后端

如何学习Agent博主分享了AI Agent（智能体）的四步入门学习路线，为初学者指明了实操方向。具体步骤包括：

【Go】map 源码解析 - group目前正在学习 Go 相关数据结构的源码。之前研究 Java 时，第一个深入分析的源码就是 HashMap，因此这次学习 Go 也以 map 为起点，下面是之前 Java 的 HashMap 介绍。- 第一篇文章：源码解析系列：HashMap(1)

量化分析码农

【Python量化波动率实战 01】波动率是怎么算的：年化、滚动与区间估计一次讲清做量化的人天天把"波动率"挂在嘴边，但真让你写代码算一个，十有八九会卡在三个问题上：日收益率怎么转年化？为什么要用 20 日滚动而不是全样本？除了收盘价标准差，还有别的算法吗？

特立独行的猫A

AI 时代，我为什么推荐用 cj-tauri 开发桌面应用先说一件更基础的事：我们写代码的方式变了。两年前写一个桌面工具，节奏是「我敲、我调、我试」。现在是「我描述、AI 落笔、编译器裁决」——我给出意图，AI 给出几百行，然后真正的裁判不是 AI 的自我总结，而是编译器那句 error:。

从一个类名到一张类图：用反射自动生成 PlantUML给一个全限定类名，输出一段能直接渲染的 PlantUML。单文件、253 行、零依赖。本文是如何自动生成简单的 PlantUML 类图的重写版：工具没变，补上的是原来没讲的原理、怎么看图，以及它会在哪里骗你。

追逐时光者

一款基于 .NET 开源、免费的数据库自治诊断平台今天大姚给大家分享一款基于 .NET 开源、免费的数据库自治诊断平台：DBPilot。它解决的是 DBA 日常工作中最耗时的痛点：性能趋势分析、Top SQL 定位、阻塞与死锁排查，原本散落在多个工具和脚本里的活，现在一个 Web 控制台全搞定。

追逐时光者

让 GitHub Copilot 更懂你的 .NET 代码风格：一份精简实用的 Copilot Instructions使用 GitHub Copilot 开发 .NET 项目时，你是否也遇到过这样的情况：生成的代码基本符合需求，但异步方法、注释、命名和文件编码，总需要再调整一遍？

Go语言第十八章(架构设计)前面写的都是「单文件 package main」。真正做项目时，代码要拆成多个包、依赖要版本可控——这就靠 Go Modules。

锁一篇搞定：乐观锁、悲观锁、CAS、数据库锁与分布式锁【从零开始的 Web 后端学习】面向零基础，咱们从“两个请求同时改一条数据”开始，把 Java 锁、CAS、数据库锁和 Redis 分布式锁一次串起来。

Java开发实战:从入门到精通去年在做一个高并发的订单处理系统时，线上突然出现了一个诡异的问题：凌晨流量低谷时段一切正常，但白天高峰期整个服务线程池会逐渐"卡死"——任务堆积但线程不工作，最终只能重启。你是不是也遇到过类似场景？今天我们就来深挖这个问题的根源：线程池的异常处理陷阱。这不仅是面试八股文里的知识点，更是实际开发中一踩就爆的雷。

注解式脱敏：用 Jackson 的 ContextualSerializer 做字段级策略（一）脱敏写在 Service 里，漏一个接口就泄露；用 AOP 递归遍历对象树，性能和嵌套处理都很糟。这篇文章讲怎么把脱敏挂到 JSON 序列化这个唯一出口上，以及为什么 @JacksonAnnotationsInside 和 ContextualSerializer 是这个方案能成立的两个前提。

独泪了无痕

探索Pinyin4j-Java中的拼音转换利器在软件开发中，经常会遇到需要将汉字转换成拼音的场景，比如在处理中文文本数据时，将汉字转换为拼音可以方便地进行排序、搜索等操作。Java 作为一种广泛使用的编程语言，也提供了多种方法来实现汉字到拼音的转换。

从 Coze 居然要下线了说起Coze 居然要下线了。11 月 2 日，一个在字节做 Coze 的人发了条动态，说自己的主页还挂着「Coze Workflow 引擎开发者」，估计明年再挂这玩意，就没人知道 Coze 是啥了。后面跟了三条，讲他眼里外面看不到的东西。第二条最扎人：当年拼命做的拖拽节点，其实是在替模型的笨买单，说到底是从低代码延续出来的过渡模式，一个中间产物。

想不到一个好的ID

智能体开发在经典智能体框架中，智能体（Agent）一般指能够在环境中感知信息、基于策略做出决策并采取行动，以最大化回报或满足目标约束的系统。

为什么数据库连接池不采用 IO 多路复用？今天我们聊一个不常见的 Java 面试题：为什么数据库连接池不采用 IO 多路复用？这是一个非常好的问题。IO 多路复用被视为是非常好的性能助力器。但是一般我们在使用 DB 时，还是经常性采用 c3p0、tomcat connection pool 等技术来与 DB 连接，哪怕整个程序已经变成以 Netty 为核心。这到底是为什么？

Redis雪崩把我坑惨了，这是5年经验的教训"凌晨3点，整个集群的QPS从2万暴跌到200，值班手机被打爆——就因为一个简单的expire设置。" 去年双十一大促前，我们给核心商品页的缓存加了TTL。本以为只是个小优化，没想到压测时Redis集群突然全瘫，数据库连接池被打满。事后复盘才发现：所有Key在同一秒失效，请求像雪崩一样砸向数据库。今天我就拆解这次事故，说说Redis雪崩怎么防、怎么治。

量化分析码农

【Python量化多因子实战 06】从因子到持仓：多因子选股实盘工程化落地六篇走到最后一篇。前面我们解决了因子研究的所有"实验室问题"：怎么构造因子（#01）、怎么检验有效性（#02）、怎么合成（#03）、怎么剥离风格暴露（#04）、怎么应对因子轮动（#05）。

检测链路的容量规划——用 Little's Law 算清 QPS、并发与积压「我们每天要检测 5 万条，接口扛得住吗？」这个问题没法直接回答，因为「每天 5 万条」不是负载，是总量。真正的负载由三个数决定：峰值到达率、单次处理时长、允许的在途任务数。三者之间有一个确定的数学关系，算清楚了，容量问题就变成了算术题。

Java 集合框架：从继承体系到数据结构，再到开发选型拿到一批订单、景点、用户或任务之后，我们通常都会遇到几类问题：集合的学习，最终要回答这些开发问题。只背“数组、链表、红黑树”还不够：还要知道接口约定了什么、实现类如何兑现约定，以及某个操作付出了什么成本。

想不到一个好的ID

什么是RAGRAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索（Retrieval）与文本生成（Generation）的技术，AI应用接收到用户请求后，先从外部知识库检索相关资料，并将这些资料与用户请求一并提供给大模型。模型在此基础上生成更准确、更有依据的回答。