TheBlueZones

1. 超级省流版本： 使用 ai 生成（优化）提示词，比如 kimi 的提示词助手 2. 省流版 1.写清晰具体的指令 2.指导模型思考的路径，增长模型思考时间

1.3.1. 📚 大型语言模型（LLMs） LLM 实际上就是系统上的两个文件：一个包含参数的文件，以及一段运行这些参数的代码。 其中有两个非常重要的概念：模型训练和模型推理 模型训练比模型推理复杂得

PS：这是我在刷leetcode的时候做的一些笔记，提到了很多框架，套路，这些是为了解题，但是算法真正吸引人的，是逻辑思考的过程。就像登山的目的并不只是为了登上山顶，拍照打卡。

最小步数求解思路 问题描述 从位置 x 到位置 y 的最小步数问题，每一步的长度是正整数，每步的值为上一步的值 -1、0 或 +1，第一步和最后一步必须是 1。 样例分析 输入 (12, 6)，最小步

1. 背景说明 在实习过程中要过滤黑名单用户，首先第一个想到的是 set，但是内存不足了，然后想到布隆过滤器，但是布隆过滤器会有误判率，因为它也是基于 hash 函数的，不同用户 id 可能会生成同一

之前做过一个抽奖项目，然后使用到了生成随机数然后根据随机数落到哪个区间表示中奖类型。 然后就想好好研究一下随机数的问题 Java 中的随机数 Java 中的随机数生成 Random类使用了**线性同余

其实这种导入优化有点老生常谈了，感觉核心就两个： 1：大数据分批处理（分治） 2：充分利用线程池来多线程处理，比如我遇到的解析 excle，然后校验词条，然后批量导入，这里每一步都可以用多线程。

1. 背景描述： 黑名单词库原来存储在服务器内存中，需要将词库迁移到 redis 中。然后希望优化词库的匹配算法。 2. 原来的词库存储格式： 这是一个二级索引字典的 存储方式，在匹配黑名单词的时候，

实习的时候遇到一个问题，运维反馈频繁的使用置顶功能导致数据库CPU使用率过高。 然后仔细了解后发现很有意思，就是一个后台帖子列表，要实现上移，下移，置顶的功能。 然后置顶的时候是怎么操作的呢？