用firfox在CSDN注册BLOG出错

摘要：从双向链表底层结构到源码级解析，深入拆解 `Node` 节点、`linkFirst/linkLast`、`node(index)` 二分查找优化。全面对比 ArrayList vs LinkedList——时间复杂度、内存开销、使用场景，**破除“LinkedList 插入一定更快”的误区**（中间插入两者均为O(n)，但性能量级不同）。覆盖生产避坑、面试高频题（含 ArrayDeque 选型、transient 自定义序列化），附完整对比表和练习题。一篇理清 List 选型，面试不再混淆。

/ ✅ 避免遍历时删除：先收集，再批量删除// ✅ 遍历结束后再删除。

/ ❌ 常见错误：用 DTO 做 key，但没重写 hashCode// 只重写了 equals，没重写 hashCode// 换个新的 query 对象（字段相同），取不出来// null ❌。

AOP 全称，中文译为面向切面编程。通俗理解：不修改原有业务代码，批量拦截项目中一批指定方法，统一植入通用公共逻辑（计时、日志、权限、事务）。传统开发是面向对象 OOP，AOP 是对 OOP 的补充优化，解决重复通用代码冗余问题。使用@Around环绕通知包裹目标方法前后逻辑，ProceedingJoinPoint 调用proceed()执行原始业务方法。AOP 面向切面编程，核心思想：抽取通用逻辑，批量增强目标方法，不侵入业务代码；

Agent 记忆系统，本质不是“多存点聊天记录”，而是一个可治理的数据系统。短期记忆像工作台，服务当前任务；长期记忆像档案库，服务跨会话积累。短期记忆重点是压缩和恢复，长期记忆重点是粒度、检索、更新和权限。真正能上线的方案，一定不是单一向量库，而是 Memory Service + 多存储组合：向量库负责语义召回，SQL/KV 负责结构化管理，搜索引擎补关键词，图数据库补实体关系，对象存储保留原始证据。AI Agent 的长短期记忆系统怎么做？记忆是怎么存的？_热闻岛。

上节课我们学习了可靠消息投递，当大模型回复完消息之后，会将消息进行chunk切分（这里主要还是防止消息过长）并写入tmp.json, 之后后台会启一个线程，并扫描特定文件夹下的*.json文件，再发送，如果成功则删除该临时JSON文件。但是如果大模型本身就有问题怎么办？比如API Key被限流，Key失效，上下文超长，请求超时等。今天我们来讲三层洋葱重试，他是保障OpenClaw能够正常调用的机制。分别使用了key轮换压缩上下文和agent执行。

Kotlin 开发 - orEmpty 函数、ifEmpty 函数、ifBlank 函数、takeIf 函数

文章摘要 ConcurrentLinkedQueue 适用于高并发、低延迟的非阻塞场景，如网关请求队列、事件分发等，其无锁CAS设计能显著提升吞吐量。但在需要阻塞等待、精确控制队列容量、频繁获取队列大小或强一致性遍历的场景下，应选择LinkedBlockingQueue等其他并发容器。此外，若消费逻辑耗时较长，无锁队列的优势会被掩盖。正确选型需结合业务特征，权衡性能、内存及一致性需求。

定义全局学生集合，用来统一存储、管理所有学生对象，实现数据累加保存。1、自定义类必须加 [Serializable] 特性，否则无法序列化；2、二进制文件无法直接打开看懂，保密性优于普通文本读写；3、支持整集合、整对象保存，无需拼接字符串，代码更简洁；4、每次序列化使用 FileMode.Create，覆盖保存最新数据；5、文件流使用完毕必须 Close、Dispose 释放资源。1、document.Load()：加载本地XML文件。

修改SOEM2.0源码，使其支持倍福EL5101PDO配置以及国产I/O控制板EC-DO64 从站固件的 SM2/SM3 类型定义与标准相反问题

int val;很多平台会提前提供TreeNode，刷题时不一定需要自己写。从上到下，一层一层访问节点3/ \9 20/ \15 7[3],[9, 20],[15, 7]这其实就是二叉树上的 BFS。BFS 的核心工具是队列。在二叉树中，每次从队列取出当前节点，再把它的左右孩子加入队列，就能保证节点按层访问。路径是否必须从根节点开始路径是否必须到叶子节点结束是否只需要判断存在性是否需要返回所有路径路径信息是求和、列表、字符串，还是其他状态题目特征。

一个不走浏览器、纯协议拿到某追剧站免费剧真实播放地址并下载的实战记录。从请求头 x-ca-sign 的 HmacSHA256 签名串复原,到响应体 AES-128-ECB 解密,再到"播放地址藏在 watchInfo 而非 sortedItems"的二次 AES-128-CBC 解密(key 还藏在响应的 newSign 字段里),最后死磕 CDN 边缘节点那道"token 按 IP 绑定"的 403——本文把每一关怎么找到、怎么验证、怎么写成可跑的代码,一步步讲清楚。所有站点名称、域名、链接均以「某站」脱

本文系统介绍 Java 8 函数式编程核心工具，包括 Lambda 表达式、函数式接口、方法引用、Stream API 与 Optional。首先说明 Lambda 如何替代匿名内部类，并介绍 Function、Predicate、Consumer、Supplier 等常用函数式接口及其组合方式。随后讲解方法引用的四种形式。重点分析 Stream 的数据处理流程、中间操作与终端操作，以及 Collectors、map、flatMap 等核心用法。最后介绍 Optional 解决空指针问题的思想与最佳实践。

Java 的泛型是编译期的语法糖，运行期不存在。编译期：编译器做泛型检查（不允许往 List<String> 里加 Integer）↓字节码：泛型信息被"擦除"，替换成上限类型（通常是 Object）↓运行期：ArrayList<String> 和 ArrayList<Integer> 都是 ArrayList<Object>擦除规则泛型声明擦除后<T>ObjectNumberComparable（第一个上限）

方式优点缺点双层循环contains只使用ArrayList、有序大数据效率低效率高、有序需要导入Set集合代码极简JDK8+支持。

方案第一步选择事务控制方式是否需要自注入推荐度声明式事务 + 自注入自注入✅ 需要⭐⭐⭐编程式事务新建 Service❌ 不需要⭐⭐⭐⭐⭐核心原则如果第一步选择了"新建 Service"来解决异步问题，第二步就不要再使用自注入来解决事务问题，否则新建 Service 就失去了意义——绕了一圈又回到自注入，代码结构反而更混乱。Spring 的@Async和都基于动态代理调用方式是否走代理注解是否生效外部注入的对象调用✅ 是✅ 生效内部this调用❌ 否❌ 失效自注入self调用。

大语言模型（Large Language Model，简称LLM）是一种基于深度学习的AI模型，核心能力是预测下一个词。给定一段文本，它能以极高的准确率继续生成合理的后续内容。通俗来说，可以把LLM想象成一个"超级完形填空机器"：给它一个开头，它会用海量训练数据中学到的语言模式填充接下来最可能出现的词，逐个词地生成完整回复。当前主流的LLM产品Claude— 由Anthropic公司开发，注重安全性和有益性，也是MCP协议的制定者GPT。

这个理解一旦有了，后面你再往首页里塞卡片、推荐、广告，就不会总想开新容器。上面塞搜索框，中间塞轮播，下面再塞宫格、卡片、推荐区。页面一开始还能看，等你想加下拉刷新、吸顶、触底加载的时候，结构立刻开始发脾气。用户滑一下，整页跟着走，不会出现这里能滑、那里也能滑、最后谁都不顺手的情况。很多刚入门的人会有一个直觉: 轮播是一块、宫格是一块、推荐区是一块，那就各写各的。这个思路一旦吃透，你以后做电商首页、频道页、活动页，都会顺手很多。因为首页一旦进入统一滚动体系，后面的刷新、吸顶、加载更多才会顺。