Noodles

前言随着 AI Agent（智能体）的兴起，越来越多的开发者开始使用 AI 助手来辅助日常工作。但通用的大模型在面对特定领域的任务时，往往缺乏专业的知识和标准化的操作流程。 Agent Skills 就是为解决这个问题而生的——它就像是给 AI 助手安装的”插件”，让通用的 AI 助手瞬间变成某个领域的专家。 什么是 Agent SkillsAgent Skills 是一种模块化的知识包，用于扩展 AI Agent 的能力。每个 Skill 本质上是一个包含特定领域知识、工作流程和工具说明的文档包，告诉 AI Agent 在面对某类任务时应该如何思考和操作。 你可以把 Skill 理解为： 📖 一本操作手册 —— 告诉 Agent 做某件事的标准流程 🧠 一段专业记忆 —— 让 Agent 掌握某个领域的专业知识 🔧 一套工具指南 —— 教 Agent 如何正确使用特定工具 为什么需要 Agent Skills1. 通用模型的局限性大语言模型虽然知识面广，但在具体领域往往”样样通、样样松”。比如： 让它写测试用例，可能不知道项目用的是 JUnit5 还是...

什么是 WebSocketWebSocket 是一种在单个 TCP 连接上进行全双工通信的协议。它解决了传统 HTTP 协议”只能由客户端发起请求”的局限，让服务器可以主动向客户端推送数据。 简单来说：HTTP 是”你问我答”，WebSocket 是”随时都能聊”。 核心特性1. 双向通信HTTP 请求只能由客户端发起，服务器无法主动推送。WebSocket 建立连接后，双方可以随时互发消息，非常适合聊天、协同编辑等场景。 2. 实时性强WebSocket 连接是持久的，数据一旦产生就可以立即发送，无需像 HTTP 那样每次重新建立连接，延迟极低。 3. 开销小HTTP 每次请求都要携带完整的 Header（Cookie、User-Agent 等），而 WebSocket 在连接建立后，数据帧的头部最小只需 2 字节，非常适合高频、小数据量的场景。 工作原理握手阶段（HTTP Upgrade）WebSocket 连接始于一次特殊的 HTTP 请求： 123456GET /ws HTTP/1.1Host: example.comUpgrade:...

MCP协议（Model Context Protocol，模型上下文协议）是由人工智能公司Anthropic于2024年11月推出的开放标准协议，旨在为大型语言模型（LLM）与外部数据源、工具及服务提供统一的通信框架。其核心目标是打破数据孤岛限制，通过标准化接口实现AI模型与多源数据的无缝集成，可类比为”AI领域的USB-C接口”。 在MCP协议出现之前，AI大模型与外部世界的交互的模式十分有限，我们只能通过对话的方式从大模型中获取信息，这无法完全发挥AI大模型的能力。而MCP的出现打破了这种限制，它使AI大模型能够统一访问本地数据库、文件系统及远程API等，打破数据孤岛限制。 MCP协议架构概览MCP主机（Host） 是运行MCP的主应用程序（如Cursor 、Cline或其他AI工具），为用户提供与LLM交互的接口，同时集成MCP Client链接MCP Server。 MCP客户端（Client） 作为LLM和MCP Server之间的桥梁，嵌入在主机程序中，主要负责以下几个工作： 接收来自LLM的请求。 将请求转发到相应的MCP Server。 将MCP...

SpringBoot提供了AI相关的starter，只需要简单的配置便可以高效地与AI模型进行对接。本篇文章将简单介绍如何通过Spring AI对接DeepSeek。 环境准备 jdk-21 SpringBoot 3.4.3（Spring AI Starter要求的SpringBoot的最低版本是3.2） Maven 3.9.9 获取AI模型配置 Siliconflow 给我们提供了免费的 DeepSeek-R1 模型。访问模型广场，筛选出免费的模型。 本次Demo选择 deepseek-ai/DeepSeek-R1-Distill-Qwen-7B。 新建API密钥：点击侧边栏的API密钥，在该界面中新建一个API密钥，留着待会在项目配置中填入。 创建项目 通过idea新建一个Maven项目。 修改Maven配置文件 pom.xml...

准备配置文件docker-compose.yml1234567891011121314151617181920212223242526272829services: prometheus: container_name: prometheus image: prom/prometheus ports: - "9090:9090" environment: - TZ=Asia/Shanghai volumes: - /usr/local/docker/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml networks: - apm # restart: always# grafana作为可视化界面 grafana: container_name: grafana image: grafana/grafana ports: - "3000:3000" ...

消息队列作为分布式系统中的核心组件，广泛用于系统解耦、削峰填谷和异步通信。然而在实际使用过程中，消息队列也伴随着一系列典型问题，如消息重复消费、消息丢失、消息乱序、消息积压等。本文将从消息的生产、传输和消费上出发，系统性分析这些问题产生的原因与解决方案。 消息重复消费产生原因 消息重复消费是消息队列系统的常见问题之一。在消息从生产端发送到消费者确认ACK 的整个流程中，任一环节的异常都可能导致消息被重新发送或重新消费。 生产端重试发送导致消息重复。 消费端未能及时ACK，消息中间件误认为消费失败。 消费端逻辑处理超时或失败重启后重试。 解决方案 为了避免重复消费带来的业务问题，最核心的原则是：消费端逻辑必须具备幂等性，即同一消息无论被处理多少次，业务效果应一致。 实现方式包括但不限于： 依赖数据库的唯一性约束（如订单号、流水号）。 使用Redis缓存唯一业务标识。 Kafka可通过设置 enable.idempotence=true 保证生产端幂等性（但仅限单个...

策略模式的定义策略模式是一种行为型模式，它定义了一系列算法，并将每个算法封装起来，使他们可以相互替换。在实际的使用中，可以在运行时根据实际情况选择不同的策略。 策略模式有这些优点： 避免使用多重条件语句。 策略模式可以把一些重复的算法写到父类中，由继承这个父类的子类去调用，避免了重复的代码。 策略模式的缺点：由于每一个策略的实现都需要新增一个策略类，所以可能会造成出现很多的策略类。 模式的结构策略模式主要有以下这几种结构： 抽象策略类：定义了一个公共接口，接口定义了策略方法交给子类去实现。抽象策略类一般是接口或者抽象类。 具体策略：是对抽象策略类的实现，对抽象策略类的不同方法提供具体的实现。 上下文类（Context）：包含了对策略对象的引用，交给我们去调用。 模式的类图 模式的实现在平常的Java项目开发中，我们都是依赖于Spring或者SpringBoot的，为了便于理解，以及更加贴近我们的日常开发，下面的实现将采用Spring的BeanFactory来作为我们的上下文类，也就是我们把具体的策略都交给Spring容器去管理。 抽象策略类123public...

在实际开发中，数据库并发控制问题往往是性能瓶颈与数据一致性问题的根源。MySQL 通过其默认的存储引擎 InnoDB，通过事务机制、MVCC、多级锁和日志系统，为开发者提供了强大的并发控制能力。但这些机制的底层实现原理往往被忽略，导致在出现脏读、死锁或性能下降等问题时难以定位。本篇文章将从事务的 ACID 特性出发，系统梳理 InnoDB 如何实现隔离性与持久性，深入解析 MVCC、undo/redo log、锁机制与隔离级别的协作原理。 事务的四大特性（ACID） 原子性（Atomicity）：指事务中的所有操作要么全部成功，要么全部失败。 InnoDB 引擎通过 undo log （回滚日志）保证原子性：事务启动后，对数据的任何修改都先记录原始版本，若事务回滚，可根据 undo log...

...

本篇文章将从源码的角度去分析 HashMap 的 put，resize，get 流程。如果只想了解这三个方法的原理的小伙伴，可以只看这三个方法末尾的总结部分。 部分变量说明1234567891011121314151617181920212223242526/** * 1.默认初始化容量，默认是16 * 2.必须是2的幂次方，便于通过位运算 (n - 1) & hash 快速定位桶索引。较小的初始容量平衡了内存占用和哈希* 碰撞概率。*/static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;/*** 最大容量，2的30次方 */static final int MAXIMUM_CAPACITY = 1 << 30;/*** 装载因子，0.75是统计出来的，能够平衡时间和空间成本 */static final float DEFAULT_LOAD_FACTOR = 0.75f;/*** 由链表转成红黑树的阈值，即当链表的长度 >= 8的时候触发 */static final int...