凌晨零点,一个TODO,差点把我们整个部门抬走 | 掘金一周 9.11

本文字数1500+ ,阅读时间大约需要 5分钟。

【掘金一周】本期亮点:

「上榜规则」:文章发布时间在本期「掘金一周」发布时间的前一周内;且符合各个栏目的内容定位和要求。 如发现文章有抄袭、洗稿等违反社区规则的行为,将取消当期及后续上榜资格。

一周"金"选

内容评审们会在过去的一周内对社区深度技术好文进行挖掘和筛选,优质的技术文章有机会出现在下方榜单中,排名不分先后。

前端

水波纹进度条,带有"水波纹"或"扭曲"效果,filter,svg @拜无忧

当用户拖动滑块时,JS 会实时地去修改 SVG 滤镜中的各种参数,比如 feTurbulencebaseFrequency(波纹的频率)和 feDisplacementMapscale(波纹的幅度),让用户可以自由定制喜欢的效果。

从 npm 到 pnpm:包管理器的进化与 pnpm 核心原理解析 @再学一点就睡Orz

本文将先回顾 npm 的局限,再深入解析 pnpm 如何通过 硬链接与符号链接 突破这些局限,揭开其 "高效存储、极速安装" 的底层逻辑。

为什么有些依赖必须 import *引入使用? @石小石Orz

本文将以 ECharts 为例,深入探讨这一问题的根源,并顺带梳理 ES Module(ESM)与 CommonJS(CJS)模块规范的差异,帮助你从底层理解 import * 背后的原因。

手把手教你实现飞机上的开窗关窗效果 @一条会coding的Shark

通过视觉隐藏 (filter: opacity(0)),使用滤镜将元素透明度设为0(完全透明),比opacity: 0visibility: hidden更好的选择,因为它可以保持元素完全可点击和可聚焦,不影响布局(元素仍占据空间),不会阻止鼠标事件。

该用 < img > 还是 new Image()?前端图片加载的决策指南 😌😌😌 @Moment

在浏览器的关键渲染路径里,<img> 一旦进入 DOM 就会立刻参与调度并发起下载,天然具备语义与可访问性(如 alt 被读屏器识别),还能配合 srcset/sizesfetchpriority 让浏览器按视口与优先级选择最合适的资源。

多端单点登录(SSO)实战:从架构设计到代码实现 @再学一点就睡Orz

本文基于简单的实际项目案例,详细介绍 SSO 在多端应用中的设计思路与实现方案,包含整页重定向与弹窗通信两种核心模式,并结合 client1、client2、client3 的具体代码实现进行说明。

实测告诉你:Web Worker 传输大字符串,哪种方法才不掉坑? @站好了

一开始我以为 ArrayBuffer 会是更优解,但经过实际测试发现 ------ 直接传字符串才是王道。这让我更坚信一句老话:性能优化不能只靠直觉,一定要用数据说话!

后端

凌晨零点,一个TODO,差点把我们整个部门抬走 @大厂码农老A

顺着线程栈的指引,我很快定位到了代码里的"犯罪现场": XxxxxCacheManager.java 在这段代码上方,还留着一行几个月前同事留下的、刺眼的注释: // TODO: 此处有性能风险,大促前需优化。

适配私有化部署,我手写了套支持离线验证的 License 授权系统 @洛卡卡了

说到底,License 就像是产品和客户之间的一份"合同",不同的是它既能写在纸上(采购协议),也能写在代码里(授权逻辑)。对于我们来说,它最大的价值就是:能管得住时间,控得住功能,限得住环境,还防得了复制、破解和绕过。

Android

Flutter 真 3D 游戏引擎来了,flame_3d 了解一下 @恋猫de小郭

在Flame 2D中,游戏对象通常是 Component 的子类 ,例如 SpriteComponent 用于渲染图像。在 flame_3d 则是引入了新的三维组件类型,比如 MeshComponent,它们也继承自 Component 基类,但是在其之上有 Component3D 的相关实现。

Android ViewModel数据加载:基于Flow架构的最佳实践 @稀有猿诉

本文对 Android ViewModel 中基于流程的数据加载的探索,解决了传统 init {} 块方法的根本挑战。虽然涵盖所有架构变体会很繁琐,但该模式成功处理了大约 90% 的常见用例。

人工智能

【干货】这些Claude Code使用技巧对你应该有用 @前端欧阳

整个流程我们只需要做的是将AI需要操作的浏览器登录上,然后给他布置任务就行,他自己就能埋头苦干+自己PUA自己。因为现在的AI已经能够聪明的像人类一样浏览网页了,虽然是借助浏览器MCP这种工具。

从零实现 LLM(上):原理讲透 + 最小可运行 GPT @一点一木

LLM 太大了,我是不是玩不起?其实不用。我们不会上来就研究 1000 亿参数的模型,而是用一个几十万参数的 mini-GPT ------ 它保留了核心机制(TokenizerAttentionContext Window、采样策略),只需几百行代码,就能在 Google Colab 跑起来。

📖 投稿专区

大家可以在评论区推荐认为不错的文章,并附上链接和推荐理由,有机会呈现在下一期。文章创建日期必须在下期掘金一周发布前一周以内;可以推荐自己的文章、也可以推荐他人的文章。

相关推荐
橙汁味的风10 分钟前
1隐马尔科夫模型HMM与条件随机场CRF
人工智能·深度学习·机器学习
程序员-周李斌20 分钟前
Java 死锁
java·开发语言·后端
itwangyang52021 分钟前
AIDD-人工智能药物设计-AI 制药编码之战:预测癌症反应,选对方法是关键
人工智能
beckyye24 分钟前
ant design vue Table根据数据合并单元格
前端·antd
蓝桉~MLGT27 分钟前
Ai-Agent学习历程—— 阶段1——环境的选择、Pydantic基座、Jupyter Notebook的使用
人工智能·学习·jupyter
布列瑟农的星空29 分钟前
还在手动翻译国际化词条?AST解析+AI翻译实现一键替换
前端·后端·ai编程
土豆125043 分钟前
Rust 错误处理完全指南:从入门到精通
前端·rust·编程语言
武子康1 小时前
大数据-197 K折交叉验证实战:sklearn 看均值/方差,选更稳的 KNN 超参
大数据·后端·机器学习
油泼辣子多加1 小时前
【信创】算法开发适配
人工智能·深度学习·算法·机器学习
数据皮皮侠1 小时前
2m气温数据集(1940-2024)
大数据·数据库·人工智能·制造·微信开放平台