学习思考 | 分类 | Honesty Blog

学习思考

高维向量检索 Faiss vector database：向量数据库的基石与核心角色 —— 解析 PQ/IVF/HNSW 算法原理、CPU/GPU 底层实现、量化误差模型及动态索引机制，详解其在 RAG / 推荐系统中的价值与工业应用

《Faiss vector database：高维向量检索的学术基石与向量数据库中的核心角色》基于 20 篇权威文献，深度解析 Faiss 、PQ/IVF/HNSW 核心算法、CPU/GPU 硬件加速及向量数据库中的索引内核角色，为高维检索研究与落地提供学术支撑（关键词：Faiss、高维向量检索、PQ/IVF/HNSW、向量数据库、学术解析）

算法

向量数据库

LLM Context Engineering 大模型上下文工程：系统性学习核心原理与实现架构

本文全面解析大型语言模型（LLM）上下文工程的核心体系，指出 LLM 性能关键已从 “参数竞赛” 转向 “上下文质量”。文中先明确上下文工程的定义与数学形式化表达，对比其与传统提示工程的本质差异；再拆解三大基础组件（检索生成、上下文处理、记忆管理）的技术细节；随后详解四大系统架构（RAG、内存管理、工具集成推理、多智能体协作）的落地逻辑；最后分析核心不对称性、评估困境等技术挑战，并展望未来突破方向，为 AI开发学习者提供从理论到实践的完整指南。

小白入门LLM Context上下文工程：从基础到实践，通俗易懂讲明白

本文通俗解读 LLM 上下文工程， LLM 性能不只靠参数，更依赖上下文。文中拆解核心概念（指令、外部知识、记忆等上下文 “零件” 及组装逻辑）、关键技术（用于查资料的 RAG、辅助推理的思维链、记忆管理），以及新手可搭建的可落地系统（简易 RAG、长会话记忆工具）。还分享常见问题及 3 个月学习路径，无需复杂代码，助力新手用 LangChain/FAISS 等工具让 LLM 更精准实用

从 RAG 到 Context Engineering：大语言模型时代的上下文治理革命

Context Engineering（上下文工程）、LLM（大语言模型）、RAG（检索增强生成）分层记忆（短期 / 中期 / 长期记忆）、上下文治理（压缩 / 路由 / 窗口预算 / 评分） • LLM 多轮对话失忆解决方法（ • RAG 的七宗罪（检索噪声 / 窗口爆炸）优化方案 • Context Engineering （分层 / 压缩 / 路由） • LLM 上下文窗口预算算法设计 • Context Engineering 与 RAG 协同 • 降低 LLM 使用成本（Context 压缩 / 缓存机制） • Context Engineering 常见误区（记忆混淆 / 安全缺失）

从RAG到Context Engineering：重新定义AI系统的认知能力边界

本文聚焦 RAG（检索增强生成）局限（窗口爆炸、多轮失忆、时效性差等），详解 Context Engineering（上下文工程）定义、核心模块（记忆管理、知识检索增强、动态适配、安全边界）及避坑技巧， LangChain、LlamaIndex 等工具与官方学习资源

从Java到Next.js：5年博客建站的“省心省钱”之路

5年博客网站历程与技术选型的变更路线

建站

了解编程语言的编译器：从 CPU 指令到云原生，一次搞懂编译、字节码、JIT/AOT 的底层逻辑

本文深度解析编译技术（AOT/JIT/ 字节码 / 机器码），结合 Java（JVM/GraalVM）、Python（CPython/PyPy）、Go（静态编译 / 交叉编译）案例，解答启动慢、跨平台等疑问，含云原生适配、3 个实战实验，帮开发者理解底层逻辑，优化性能与技术选型。

开发

Jvm

了解编程语言的编译器：从 CPU 指令到云原生，一次搞懂编译、字节码、JIT/AOT 的底层逻辑

MySQL InnoDB存储引擎深度解析：架构、原理与实践

本文是 MySQL InnoDB 存储引擎全景式指南，结合 MySQL 8.0 官方文档，从底层架构切入，拆解内存（缓冲池、redo/undo 日志缓冲）与磁盘（表空间、段页模型）的协同逻辑；深入 B + 树索引设计（对比红黑树 / B 树的优劣）、事务 ACID 实现（undo log 保障原子性、redo log 确保持久化、MVCC 解决读写阻塞）；提供性能优化方案（索引避坑、参数调优、SQL 改写），并覆盖主从架构、分库分表等扩展手段。帮 DBA、后端开发者攻克高并发、大数据量场景下的 InnoDB 性能瓶颈，适配电商、金融等企业级业务需求，兼具原理深度与落地价值。

mysql

MySQL InnoDB核心原理与实践：从索引到分库分表的决策速记

本文是 InnoDB 全链路技术指南，聚焦 “索引→事务→优化→分库分表” 核心链路，结合 MySQL 8.0 官方文档，拆解 B + 树索引选型逻辑（对比红黑树 / B 树）、聚簇 / 非聚簇索引差异，详解回表、覆盖索引、最左匹配原则；剖析事务 ACID 实现（undo/redo log、MVCC），对比 4 种隔离级别；提供慢查询优化（explain 分析、索引避坑）、读写瓶颈解决方案（主从分离、Redis 缓存、Elasticsearch），最终落地分库分表策略（哈希 / 范围拆分、分布式 ID、双写迁移），帮开发者解决高并发、大数据量场景下的 InnoDB 性能问题，速记关键知识点。

mysql