<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Pniubi的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Pniubi</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Pniubi]]></copyright><item><title><![CDATA[力扣2 . 两数相加]]></title><link>https://blog.csdn.net/Pniubi/article/details/170627133</link><guid>https://blog.csdn.net/Pniubi/article/details/170627133</guid><author>Pniubi</author><pubDate>Fri, 20 Nov 2026 11:37:08 +0800</pubDate><description><![CDATA[该题解实现两数相加，使用链表模拟竖式加法。遍历两个链表，对应位相加并考虑进位，结果构建新链表。若最后仍有进位，则新增节点。时间复杂度O(max(m,n))，空间复杂度O(max(m,n))。]]></description><category></category></item><item><title><![CDATA[自写力扣70爬楼梯出错]]></title><link>https://blog.csdn.net/Pniubi/article/details/170744037</link><guid>https://blog.csdn.net/Pniubi/article/details/170744037</guid><author>Pniubi</author><pubDate>Fri, 20 Nov 2026 11:36:42 +0800</pubDate><description><![CDATA[原代码错误在于 dp[1] 初始化为1，导致状态转移不准确。实际上，爬楼梯问题中，dp[i] 表示到达第 i+1 阶的方法数，数组不包含第0阶。正确做法是：当 n=1 时返回1；dp[0]=1（到第1阶），dp[1]=2（到第2阶），然后从 i=2 开始递推 dp[i] = dp[i-1] + dp[i-2]。最终返回 dp[n-1]。]]></description><category></category></item><item><title><![CDATA[认识binlog]]></title><link>https://blog.csdn.net/Pniubi/article/details/171049706</link><guid>https://blog.csdn.net/Pniubi/article/details/171049706</guid><author>Pniubi</author><pubDate>Fri, 20 Nov 2026 11:36:08 +0800</pubDate><description><![CDATA[MySQL的binlog是Server层的逻辑日志，记录所有数据修改事件（DDL/DML），用于主从复制、PITR恢复和CDC同步。与redolog（InnoDB的物理重做日志，保障崩溃恢复）和undolog（回滚日志，支持事务回滚与MVCC）不同，binlog不记录SELECT等只读操作，且独立于存储引擎。三者均在事务提交时写入，binlog采用追加写，redolog循环覆盖，undolog存于rollback segment。binlog默认使用ROW格式，保证主从一致性，支持精确恢复。]]></description><category></category></item><item><title><![CDATA[力扣21合并两个有序链表 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170619944</link><guid>https://blog.csdn.net/Pniubi/article/details/170619944</guid><author>Pniubi</author><pubDate>Thu, 19 Nov 2026 11:29:38 +0800</pubDate><description><![CDATA[合并两个有序链表时，先处理空链表情况。若 l1 为空，返回 l2；若 l2 为空，返回 l1。递归合并：若 l1.val &lt; l2.val，则 l1 作为头节点，其 next 指向合并后的剩余部分；否则同理。注意区分 mergeTwoLists(l1.next, l2) 与 l1.next = mergeTwoLists(l1.next, l2)，后者正确连接链表。即使 l1.val == l2.val，该写法仍适用，确保合并正确。]]></description><category></category></item><item><title><![CDATA[力扣239.滑动窗口最大值（优先队列）]]></title><link>https://blog.csdn.net/Pniubi/article/details/170368801</link><guid>https://blog.csdn.net/Pniubi/article/details/170368801</guid><author>Pniubi</author><pubDate>Thu, 19 Nov 2026 11:29:11 +0800</pubDate><description><![CDATA[本文解析力扣215题“数组中的第K个最大元素”的堆排序思想，核心是利用优先队列（大顶堆）维护滑动窗口内的最大值。通过将数组前k个元素入堆，随后逐个加入新元素并移除已滑出窗口的堆顶元素（仅当其在堆顶时），确保堆顶始终为当前窗口最大值。使用自定义比较器实现大顶堆，peek()[0]取值，peek()[1]取索引，以判断元素是否有效。关键在于：只在堆顶元素过期时才删除，避免无效元素堆积。]]></description><category></category></item><item><title><![CDATA[Agent中的Neo4j怎么用的【图层记忆的总体设计】]]></title><link>https://blog.csdn.net/Pniubi/article/details/167812441</link><guid>https://blog.csdn.net/Pniubi/article/details/167812441</guid><author>Pniubi</author><pubDate>Thu, 19 Nov 2026 11:28:43 +0800</pubDate><description><![CDATA[项目中 RAG 和 Agent 记忆系统共用 Neo4j 图基础设施，都将图作为二级索引，但二者语义模型、建边方式和职责不同：RAG 的 Entity 图节点是跨文档共享的知识实体，边由 LLM 抽取语义关系，支持 2 跳遍历，作为独立第三路召回源与 Milvus 向量、ES BM25 做 RRF 融合，最终获取 chunk，数据生命周期跟随文档；Memory 记忆图节点本身就是一条长期记忆，边由时序 FOLLOWS、向量相似度 SIMILAR_TO 生成，无法独立检索，只能以向量召回得到的 mem_id ]]></description><category></category></item><item><title><![CDATA[Neo4j的检索太抽象？]]></title><link>https://blog.csdn.net/Pniubi/article/details/170984407</link><guid>https://blog.csdn.net/Pniubi/article/details/170984407</guid><author>Pniubi</author><pubDate>Wed, 18 Nov 2026 18:55:54 +0800</pubDate><description><![CDATA[图检索在Agent中常因“非相似度计算”而显得抽象。Neo4j通过MATCH模式与关系跳转实现检索：先用LLM提取实体（如“张三”），再通过唯一索引快速定位种子节点；接着以广度优先遍历（apoc.path.subgraphNodes）泛洪搜索，沿关系指针跳转，获取邻近节点；最后将节点关联的chunk_id收集、去重，并基于“命中实体数×0.6 + 节点度数×0.01”人工打分，排序后回表取原文。整个过程本质是“顺藤摸瓜”，无相似度，核心在于图结构的指针跳转与人工量化规则。]]></description><category></category></item><item><title><![CDATA[回溯算法入门]]></title><link>https://blog.csdn.net/Pniubi/article/details/170819631</link><guid>https://blog.csdn.net/Pniubi/article/details/170819631</guid><author>Pniubi</author><pubDate>Wed, 18 Nov 2026 14:57:59 +0800</pubDate><description><![CDATA[回溯法是一种基于递归的暴力搜索思想，用于系统遍历解空间。其核心是“递归+for+回溯”（撤销操作），常用于解决组合、切割、子集、排列及棋盘类问题（如N皇后、解数独）。所有回溯问题均可抽象为n叉树结构：树的宽度对应集合大小（for循环），深度由递归控制。回溯本质是通过递归实现状态的尝试与撤销，关键在于明确终止条件与回溯逻辑。]]></description><category></category></item><item><title><![CDATA[SoduWork开源贡献日记——开源贡献入门教程 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170910392</link><guid>https://blog.csdn.net/Pniubi/article/details/170910392</guid><author>Pniubi</author><pubDate>Wed, 18 Nov 2026 02:07:11 +0800</pubDate><description><![CDATA[本文分享了参与开源项目SoduWork的实操经验，适合新手入门。流程包括：Fork仓库 → 克隆至本地 → 添加上游远程 → 同步最新代码 → 新建分支开发 → 提交带Signed-off-by的commit → 推送并提交PR。强调需先看Issue、避免污染主分支、保持代码简洁、及时同步上游，避免冲突。建议从简单任务入手，重视文档更新与沟通，逐步积累贡献经验。]]></description><category></category></item><item><title><![CDATA[线程池常见误区 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170815248</link><guid>https://blog.csdn.net/Pniubi/article/details/170815248</guid><author>Pniubi</author><pubDate>Tue, 17 Nov 2026 10:20:58 +0800</pubDate><description><![CDATA[ThreadPoolExecutor执行任务时，若核心线程空闲且未满，优先创建新核心线程而非复用；任务入队成功即结束，不新建线程；仅当核心线程满且队列满时才创建非核心线程，直至达到最大线程数。队列满后并非“再新建”，而是单次判断分支逻辑。宏观上看似“动态扩容缓解队列压力”，实则底层逻辑严格按条件分支执行，仅在持续高负载下效果近似。]]></description><category></category></item><item><title><![CDATA[Agent图层记忆的迭代规则]]></title><link>https://blog.csdn.net/Pniubi/article/details/170843737</link><guid>https://blog.csdn.net/Pniubi/article/details/170843737</guid><author>Pniubi</author><pubDate>Tue, 17 Nov 2026 10:20:33 +0800</pubDate><description><![CDATA[本文详细阐述了长期记忆系统中consolidate()的完整迭代周期：在内存中通过“账本”机制分三阶段执行重要性衰减、去重合并与过期剔除，标记待删项但暂不物理删除；随后基于图中心度保护高重要性节点，最终异步完成Neo4j图层与PG数据库的批量删除与更新。该设计避免边算边删导致的结构错乱与状态不一致，实现可审计、可重放的原子化记忆管理。]]></description><category></category></item><item><title><![CDATA[Agent图层记忆存放方案的考量]]></title><link>https://blog.csdn.net/Pniubi/article/details/170843853</link><guid>https://blog.csdn.net/Pniubi/article/details/170843853</guid><author>Pniubi</author><pubDate>Tue, 17 Nov 2026 10:20:02 +0800</pubDate><description><![CDATA[该设计基于数据量级与使用场景差异：RAG中实体节点仅存chunk_id作为指针，避免在Neo4j重复存储大段原文，降低存储与维护成本；记忆系统因条目短小、数量可控，直接存储content以实现检索即返回，减少外部回查。虽记忆系统存在冗余，但可接受。核心原则是：图只负责路由，不重复存数据，尤其在海量文档场景下，指针设计更高效、易维护。]]></description><category></category></item><item><title><![CDATA[01背包类问题-力扣416.分割等和子集 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170814414</link><guid>https://blog.csdn.net/Pniubi/article/details/170814414</guid><author>Pniubi</author><pubDate>Mon, 16 Nov 2026 08:52:57 +0800</pubDate><description><![CDATA[本题为01背包问题变种：判断数组能否分割成两个和相等的子集。核心思路是判断是否存在子集和等于总和的一半。使用动态规划，dp[j]表示容量为j的背包能否恰好装满。状态转移方程为 dp[j] = max(dp[j], dp[j-nums[i]] + nums[i])，通过倒序遍历避免重复选取。初始化dp[0]=0，最终若dp[target]==target则可分割。注意边界处理与数组长度错误（应为target+1而非n）。]]></description><category></category></item><item><title><![CDATA[动态规划-01背包问题-二维优化成一维（滚动数组）]]></title><link>https://blog.csdn.net/Pniubi/article/details/170814404</link><guid>https://blog.csdn.net/Pniubi/article/details/170814404</guid><author>Pniubi</author><pubDate>Mon, 16 Nov 2026 08:52:39 +0800</pubDate><description><![CDATA[本文详解01背包问题的滚动数组优化，核心思想：利用一维数组复用上一行状态，避免重复存储。关键点： dp[j] 表示容量为j时的最大价值，倒序遍历背包容量防止物品被重复使用； 递推公式：dp[j] = max(dp[j], dp[j-weight[i]] + value[i])，通过原地覆盖保留上一行“不选”状态； 初始化：所有dp[j] = 0，符合题意且不影响max运算； 遍历顺序：必须先遍历物品，再倒序遍历背包容量，确保状态转移正确。 掌握此法，彻底告别01背包迷茫！]]></description><category></category></item><item><title><![CDATA[动态规划 之 01背包问题]]></title><link>https://blog.csdn.net/Pniubi/article/details/170777013</link><guid>https://blog.csdn.net/Pniubi/article/details/170777013</guid><author>Pniubi</author><pubDate>Mon, 16 Nov 2026 08:52:18 +0800</pubDate><description><![CDATA[本文总结了01背包问题的核心解法：使用二维动态规划，dp[i][j]表示前i个物品在容量j下的最大价值。通过递推公式max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i])，结合遍历物品与背包容量的双重循环，逐步推导出最优解。初始化可灵活设置，顺序可互换，关键在于确保状态转移时所需值已计算。最后可通过打印dp数组回溯路径，理解解的构成。]]></description><category></category></item><item><title><![CDATA[贪心算法入门 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170744093</link><guid>https://blog.csdn.net/Pniubi/article/details/170744093</guid><author>Pniubi</author><pubDate>Sun, 15 Nov 2026 12:40:28 +0800</pubDate><description><![CDATA[贪心算法本质在于每一步选择局部最优解，期望通过局部最优达成全局最优。与动态规划“定额求最多个数”不同，贪心是“定数求最大额度”。其难点在于无固定套路，核心思想是“局部最优推全局最优”，且需能证明无反例。看似简单，实则需严谨推理，不可轻视。]]></description><category></category></item><item><title><![CDATA[力扣19 . 删除表的倒数第N个节点（栈）]]></title><link>https://blog.csdn.net/Pniubi/article/details/170647909</link><guid>https://blog.csdn.net/Pniubi/article/details/170647909</guid><author>Pniubi</author><pubDate>Sun, 15 Nov 2026 12:40:07 +0800</pubDate><description><![CDATA[使用虚拟头节点和双端队列模拟栈，通过压入链表所有节点，弹出前n个后，栈顶即为待删节点的前驱。利用“先进后出”特性，快速定位倒数第n个节点的前驱，实现删除操作，统一处理头节点删除等边界情况。]]></description><category></category></item><item><title><![CDATA[Neo4j入门 ]]></title><link>https://blog.csdn.net/Pniubi/article/details/170779338</link><guid>https://blog.csdn.net/Pniubi/article/details/170779338</guid><author>Pniubi</author><pubDate>Sun, 15 Nov 2026 12:39:43 +0800</pubDate><description><![CDATA[Neo4j是图数据库，直接存储节点与关系，支持高效导航式遍历，避免多表JOIN性能瓶颈。其关系为独立对象，具双向指针，支持ACID事务，适用于好友、资金链路等关联密集型场景。使用Cypher语言，核心概念包括节点（Node）、关系（Relationship）和路径（Path），支持标签、属性、有向/无向关系及灵活查询。通过MATCH、CREATE、MERGE等语句实现数据操作，适合构建知识图谱、依赖链路等复杂关系模型。]]></description><category></category></item><item><title><![CDATA[MVCC靠什么实现并发控制？]]></title><link>https://blog.csdn.net/Pniubi/article/details/170131795</link><guid>https://blog.csdn.net/Pniubi/article/details/170131795</guid><author>Pniubi</author><pubDate>Sat, 14 Nov 2026 16:22:58 +0800</pubDate><description><![CDATA[InnoDB通过版本链、ReadView、undolog和行隐藏列实现MVCC无锁读：行隐藏列（如DB_TRX_ID、DB_ROLL_PTR）支撑版本管理，undolog维护历史版本，ReadView决定快照可见性，仅快照读使用；写操作仍加行锁，当前读直接访问最新数据。RC与RR隔离级别差异在于ReadView生成时机。]]></description><category></category></item><item><title><![CDATA[怎么排查慢SQL，怎么解决？]]></title><link>https://blog.csdn.net/Pniubi/article/details/170352860</link><guid>https://blog.csdn.net/Pniubi/article/details/170352860</guid><author>Pniubi</author><pubDate>Sat, 14 Nov 2026 16:22:37 +0800</pubDate><description><![CDATA[本文系统梳理了慢SQL优化核心链路：开启慢查询日志，通过mysqldumpslow、performance_schema、业务监控平台或实时抓取（show full processlist）定位慢SQL；使用explain分析执行计划，识别索引失效、深分页、join过慢、大事务、回表过多等根因；针对性优化如建覆盖索引、拆分大事务、冷热数据归档等，提升数据库性能。]]></description><category></category></item></channel></rss>