[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f2ruzo4z7sw7el":3,"$f35fuqv9welkvg":16,"$f2akorbzj7n690":476},{"slug":4,"title":5,"description":6,"content":7,"content_html":8,"pub_date":9,"tags":10,"draft":15},"what-is-a-token-in-large-language-models","什么是 Token：大模型如何切分、计量和理解文本","从分词器、词表和上下文窗口出发，解释 Token 如何影响大模型的成本、速度与工程设计。","谈论大模型时，Token 几乎无处不在：上下文窗口用 Token 计量，API 按 Token 计费，模型的生成速度也常写成 tokens\u002Fs。但 Token 不是“一个字”，也不等于“一个单词”。\n\n**Token 是模型读取和生成文本时使用的基本符号单位。** 一段文字会先经过分词器，被转换为一串 Token ID，模型真正处理的是这些数字，而不是人眼看到的句子。\n\n## 从文字到 Token\n\n大模型不能直接理解字符串。输入通常经历三步：\n\n1. 文本规范化，例如处理空格或特殊字符；\n2. 分词器把文本切成 Token；\n3. 每个 Token 映射为词表中的整数 ID。\n\n例如一句简单英文：\n\n~~~text\nThe model is tokenizing text.\n~~~\n\n它可能被切成完整单词、词根、后缀和标点。不同模型的词表与分词算法不同，因此同一句话在不同模型中可能得到不同数量的 Token。\n\n:::info Token 不是自然语言单位\nToken 的边界由分词器和词表决定，不遵循语文课里的“字、词、句”边界。空格、换行、标点、emoji 和代码缩进都可能占用 Token。\n:::\n\n## 为什么不直接按字或单词处理\n\n如果把每个完整单词都放进词表，词表会非常庞大，而且无法优雅处理新词、拼写变化、网址和代码。如果只按单个字符处理，序列又会太长，计算成本上升。\n\n现代分词器通常采用子词方案，在词表规模与序列长度之间折中：\n\n- 高频词可能是一个 Token；\n- 低频词会拆成多个子词；\n- 未见过的新词仍可由已有片段组合；\n- 代码、数字和多语言文本使用同一套可计算表示。\n\n常见方法包括 BPE、WordPiece 和 Unigram。工程上不必死记算法细节，但要知道：**词表设计会影响模型对不同语言和内容类型的效率。**\n\n## 中文为什么不能简单换算\n\n“一个汉字约等于一个 Token”只是非常粗糙的经验。较新的多语言词表可能把常见中文词组编码成单个 Token，冷僻字、特殊符号或中英混排也可能被拆分。\n\n| 内容类型 | Token 特征 |\n| --- | --- |\n| 常见中文 | 单字或常见词组可能成为 Token |\n| 英文 | 高频单词较省，长词会被拆分 |\n| 数字 | 长数字可能被切成多个片段 |\n| 代码 | 标识符、空格、缩进和标点都会计数 |\n| emoji | 一个可见符号可能对应多个 Token |\n\n因此，估算只能用于预算。需要精确值时，应使用目标模型对应的 tokenizer，而不是套用固定的“字数乘系数”。\n\n## Token 与上下文窗口\n\n上下文窗口是模型一次请求能处理的 Token 总量，通常包括：\n\n~~~text\n系统提示词 + 历史对话 + 用户输入 + 工具结果 + 模型输出\n~~~\n\n假设模型支持 128K 上下文，并不意味着可以输入 128K 后再无限生成。输入和输出通常共享同一个预算，还要给系统消息、结构化数据和安全余量留空间。\n\n当上下文超限时，应用可能截断早期消息、压缩历史、检索少量相关资料，或者直接拒绝请求。长上下文也不等于模型能同等准确地利用每个位置的信息；“放得下”和“用得好”是两件事。\n\n## Token 与成本\n\n商业 API 通常分别计算输入 Token 和输出 Token：\n\n~~~text\n总成本 = 输入 Token × 输入单价 + 输出 Token × 输出单价\n~~~\n\n输出往往更贵，因为生成是逐 Token 进行的。缓存命中的输入、批处理请求或不同模态 Token 可能使用不同价格，具体规则必须以服务商文档为准。\n\n降低成本不能只靠缩短用户问题。真正占预算的常见部分包括：\n\n- 每轮重复发送的长系统提示词；\n- 没有裁剪的完整聊天历史；\n- 检索返回过多或重复文档；\n- 工具输出包含日志、HTML 或无关字段；\n- 要求模型输出冗长但无人消费的解释。\n\n## Token 与速度\n\n推理性能常见两个阶段：\n\n1. Prefill：模型一次读取输入 Token，输入越长，首 Token 延迟通常越高；\n2. Decode：模型逐个生成输出 Token，速度常用 tokens\u002Fs 表示。\n\n相同的 tokens\u002Fs 不一定代表相同体验。用户更敏感的是多久看到第一个字、后续输出是否稳定，以及长对话后延迟是否明显上升。\n\n:::warning 不要只看上下文上限\n更大的上下文窗口会增加 KV Cache、显存和计算压力。产品设计应先检索、筛选和压缩信息，再把真正相关的内容交给模型。\n:::\n\n## Token 在工程中的五个实践\n\n### 1. 在发送前估算\n\n对系统提示词、历史消息、检索结果和预留输出分别计数，接近上限时主动裁剪。\n\n### 2. 按信息价值分配预算\n\n稳定规则放系统提示词，背景资料按需检索；不要让低价值日志挤占关键事实。\n\n### 3. 保留输出余量\n\n如果请求需要生成 JSON、代码或长报告，应显式预留输出 Token，避免结果在结构闭合前被截断。\n\n### 4. 记录真实使用量\n\n监控每类请求的输入、输出、缓存命中、延迟和失败率。平均值会掩盖极端长请求，P95 或 P99 更有运营意义。\n\n### 5. 使用正确的 tokenizer\n\n模型升级后重新校准。不同词表会改变计数、截断位置与成本，不能假设所有模型完全兼容。\n\n## 一个直观心智模型\n\n可以把大模型想成一台按“信息片段”工作的机器：\n\n- Token 是片段；\n- 词表定义可用片段；\n- 上下文窗口是工作台容量；\n- 推理成本取决于送入和生成多少片段；\n- 分词器决定原始文本如何装进工作台。\n\n## 结语\n\nToken 连接了语言与计算。它决定模型看到什么、一次能记住多少、响应需要多久，以及 API 最终花多少钱。\n\n理解 Token 后，许多大模型问题会变得具体：上下文为什么溢出、中文为何计费不同、长提示词为什么变慢、RAG 为什么需要裁剪。比起背诵一个固定换算比例，更重要的是围绕目标模型测量真实 Token，并把预算留给真正有价值的信息。","\u003Cp>谈论大模型时，Token 几乎无处不在：上下文窗口用 Token 计量，API 按 Token 计费，模型的生成速度也常写成 tokens\u002Fs。但 Token 不是“一个字”，也不等于“一个单词”。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>Token 是模型读取和生成文本时使用的基本符号单位。\u003C\u002Fstrong> 一段文字会先经过分词器，被转换为一串 Token ID，模型真正处理的是这些数字，而不是人眼看到的句子。\u003C\u002Fp>\n\u003Ch2 id=\"从文字到-token\">从文字到 Token\u003C\u002Fh2>\n\u003Cp>大模型不能直接理解字符串。输入通常经历三步：\u003C\u002Fp>\n\u003Col>\n\u003Cli>文本规范化，例如处理空格或特殊字符；\u003C\u002Fli>\n\u003Cli>分词器把文本切成 Token；\u003C\u002Fli>\n\u003Cli>每个 Token 映射为词表中的整数 ID。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>例如一句简单英文：\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-text\">The model is tokenizing text.\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>它可能被切成完整单词、词根、后缀和标点。不同模型的词表与分词算法不同，因此同一句话在不同模型中可能得到不同数量的 Token。\u003C\u002Fp>\n\u003Cdiv class=\"callout callout-info\">\u003Cp class=\"callout-title\">ℹ️ Token 不是自然语言单位\u003C\u002Fp>\n\u003Cp>Token 的边界由分词器和词表决定，不遵循语文课里的“字、词、句”边界。空格、换行、标点、emoji 和代码缩进都可能占用 Token。\u003C\u002Fp>\n\u003C\u002Fdiv>\n\u003Ch2 id=\"为什么不直接按字或单词处理\">为什么不直接按字或单词处理\u003C\u002Fh2>\n\u003Cp>如果把每个完整单词都放进词表，词表会非常庞大，而且无法优雅处理新词、拼写变化、网址和代码。如果只按单个字符处理，序列又会太长，计算成本上升。\u003C\u002Fp>\n\u003Cp>现代分词器通常采用子词方案，在词表规模与序列长度之间折中：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>高频词可能是一个 Token；\u003C\u002Fli>\n\u003Cli>低频词会拆成多个子词；\u003C\u002Fli>\n\u003Cli>未见过的新词仍可由已有片段组合；\u003C\u002Fli>\n\u003Cli>代码、数字和多语言文本使用同一套可计算表示。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>常见方法包括 BPE、WordPiece 和 Unigram。工程上不必死记算法细节，但要知道：\u003Cstrong>词表设计会影响模型对不同语言和内容类型的效率。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"中文为什么不能简单换算\">中文为什么不能简单换算\u003C\u002Fh2>\n\u003Cp>“一个汉字约等于一个 Token”只是非常粗糙的经验。较新的多语言词表可能把常见中文词组编码成单个 Token，冷僻字、特殊符号或中英混排也可能被拆分。\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>内容类型\u003C\u002Fth>\n\u003Cth>Token 特征\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>常见中文\u003C\u002Ftd>\n\u003Ctd>单字或常见词组可能成为 Token\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>英文\u003C\u002Ftd>\n\u003Ctd>高频单词较省，长词会被拆分\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>数字\u003C\u002Ftd>\n\u003Ctd>长数字可能被切成多个片段\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>代码\u003C\u002Ftd>\n\u003Ctd>标识符、空格、缩进和标点都会计数\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>emoji\u003C\u002Ftd>\n\u003Ctd>一个可见符号可能对应多个 Token\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>因此，估算只能用于预算。需要精确值时，应使用目标模型对应的 tokenizer，而不是套用固定的“字数乘系数”。\u003C\u002Fp>\n\u003Ch2 id=\"token-与上下文窗口\">Token 与上下文窗口\u003C\u002Fh2>\n\u003Cp>上下文窗口是模型一次请求能处理的 Token 总量，通常包括：\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-text\">系统提示词 + 历史对话 + 用户输入 + 工具结果 + 模型输出\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>假设模型支持 128K 上下文，并不意味着可以输入 128K 后再无限生成。输入和输出通常共享同一个预算，还要给系统消息、结构化数据和安全余量留空间。\u003C\u002Fp>\n\u003Cp>当上下文超限时，应用可能截断早期消息、压缩历史、检索少量相关资料，或者直接拒绝请求。长上下文也不等于模型能同等准确地利用每个位置的信息；“放得下”和“用得好”是两件事。\u003C\u002Fp>\n\u003Ch2 id=\"token-与成本\">Token 与成本\u003C\u002Fh2>\n\u003Cp>商业 API 通常分别计算输入 Token 和输出 Token：\u003C\u002Fp>\n\u003Cpre>\u003Ccode class=\"language-text\">总成本 = 输入 Token × 输入单价 + 输出 Token × 输出单价\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>输出往往更贵，因为生成是逐 Token 进行的。缓存命中的输入、批处理请求或不同模态 Token 可能使用不同价格，具体规则必须以服务商文档为准。\u003C\u002Fp>\n\u003Cp>降低成本不能只靠缩短用户问题。真正占预算的常见部分包括：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>每轮重复发送的长系统提示词；\u003C\u002Fli>\n\u003Cli>没有裁剪的完整聊天历史；\u003C\u002Fli>\n\u003Cli>检索返回过多或重复文档；\u003C\u002Fli>\n\u003Cli>工具输出包含日志、HTML 或无关字段；\u003C\u002Fli>\n\u003Cli>要求模型输出冗长但无人消费的解释。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2 id=\"token-与速度\">Token 与速度\u003C\u002Fh2>\n\u003Cp>推理性能常见两个阶段：\u003C\u002Fp>\n\u003Col>\n\u003Cli>Prefill：模型一次读取输入 Token，输入越长，首 Token 延迟通常越高；\u003C\u002Fli>\n\u003Cli>Decode：模型逐个生成输出 Token，速度常用 tokens\u002Fs 表示。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>相同的 tokens\u002Fs 不一定代表相同体验。用户更敏感的是多久看到第一个字、后续输出是否稳定，以及长对话后延迟是否明显上升。\u003C\u002Fp>\n\u003Cdiv class=\"callout callout-warning\">\u003Cp class=\"callout-title\">⚠️ 不要只看上下文上限\u003C\u002Fp>\n\u003Cp>更大的上下文窗口会增加 KV Cache、显存和计算压力。产品设计应先检索、筛选和压缩信息，再把真正相关的内容交给模型。\u003C\u002Fp>\n\u003C\u002Fdiv>\n\u003Ch2 id=\"token-在工程中的五个实践\">Token 在工程中的五个实践\u003C\u002Fh2>\n\u003Ch3 id=\"1-在发送前估算\">1. 在发送前估算\u003C\u002Fh3>\n\u003Cp>对系统提示词、历史消息、检索结果和预留输出分别计数，接近上限时主动裁剪。\u003C\u002Fp>\n\u003Ch3 id=\"2-按信息价值分配预算\">2. 按信息价值分配预算\u003C\u002Fh3>\n\u003Cp>稳定规则放系统提示词，背景资料按需检索；不要让低价值日志挤占关键事实。\u003C\u002Fp>\n\u003Ch3 id=\"3-保留输出余量\">3. 保留输出余量\u003C\u002Fh3>\n\u003Cp>如果请求需要生成 JSON、代码或长报告，应显式预留输出 Token，避免结果在结构闭合前被截断。\u003C\u002Fp>\n\u003Ch3 id=\"4-记录真实使用量\">4. 记录真实使用量\u003C\u002Fh3>\n\u003Cp>监控每类请求的输入、输出、缓存命中、延迟和失败率。平均值会掩盖极端长请求，P95 或 P99 更有运营意义。\u003C\u002Fp>\n\u003Ch3 id=\"5-使用正确的-tokenizer\">5. 使用正确的 tokenizer\u003C\u002Fh3>\n\u003Cp>模型升级后重新校准。不同词表会改变计数、截断位置与成本，不能假设所有模型完全兼容。\u003C\u002Fp>\n\u003Ch2 id=\"一个直观心智模型\">一个直观心智模型\u003C\u002Fh2>\n\u003Cp>可以把大模型想成一台按“信息片段”工作的机器：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Token 是片段；\u003C\u002Fli>\n\u003Cli>词表定义可用片段；\u003C\u002Fli>\n\u003Cli>上下文窗口是工作台容量；\u003C\u002Fli>\n\u003Cli>推理成本取决于送入和生成多少片段；\u003C\u002Fli>\n\u003Cli>分词器决定原始文本如何装进工作台。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2 id=\"结语\">结语\u003C\u002Fh2>\n\u003Cp>Token 连接了语言与计算。它决定模型看到什么、一次能记住多少、响应需要多久，以及 API 最终花多少钱。\u003C\u002Fp>\n\u003Cp>理解 Token 后，许多大模型问题会变得具体：上下文为什么溢出、中文为何计费不同、长提示词为什么变慢、RAG 为什么需要裁剪。比起背诵一个固定换算比例，更重要的是围绕目标模型测量真实 Token，并把预算留给真正有价值的信息。\u003C\u002Fp>\n","2026-07-10",[11,12,13,14],"AI","大模型","Token","工程实践",false,[17,28,38,44,53,56,65,77,88,100,109,116,123,130,137,144,154,162,172,181,189,197,206,215,224,234,241,251,257,268,274,280,287,294,301,311,320,329,339,349,359,367,377,388,398,407,415,421,429,437,445,453,461,468],{"slug":18,"title":19,"description":20,"pub_date":21,"tags":22,"draft":15,"word_count":27},"zig-language-practical-guide","Zig 语言实战：从显式内存到 C 互操作与交叉编译","以 Zig 0.16.0 为基准，理解错误处理、allocator、defer、comptime、C 互操作、构建系统、交叉编译及适用边界。","2026-07-14",[23,24,25,26,14],"Zig","系统编程","C 互操作","交叉编译",2469,{"slug":29,"title":30,"description":31,"pub_date":32,"tags":33,"draft":15,"word_count":37},"practical-rust-from-first-project-to-production","Rust 的使用：从第一个项目到生产服务","一条面向真实交付的 Rust 学习与使用路径：Cargo、所有权、错误处理、测试、并发、CLI、Web 服务和 Python 扩展。","2026-07-13",[34,35,36,14],"Rust","Cargo","后端开发",2072,{"slug":39,"title":40,"description":41,"pub_date":32,"tags":42,"draft":15,"word_count":43},"why-rust-is-becoming-mainstream-in-the-ai-era","为什么 AI 时代 Rust 正在成为主流基础设施语言","Rust 不会取代 Python，但正在 AI 基础设施、模型服务、Tokenizer、边缘计算与 Python 原生扩展中形成稳定位置。本文基于 Rust 官方调查、crates.io、Android、Linux 与 Hugging Face 的一手资料分析原因与边界。",[34,11,24,14],1891,{"slug":45,"title":46,"description":47,"pub_date":9,"tags":48,"draft":15,"word_count":52},"bis-perspective-on-artificial-intelligence","BIS 如何看待 AI：央行、生产率与金融稳定","结合国际清算银行的年度报告、工作论文与央行实践，梳理 AI 对产出、通胀、金融体系和政策治理的影响。",[11,49,50,51],"BIS","金融科技","央行",2128,{"slug":4,"title":5,"description":6,"pub_date":9,"tags":54,"draft":15,"word_count":55},[11,12,13,14],1677,{"slug":57,"title":58,"description":59,"pub_date":9,"tags":60,"draft":15,"word_count":64},"understanding-ai-compute-from-flops-to-memory-bandwidth","从 FLOPS 到显存带宽：AI 算力到底在算什么","拆解 AI 训练与推理中的计算量、显存、带宽、互联和成本，解释为什么峰值 FLOPS 很少等于真实吞吐。",[11,61,62,63],"算力","GPU","系统工程",2192,{"slug":66,"title":67,"description":68,"pub_date":69,"tags":70,"draft":15,"word_count":76},"ide-skills-guide","Agent Skills 完全指南：21 款第三方 Skill 深度评测与使用心得","全面评测 21 款第三方 Agent Skills，涵盖 Vue 生态、前端设计、构建工具、实用工具四大分类。从安装配置到实际使用场景，带你了解每个 Skill 的功能特点、最佳实践与使用心得。","2026-06-15",[71,72,11,73,74,75],"agent","skills","效率工具","前端","Vue",4169,{"slug":78,"title":79,"description":80,"pub_date":81,"tags":82,"draft":15,"word_count":87},"linux-kernel-skeleton-struct-funcptr-container_of","Linux 内核骨架：struct、函数指针与 container_of","读懂 Linux 内核源码的三件套：巨大的 struct 组合代替继承、函数指针表实现虚派发、container_of 宏从嵌入成员找回完整对象。","2026-05-09",[83,84,85,86],"linux","kernel","C","container_of",1369,{"slug":89,"title":90,"description":91,"pub_date":92,"tags":93,"draft":15,"word_count":99},"astro-complete-guide-2025","Astro 5 深度剖析：Islands 架构原理、构建优化与 Cloudflare Workers 边缘部署","从编译器视角解析 Astro 5 的 Islands 架构实现原理，Content Layer API 的 Vite 插件机制，Server Islands 的流式渲染，以及如何在 Cloudflare Workers + D1 边缘环境下榨干性能。","2026-05-08",[94,95,96,97,98],"astro","frontend","cloudflare","performance","architecture",3663,{"slug":101,"title":102,"description":103,"pub_date":104,"tags":105,"draft":15,"word_count":108},"llm-prompt-engineering","Prompt Engineering 实战：让 LLM 真正听话的技巧","System prompt 怎么写、Few-shot 怎么设计、Chain-of-Thought 原理，以及常见失败模式和调试方法。","2026-05-03",[106,107,14],"ai","llm",1723,{"slug":110,"title":111,"description":112,"pub_date":104,"tags":113,"draft":15,"word_count":115},"rag-system-design","RAG 系统设计：从 naive 到 production-ready","Retrieval-Augmented Generation 不只是「向量数据库 + LLM」，分块策略、召回质量、重排序、缓存才是工程核心。",[106,114,107,14],"rag",1613,{"slug":117,"title":118,"description":119,"pub_date":104,"tags":120,"draft":15,"word_count":122},"git-advanced-workflow","Git 进阶工作流：rebase、cherry-pick、bisect 的正确使用","merge 会了，但 rebase 总搞错？bisect 找 bug 提交？interactive rebase 整理历史？这篇一次说清楚。",[121,14],"git",1396,{"slug":124,"title":125,"description":126,"pub_date":104,"tags":127,"draft":15,"word_count":129},"docker-practical-guide","Docker 实战：从会用到用好","会 docker run 不够，Dockerfile 最佳实践、多阶段构建、Compose 编排、镜像瘦身才是日常真正需要的。",[128,83,14],"docker",1268,{"slug":131,"title":132,"description":133,"pub_date":104,"tags":134,"draft":15,"word_count":136},"anthropics-skills-guide","anthropics\u002Fskills：Anthropic 官方 Agent Skills 仓库解析","Anthropic 官方开源的 Agent Skills 标准仓库，127k stars，解析 SKILL.md 规范、17 个示例 skill 的设计模式，以及如何在 Claude Code \u002F Claude.ai \u002F API 中使用",[106,135,71,72],"Claude",2090,{"slug":138,"title":139,"description":140,"pub_date":104,"tags":141,"draft":15,"word_count":143},"karpathy-claude-code-guidelines","Karpathy 的 LLM 编码批评与 CLAUDE.md 最佳实践","基于 Andrej Karpathy 对 LLM 编程助手的观察，forrestchang 提炼出一个 CLAUDE.md 文件，4 条原则解决 AI 编码的典型失控问题：乱猜假设、过度设计、乱改代码、目标不清",[106,135,142,14],"Claude Code",2699,{"slug":145,"title":146,"description":147,"pub_date":104,"tags":148,"draft":15,"word_count":153},"typescript-advanced-patterns","TypeScript 高级模式：让类型系统为你工作","基础 TS 会了但类型总是 any？条件类型、映射类型、模板字面量类型、infer 关键字才是 TS 的真正威力。",[149,150,151,152],"typescript","类型系统","前端工程","高级模式",1419,{"slug":155,"title":156,"description":157,"pub_date":104,"tags":158,"draft":15,"word_count":161},"linux-performance-tuning","Linux 性能调优实战：从 top 到 perf 的完整工具链","遇到性能问题不知道从哪下手？这篇建立系统化的排查思路，从 CPU\u002F内存\u002FIO\u002F网络逐层分析。",[83,159,160,24],"性能","运维",1524,{"slug":163,"title":164,"description":165,"pub_date":104,"tags":166,"draft":15,"word_count":171},"python-functional-programming","Python 函数式编程：map\u002Ffilter\u002Freduce 之外","Python 不是纯函数式语言，但 functools、itertools、偏函数、闭包这些工具用好了能让代码简洁一个量级。",[167,168,169,170],"python","函数式","闭包","装饰器",1867,{"slug":173,"title":174,"description":175,"pub_date":104,"tags":176,"draft":15,"word_count":180},"python-oop-guide","Python 面向对象：__init__ 之外你需要知道的","Python OOP 不只是 class + __init__，魔术方法、描述符、元类才是真正的武器。",[167,177,178,179],"OOP","面向对象","魔术方法",1792,{"slug":182,"title":183,"description":184,"pub_date":104,"tags":185,"draft":15,"word_count":188},"python-data-structures","Python 内置数据结构深度解析","list、dict、set、tuple 不只是数据容器，搞懂它们的底层实现和时间复杂度，才能写出高性能 Python。",[167,186,159,187],"数据结构","算法",1517,{"slug":190,"title":191,"description":192,"pub_date":104,"tags":193,"draft":15,"word_count":196},"python-basics-quick-start","Python 快速上手：写给有编程基础的人","已经会其他语言，想快速掌握 Python 的语法特性和思维方式，这篇是捷径。",[167,194,195],"入门","基础",1607,{"slug":198,"title":199,"description":200,"pub_date":104,"tags":201,"draft":15,"word_count":205},"python-dataclass-pydantic","Python dataclass vs Pydantic：数据类选型指南","dataclass 是标准库的轻量选择，Pydantic v2 是带验证的重武器，什么时候用哪个，这篇说清楚。",[167,202,203,204],"dataclass","pydantic","数据验证",1323,{"slug":207,"title":208,"description":209,"pub_date":104,"tags":210,"draft":15,"word_count":214},"python-asyncio-practical","Python asyncio 实战：从回调地狱到协程优雅","asyncio 是 Python 异步编程的核心，搞懂 event loop、Task、gather 这些概念才能写出真正高效的异步代码。",[167,211,212,213],"asyncio","并发","网络编程",1258,{"slug":216,"title":217,"description":218,"pub_date":104,"tags":219,"draft":15,"word_count":223},"python-type-hints-guide","Python 类型注解完全指南：从入门到实践","Python 3.5+ 引入类型注解，配合 mypy\u002Fpyright 让 Python 也能享受静态类型检查的好处。",[167,220,221,222],"typescript-style","type-hints","工具链",1102,{"slug":225,"title":226,"description":227,"pub_date":228,"tags":229,"draft":15,"word_count":233},"pwa-install-update-button","PWA 踩坑：为什么安装按钮从来不出现","从 beforeinstallprompt 到 Service Worker waiting，把 PWA 的安装与更新提示真正做对","2026-05-02",[230,231,232],"pwa","javascript","web",1683,{"slug":235,"title":236,"description":237,"pub_date":238,"tags":239,"draft":15,"word_count":240},"openclaw-vs-hermes-agent","OpenClaw vs Hermes Agent：两个本地优先 Agent 的设计差异","OpenClaw（Novita AI）和 Hermes Agent（Nous Research）都是本地运行的个人 AI Agent，但在记忆系统、技能学习、运行环境和模型生态上走了不同的路。深入对比两种架构的核心差异。","2026-05-01",[106,71,107],1679,{"slug":242,"title":243,"description":244,"pub_date":238,"tags":245,"draft":15,"word_count":250},"cpp-random-design-patterns","C++ 设计模式实战：RAII、观察者、工厂","用现代 C++（C++17\u002F20）实现三种高频设计模式：RAII 资源管理、观察者模式事件系统、工厂模式插件架构。每种模式给出问题场景、实现代码和真实工程案例。",[246,247,248,249],"cpp","设计模式","c++17","工程",2613,{"slug":252,"title":253,"description":254,"pub_date":238,"tags":255,"draft":15,"word_count":256},"data-structures-fundamentals","数据结构基础：从数组到红黑树","系统梳理常用数据结构的核心原理、时间复杂度和适用场景。数组、链表、栈、队列、哈希表、二叉树、堆、图，每种结构附实现要点和 C++ 代码片段。",[186,187,246,195],3004,{"slug":258,"title":259,"description":260,"pub_date":261,"tags":262,"draft":15,"word_count":267},"network-clash-config","Clash \u002F Mihomo 配置详解：规则、策略组与分流","深入解析 Clash\u002FMihomo 的核心配置结构，包括代理节点、策略组类型、规则优先级、DNS fake-ip 模式，以及一份实用的完整配置模板。","2026-04-30",[263,264,265,266],"网络","clash","代理","配置",1384,{"slug":269,"title":270,"description":271,"pub_date":261,"tags":272,"draft":15,"word_count":273},"ai-agent-what-is","什么是 AI Agent？从 LLM 到自主执行","LLM 本身是无状态问答机，Agent 是什么让它’动’起来的？本文深入解析 Agent 的四个核心能力、ReAct 框架、工具调用原理，以及主流框架横向对比。",[106,71,107],2116,{"slug":275,"title":276,"description":277,"pub_date":261,"tags":278,"draft":15,"word_count":279},"ai-agent-memory","AI Agent 的记忆系统：从上下文窗口到长期记忆","深入拆解 AI Agent 的四种记忆类型、上下文窗口压缩策略、RAG 向量检索原理，以及三种典型失败模式和工程选型建议。",[106,71,114],2052,{"slug":281,"title":282,"description":283,"pub_date":261,"tags":284,"draft":15,"word_count":286},"network-proxy-vpn-guide","代理与翻墙技术原理：从 HTTP 代理到现代协议","深入解析代理与 VPN 的本质区别，梳理从 SOCKS5 到 Shadowsocks、V2Ray\u002FXray、Hysteria2 的协议演进，以及机场订阅的技术本质。",[263,265,285],"协议",2148,{"slug":288,"title":289,"description":290,"pub_date":261,"tags":291,"draft":15,"word_count":196},"algorithm-binary-search","二分查找：永远写不对？记住这个模板","彻底搞清楚二分查找的边界问题：闭区间和左闭右开两套模板、三道经典 LeetCode 题目完整 C++ 实现，以及二分答案的进阶思路。",[187,292,293,246],"二分查找","leetcode",{"slug":295,"title":296,"description":297,"pub_date":261,"tags":298,"draft":15,"word_count":300},"algorithm-sliding-window","滑动窗口算法：从暴力到 O(n) 的思维跃迁","系统讲解滑动窗口算法的核心模板、适用题型，配合三道经典 LeetCode 题目的完整 C++ 实现，彻底理解双指针收缩思路。",[187,299,293,246],"滑动窗口",1943,{"slug":302,"title":303,"description":304,"pub_date":305,"tags":306,"draft":15,"word_count":310},"hid-hotplug","HID 设备热插拔检测：从 udev 到 node-hid","在 Linux 上用 node-hid + usb 库实现可靠的 USB HID 设备热插拔检测，踩坑记录","2026-04-28",[246,307,83,308,309],"hid","nodejs","electron",2039,{"slug":312,"title":313,"description":314,"pub_date":315,"tags":316,"draft":15,"word_count":319},"electron-ipc-types","Electron IPC 类型安全：从 any 到完全类型化","用 TypeScript 泛型封装 Electron IPC，彻底消灭 any，preload 契约集中管理","2026-04-25",[309,149,317,318],"ipc","vue",1446,{"slug":321,"title":322,"description":323,"pub_date":324,"tags":325,"draft":15,"word_count":328},"element-plus-popover-hide","手动关闭多个 el-popover（不用 v-model:visible）","通过 ref + Reflect.get 调用 hide() 方法手动关闭 Element Plus Popover，解释 Vue3 Proxy 导致无法直接调用实例方法的原因。","2024-10-25",[318,326,327],"element-plus","vue3",1321,{"slug":330,"title":331,"description":332,"pub_date":333,"tags":334,"draft":15,"word_count":338},"vite-vue3-ts-elementplus-pinia","用 Vite+（vp）从零搭建 Vue3 + TypeScript + Element Plus + Pinia + Vue Router","使用 Vite+ 统一工具链（vp）一条命令搭建 Vue3 全家桶，涵盖按需导入、Pinia store、路由配置，以及常见坑的解决方案。","2024-08-27",[318,335,149,326,336,337],"vite","pinia","vite-plus",1960,{"slug":340,"title":341,"description":342,"pub_date":343,"tags":344,"draft":15,"word_count":348},"cef-lnk2038-iterator-debug-level","CEF LNK2038：解决 _ITERATOR_DEBUG_LEVEL 不匹配错误","分析 CEF（Chromium Embedded Framework）集成时出现的 LNK2038 _ITERATOR_DEBUG_LEVEL 链接错误，从根本原因到解决方案的完整指南。","2024-05-07",[246,345,346,347],"CEF","Visual Studio","链接错误",1509,{"slug":350,"title":351,"description":352,"pub_date":353,"tags":354,"draft":15,"word_count":358},"npm-electron-install-fix","彻底解决 npm 安装 Electron 失败的问题","分析 npm install electron 失败的根本原因（下载二进制超时\u002F被墙），通过国内镜像（npmmirror）彻底解决，并介绍多种备选方案和常见错误排查。","2024-03-01",[309,355,356,357],"npm","前端工具链","国内镜像",1494,{"slug":360,"title":361,"description":362,"pub_date":363,"tags":364,"draft":15,"word_count":366},"git-out-of-memory","解决 git 报错：Fatal: Out of memory, malloc failed","分析 git 大仓库操作时出现 Out of memory malloc failed 的根本原因，通过调整 pack.windowMemory、http.postBuffer 和 git repack 彻底解决。","2024-01-31",[121,83,365],"工具",2244,{"slug":368,"title":369,"description":370,"pub_date":371,"tags":372,"draft":15,"word_count":376},"vmware-tools-install","在 VMware 虚拟机中安装 open-vm-tools 完整指南","详解 VMware Tools 的作用、open-vm-tools 与官方 VMware Tools 的区别，以及在 Ubuntu 虚拟机中安装并生效的完整步骤和常见问题排查。","2023-11-21",[373,83,374,375],"VMware","Ubuntu","虚拟机",2523,{"slug":378,"title":379,"description":380,"pub_date":381,"tags":382,"draft":15,"word_count":387},"load-balancing-algorithms","负载均衡算法完全指南：从轮询到一致性哈希","系统梳理静态与动态负载均衡算法，涵盖轮询、随机、权重、IP Hash、一致性 Hash、最少连接、最快响应等，并对比 Nginx、Dubbo、Spring Cloud LoadBalancer 的实现差异。","2023-11-15",[383,384,385,386],"分布式","负载均衡","Nginx","微服务",1764,{"slug":389,"title":390,"description":391,"pub_date":392,"tags":393,"draft":15,"word_count":397},"win-cw2a-ca2w","ATL 字符串转换：CW2A 与 CA2W 完全指南","详解 ATL 宏 CW2A\u002FCA2W 在 Unicode 与 ANSI 之间的字符串转换用法、头文件依赖、USES_CONVERSION 宏的作用与常见陷阱。","2023-06-09",[246,394,395,396],"windows","ATL","字符串",1665,{"slug":399,"title":400,"description":401,"pub_date":392,"tags":402,"draft":15,"word_count":406},"csharp-sendmessage-cpp","C# 通过 SendMessage 向 C++ 窗口发送消息与字符串","使用 P\u002FInvoke 调用 user32.dll 的 SendMessage，从 C# 发送自定义 WM_USER 消息及字符串指针给 C++ 原生窗口，并在 C++ 侧正确接收和转换。",[403,246,394,404,405],"C#","互操作","PInvoke",1554,{"slug":408,"title":409,"description":410,"pub_date":411,"tags":412,"draft":15,"word_count":414},"win-postmessage-vector","Windows PostMessage 跨线程传递 std::vector 指针","通过 PostMessage 在 Windows 消息队列中传递 std::vector 指针，使用 reinterpret_cast 将指针装入 LPARAM，并在接收方正确释放内存。","2023-05-26",[246,394,413],"WinAPI",1823,{"slug":416,"title":417,"description":418,"pub_date":411,"tags":419,"draft":15,"word_count":420},"exe-dll-single-package","将 EXE 和 DLL 打包成单一可执行文件","介绍两种将 exe 和依赖 dll 打包成单文件的方案：Enigma Virtual Box 和 WinRAR 自解压，适合发布 Windows 桌面程序时简化分发流程。",[394,246,365],1619,{"slug":422,"title":423,"description":424,"pub_date":411,"tags":425,"draft":15,"word_count":428},"cpp-random-mt19937","C++ 现代随机数生成：用 mt19937 彻底告别 rand()","深入讲解为什么 rand() 不够用，以及如何用 C++11 的 \u003Crandom> 库正确生成高质量随机数，涵盖 mt19937、各种分布和线程安全。",[246,426,427],"c++11","random",1549,{"slug":430,"title":431,"description":432,"pub_date":433,"tags":434,"draft":15,"word_count":436},"win-startup-registry","C++ 实现程序开机自启动：注册表方式详解","通过操作 Windows 注册表 Run 键实现程序开机自启动，包括 HKCU 与 HKLM 区别、完整封装代码、工作目录问题和 UAC 权限处理。","2022-12-26",[394,246,435],"registry",1201,{"slug":438,"title":439,"description":440,"pub_date":441,"tags":442,"draft":15,"word_count":444},"mfc-cstring-wparam","MFC 中 CString 与 WPARAM 之间的转换","详解 MFC 消息传递中 CString 无法直接强转为 WPARAM 的原因，以及两种正确的转换方案，并介绍结构体指针传递的正确姿势。","2022-11-25",[443,246,394],"mfc",1546,{"slug":446,"title":447,"description":448,"pub_date":449,"tags":450,"draft":15,"word_count":452},"duilib-static-build","正确编译 Duilib 静态库：避免 ATL 依赖和链接错误","详解如何用 DuiLib_Static.vcxproj 编译 Duilib 静态库，解决 VARIANT 未定义、Unicode 配置不匹配和 ATL 依赖等常见问题。","2022-08-24",[246,451,394,443],"duilib",2639,{"slug":454,"title":455,"description":456,"pub_date":457,"tags":458,"draft":15,"word_count":460},"mfc-dpi-adaptive","MFC 界面自适应不同分辨率","MFC 对话框程序实现控件和字体随分辨率自动缩放的完整方案，附 DPI Awareness 配置说明","2022-08-17",[443,246,394,459],"dpi",1414,{"slug":462,"title":463,"description":464,"pub_date":465,"tags":466,"draft":15,"word_count":467},"mfc-drag-window","MFC 无标题栏窗口客户区拖动：三种方法对比","MFC 对话框去掉标题栏后如何实现拖动移动窗口，三种方案完整实现与适用场景分析","2022-08-16",[443,246,394],1633,{"slug":469,"title":470,"description":471,"pub_date":472,"tags":473,"draft":15,"word_count":475},"algorithm-number-complement","整数的补数：位运算掩码解法","LeetCode 476 题，用掩码 XOR 实现整数补数，附 C++\u002FPython\u002FJava 三种实现及补数与补码的区别","2021-03-08",[187,474,293],"位运算",1374,[]]