技术栈

老陈说编程

16. 0.1+0.2=0.30000000000000004？ArkTS算术运算符实战详解算术运算符用来对数字做计算，就是加、减、乘、除、取余，和数学里一样。动画视频在《0.1+0.2=0.30000000000000004？ArkTS算术运算符实战详解》。

一条大祥脚

GPU 编程 DSL 全景对比：TileLang、Triton、Mojo、cuTile、CuTe、ThunderKittens 与 CuTe DSL过去十年，写 GPU 高性能算子基本只有两条路：要么用 CUDA C++ 手写，自己管线程、共享内存、寄存器、流水线；要么用 cuBLAS/cuDNN 这类库，牺牲灵活性换性能。前者门槛极高，后者覆盖不到新算子。

像项目经理一样指挥 AI 团队：管理者模式原文：mp.weixin.qq.com/s/bzZdL23K3…（2026年10月16日）前面几篇聊的都是平级的 AI 怎么互相比对

文丑颜不良啊

LeetCode2481~2500题目解析圆内一个有效切割，符合以下二者之一：示例 1示例 2示例 3提示：解法一：奇偶讨论（主提交版本）给你一个下标从 0 开始的 m x n 二进制矩阵 grid。定义 diff[i][j] = onesRowi + onesColj - zerosRowi - zerosColj，其中 onesRowi 为第 i 行 1 的个数，onesColj 为第 j 列 1 的个数， zerosRowi 为第 i 行 0 的个数，zerosColj 为第 j 列 0 的个数。返回差值矩阵 diff。

RAG 系统中，文档切分不合理导致召回差，如何排查与解决？适用场景：做私有化知识库 RAG（内部制度、产品手册、技术文档等长文档）时，遇到"库里有答案、模型却答非所问"。核心观点：在长文档场景，召回差最常见的隐藏根因不是 Embedding 模型不行、不是向量库不好，而是文档切分策略不合理——同样一篇文档，切分方式不同，召回率可以差 30% 以上。

京东云开发者

双11囤Token火了：京东搜索量暴涨7倍，AI生产力成新刚需写方案、做PPT、跑代码，AI已成为办公和创作中越来越离不开的好帮手，“囤Token”也成了今年11.11的新话题。京东消费趋势显示，自京东11.11开启以来，不少用户来平台上搜索AI服务相关商品，关键词“Token”的搜索量环比提升超7倍。

学习NOTE 13——莫队我的暴力有救了哈哈哈。莫队是一种离线区间查询的算法，是前国家队队长莫涛提出并推广的。由离线+分块（排序）+暴力移动指针组成，简直就是优雅的暴力。

OpenCV 车辆数量统计涉及到的知识点：1）基本图像运算与处理2）形态学3）轮廓查找4）加载视频5）通过形态学识别车辆6）对车辆进行统计

人工智能AI技术

LangGraph 本地 build 频频翻车，最终在服务器跑通流式对话P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程传送门http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

nslookup 使用指南：两种模式与常用查询技巧nslookup 是排查 DNS 问题最常用的工具之一。它有两种工作模式：非交互式（适合单次快速查询）和交互式（适合连续查询多种记录类型或调整配置）。本文整理了它的基本语法、常见查询示例、交互式子命令以及错误提示的含义，方便日常查阅。

程序员大阳

HTML+CSS+JS对话式实战(5)-活动管理页之查看报名名单的实现点此查看所有教程、项目、源码导航毛哥：副队，活动的增删改查我们都写完啦，现在是不是该做报名名单了？副队：没错。一个活动发布出去之后，学生可以报名，管理员需要点开活动，查看这条活动下面所有报名人的信息。这一节我们就实现查看报名名单功能。毛哥：那这个接口怎么设计？也是 POST 对吧？副队：对，咱们项目约定全部使用 POST。调用这个接口的时候，把活动 id 传给后端，后端根据活动 id，去报名表里查出所有关联的报名记录，最后用统一格式返回：{code, msg, data}。毛哥：又是这个返回格式

同一需求三套写法：用 Spring AI、LangChain4j、AgentScope Java 各实现一个带工具调用的 RAG 助手（实战对比）📚 本文是「Java 大模型框架专题」系列第 5 篇（实战收尾篇）。全系列 5 篇，建议按序阅读：（发布后请把每行标题替换为对应文章的超链接，形成专题矩阵互导闭环）

Go CPU 剖析的"地基"：信号、CAS、写屏障、无锁环形缓冲读 03 篇时的常见卡点，与对应地基：一个总的观察：cpuprof.go 的每一处"反直觉"设计，几乎都是在向"我在信号处理器里跑"这个事实妥协。把 B.1 的三条铁律记住，后面三块地基全是铁律的推论。

【Web Development】02 CSSCSS（层叠样式表 Cascading Style Sheets）。CSS 全称 Cascading Style Sheets 层叠样式表

构建一个能用的RAG系统：切块、嵌入、混合检索与融合排序多数 RAG 教程停在"调 embedding API + 相似度排序"的 demo 层，而真实系统在复杂问题上的失败——检索不到、召回混乱、答案引用错段落——都发生在 demo 没讲的部分。这篇文章从语料处理到生成引用完整走一遍，每一层给出可运行的实现与调参依据。

从0到1实现一个分布式时序数据库（二）：写入成功之后，如何用 WAL 找回数据上一篇把数据从 HTTP 接口送进内存，再批量写成 Parquet。这条链路能写、能查，但还有一个问题：请求已经返回成功，进程却在 flush 前退出，这批指标怎么办？

【LLM推理与Serving⑪】MoE推理与MLA：DeepSeek-V3架构下的显存与通信权衡本系列博客专注于LLM推理与Serving的核心技术，从基础概念到工程实践，循序渐进。本篇是第11篇，我们深入MoE（混合专家）模型的推理系统，结合DeepSeek-V3的架构设计，探讨专家并行、MLA（Multi-head Latent Attention）等关键技术如何在显存与通信之间找平衡。

HarmonyOS API 26 DevEco Code 需求到 ArkTS 骨架的提示词分层AI Coding 的提效，关键不在于让工具一次生成更多代码，而在于让每一次生成都带着可检查的上下文。把一句“做一个阅读页”直接交给模型，得到的往往是缺少 loading、没有错误回退、状态散落在页面里的代码；把需求拆成约束、数据、界面和验证层，模型才有机会生成可以复核的 ArkTS 骨架。

风骏时光牛马

后端服务接口开发与数据逻辑处理一个稳定的后端服务通常分为四层，职责边界清晰，后续扩展才不会失控：接口层的核心工作只有一件：把外部请求翻译成领域入参，再把领域结果翻译回响应。业务规则一旦下沉到 Controller，复用与测试都会变得困难。

经典打砖块（Breakout）游戏目标：用挡板反弹球，击碎画面上所有砖块即获胜；球掉落底部则损失一条生命，3条生命耗尽游戏结束。操作方式：

京ICP备2021030436号-2© 2023-2026 技术栈 jishuzhan.net