内存管理、垃圾回收、类加载和执行引擎等。理解JVM的工作原理对于优化Java应用性能和解决内存相关问题至关重要。

有一个项目采用了 SSE 来代替前端的轮询请求，实现实时数据更新和通知。

有一个项目采用 OAuth2.0 标准进行认证与授权，JWT（JSON Web Token）作为访问令牌（Access Token）进行用户身份验证和权限控制。

有一个项目采用了 Spring Security 和 JWT（JSON Web Token）进行用户认证和授权。

做后台系统时，权限设计通常都会碰到一个问题：权限到底应该直接分给用户，还是先抽象出一层角色，再由角色去承载权限？大多数中后台项目最后都会走到同一个答案上：RBAC。 RBAC 是 Role-Based Access Control 的缩写，中文通常译为“基于角色的访问控制”。它做的事情并不复杂：权限不直接分配给用户，而是先分配给角色，再由用户拥有一个或多个角色，从而间接获得对应权限。这套模型并不新，但直到今天，它依然是很多业务系统授权设计的基础，因为它比较稳定，也比较容易维护。

把盐存到了哈希字符串内比较松弛，但是每次加的盐都不一样又弥补了这一点。给你一个 matches 方法，这就可以避免你分不清他们是否匹配。

做后端项目时，接口文档这件事基本绕不开。自己手写文档当然可以，但接口一多、参数一变、返回结构一改，文档和代码就很容易对不上。 所以很多 Spring Boot 项目最后都会引入像 SpringDoc 和 Knife4j 这样的工具。前者更偏 OpenAPI 文档生成，后者更偏文档展示和增强。它们经常一起出现，但职责其实并不完全一样。

在处理海量数据时，我们常常面临一个核心问题：**如何高效判断某个数据是否存在于集合中？** 这个问题在缓存穿透、数据去重等场景中尤为常见。布隆过滤器（Bloom Filter）正是为了解决这类问题而设计的一种概率型数据结构。它以极低的空间复杂度和时间复杂度，提供了高效的解决方案，尽管其结果存在一定的误差率。 本文将从布隆过滤器的原理、使用场景到实战实现（包括 Java 手动实现、Guava 库和 Redis 实现）进行全面解析，帮助你快速掌握这一实用工具。

最近买了新华三NX30Pro路由器(下文简称"华三")，我的需求就是千兆、能刷OpenWrt进行二次开发，WIFI6这些。而华三满足这些，且价格合适，所以就入手了。这里记录一下路由器的一些配置和使用。 **哆点Drcom校园网**认证系统为**广州热点软件科技股份有限公司**研发，若你的校园网登录界面有**本计费系统由广州热点软件科技股份有限公司提供**字样，那么你可以参考这篇文章。 目前已知使用此系统大学: 中国矿业大学

声明 ***我是 2023 级的本科生，即在 2024 年 5 月转专业，现在（2025年秋季）已经大三了，没有过多的时间，所以这篇文章大概是不会更新了。但是大概的转专业流程其实还没有改变，本篇文章仍有参考价值。其他相关信息请同学们及时加群 点击链接加入群聊【CUMT转计算机交流群】：866766652，提问。*** 本博客文章仅代表作者的个人观点和经验，旨在为有意向转专业的学弟学妹提供参考意见。文中的信息和建议仅供参考，并不构成任何法律、学术或专业建议。请在做出任何决定之前，务必自行查证相关信息并考虑个人的具体情况。

这里讲一下本站未来的走向和规划

前言 本文为借用大模型进行对作文修改的一些方法。此文所写内容在当今来看可能已经过时，请仅供参考。