新的一轮工业革命已经到来
创建时间:2026-11-16 16:55:37||分类:参悟天道标签:参悟天道近期距离上次更新博客已经是4个月前的事情了,而且当时是因为要学习Hello算法,所以就顺带着更新了一下博客。在不更新博客的这4个月的时间其实挺忙的。一直在做自己的副业,好不容易有空闲之余也不知道能更新什么。我也和很多人一样天天焦虑,感觉AI出来后自己就要被代替了。其实今年我们真的见证了一个时代的发展,从年初开始,我的同学就带我们卖token,当时2、3月份刚出OpenClaw,然后很多不是计算机的人也来用这个,被炒上了天。然后我同学卖token应该也赚了有小十万了,当时我在上班所以没能赚多少钱。感觉错过了一波时代的红利。2333AIai的时代已然到来,我也是后知后觉的才开始vibecoding,也是进入了这家公司后才开始AllinAI。我感觉有点可惜,我的代码还没有写得很厉害,AI就已经把手动写代码的技能给秒杀了,我时常还是会怀念当初一点一点的去看文档,然后把功能写出来的那个时候。现在写代码,说实话已经丧失了当年的那种感觉。我遇到不懂的API我可以直接问AI,这个API怎么用。完全已经不会再去看文档一点一点的去获取答案了。感觉大脑已经在慢慢的变懒惰了。我发现我身边的人写代码也是一样了,
hello算法之贪心
创建时间:2026-07-14 09:42:25||分类:算法标签:算法笔记贪心算法贪心算法(greedyalgorithm)是一种常见的解决优化问题的算法,其基本思想是在问题的每个决策阶段,都选择当前看起来最优的选择,即贪心地做出局部最优的决策,以期获得全局最优解。贪心算法简洁且高效,在许多实际问题中有着广泛的应用。贪心算法和动态规划都常用于解决优化问题。它们之间存在一些相似之处,比如都依赖最优子结构性质,但工作原理不同。动态规划会根据之前阶段的所有决策来考虑当前决策,并使用过去子问题的解来构建当前子问题的解。贪心算法不会考虑过去的决策,而是一路向前地进行贪心选择,不断缩小问题范围,直至问题被解决。我们先通过例题“零钱兑换”了解贪心算法的工作原理。给定n种硬币,第i种硬币的面值为coins[i-1],目标金额为amt,每种硬币可以重复选取,问能够凑出目标金额的最少硬币数量。如果无法凑出目标金额,则返回-1intcoinChangeGreedy(vector&coins,intamt){inti=coins.size()-1;intcount=0;while(amt>0){while(i>0&&coins[i]>amt){i--;}amt-=coins[i];
hello算法之动态规划
创建时间:2026-07-13 18:24:18||分类:算法标签:算法笔记动态规划动态规划(dynamicprogramming)是一个重要的算术范式,它将一个问题分解为一系列更小的子问题,并通过存储子问题的解来避免重复计算,从而大幅提升时间效率。现在有一个题目如下:`给定一个共有n阶的楼梯,你每步可以上1阶或者2阶,请问有多少种方案可以爬到楼顶?`这个题目的目标是求解方案数量,我们可以考虑通过回溯来穷举所有可能性。具体来说,将爬楼梯想象为一个多轮选择的过程:从地面出发,每轮选择上1阶或者2阶,每当到达楼梯顶部时就将方案数量加1,当越过楼梯顶部时就将其剪枝。代码如下:voidbacktrack(vector&choices,intstate,intn,vector&res){if(state==n)res[0]++;for(auto&choice:choices){if(state+choice>n)continue;backtrack(choices,state+choice,n,res)}}intclimbStairsBacktrack(intn){vectorchoices={1,2};intstate=0;vectorres={0};backtrac
hello算法之回溯
创建时间:2026-07-10 12:32:41||分类:算法标签:算法笔记回溯回溯算法(backtrackingalgorithm)是一种通过穷举来解决问题的方法,它的核心思想是从一个初始状态出发,暴力搜索所有可能的解决方案,当遇到正确的解则将其记录,自到找到解或尝试了所有的可能都无法找到解为止。回溯算法通常采用“深度优先搜索”来遍历空间。在“二叉树”章节中,我们提到前序、中序和后序遍历都属于深度优先搜索。接下来我们利用前序遍历构造一个回溯问题,逐步了解回溯算法的工作原理。对于此题,我们前序遍历这颗树,并判断当前节点的值是否为7,若是,则将该节点的值加入结果列表res之中。相关过程如下代码所示voidpreOrder(TreeNode*root){if(root==nullptr){return;}if(root->val==7){res.push_back(root);}preOrder(root->left);preOrder(root->right);}尝试与回退之所以称之为回溯算法,是因为该算法在搜索解时会采用“尝试”与“回退”的策略。当算法在搜索过程中遇到某个状态无法前进或无法得到满足条件的解时,它会撤销上一步的选择,回到之前的状态,并尝试其他可能
hello算法之分治
创建时间:2026-07-05 13:10:05||分类:算法标签:算法笔记分治分治(divideandconquer),全称分而治之,是一种非常重要且常见的算法。分治通常基于递归实现,包括“分”和“治”两个步骤。分(划分阶段):递归地将原问题分解为两个或多个子问题,直至到达最小子问题时终止。治(合并阶段):从已知的最小子问题开始,从底至顶地将子问题的解进行合并,从而构建出原问题的解。归并排序是分治策略的典型应用之一。分:递归的将原数组分化成两个子数组,直到每个数组只剩一个元素。治:从底至顶地将有序的子数组进行合并,从而得到一个有序的原数组。如何判断分治问题一个问题是否合适用分治来解决,通常有以下的几个判断标准。问题可以分解:原问题可以分解成规模更小的,类似的子问题,以及能够以相同的方式递归进行划分。子问题是独立的:子问题之间没有重叠,互不依赖,可以独立解决。子问题的解可以合并:原问题的解通过合并子问题的解来合并。显然,归并排序满足以上三点。问题可以分解:递归地将原数组划分为两个子数组。子问题是独立的:每个子数组都可以独立地进行排序。子问题的解可以合并:两个有序数组可以合并为一个有序数组。通过分治提升效率分治不仅可以有效解决算法问题,往往还可以提升算法效率。在
hello算法之排序
创建时间:2026-06-13 10:59:56||分类:算法标签:算法笔记排序算法评价维度运行效率:我们期望排序算法的时间复杂度尽量低,且总操作数量较小。就地性:顾名思义,原地排序通过这原数组上直接操作实现排序,无需借助额外的辅助数组,从而节省内存。稳定性:稳定排序在完成排序后,相等元素在数组中的相对顺序不发生改变。自适应性:自适应排序能够利用输入数据已有的排序信息来减少计算量,达到最优的时间效率。自适应排序算法的最佳时间复杂度通常优于平均时间复杂度。是否基于比较:基于比较多排序依赖比较运算符J()来判断元素的相对顺序,从而排序整个数组,理论最优时间复杂度为O(nlogn)。而非比较排序不使用比较运算符,时间复杂度可达O(n),但其通用性相对较差。1.选择排序选择排序(selectionsort)的工作原理非常简单:开启一个循环,每轮从未排序区间选择最小的元素,将其放到已排序区间的末尾。设数组的长度为n,选择排序的算法流程如下所示。初始状态下,所有元素未排序,区间索引为[0,n-1]。选取区间[0,n-1]中最小元素,将其与索引0处的元素交换。完成后,数组前1个元素已排序。选取区间[1,n-1]中最小的元素,将其与索引1处的元素交换。完成后,数组前2个元素已
Cloudflare Tunnel上传大文件会卡死
创建时间:2026-06-04 13:08:51||分类:网站标签:cloudflare最近发现了个特别好用的内网穿透工具CloudflareTunnel,重要的是还是免费的。所以就尝试了好几个月,但是前段时间我要通过CloudflareTunnel上传文件到我的服务器时发现超过10mb的文件无论如何都无法上传成功,以至于我一度以为是这个开源项目filebrowser的锅。几经查找我发现了CloudflareTunnel的一个参数,就是--protocolhttp2。解决方法解决方法:编辑CloudflareTunnelsystemctl文件sudovim/etc/systemd/system/cloudflared.service在参数后面添加--protocolhttp2ExecStart=/usr/bin/cloudflared--no-autoupdatetunnel--protocolhttp2run--token*重启cloudflaredsudosystemctlstatuscloudflared感谢Cloudflare给我带来了那么好用的穿透服务
使用Cockpit创建windows11虚拟机(KVM)
创建时间:2026-05-20 15:39:40||更新时间:2026-09-29 17:14:41||分类:linux标签:linuxkvm前两个星期学习nlp的时候遇到了一个问题,就是课程资源下载只提供了百度网盘的方式。众所周知,我平常使用Archlinux,如果要切换到windows,只能重启我的电脑然后进入windows,要不然就是开虚拟机。要不然就是用我女朋友的电脑下载,但是百度网盘众所周知,速度极其的慢。刚好我手上有服务器,配置也不算低,所以打算在我的服务器上装一个windows虚拟机来作为我的下载机。问题有一个很让我意外的是我装的Cockpit居然可以管理kvm,但是windows11目前为止到我写这个文章的时间,他还属于实验性的。image按照Cockpit的面板来操作你会发现kvm的uefi无法引导windows的iso,所以得手动输入下面的命令来手动挂载iso让kvm的uefi引导。sudovirshchange-media[虚拟机名字][挂载的硬盘(sdb)][系统镜像.iso]示例sudovirshchange-mediawin11-2026-5-20sdb/var/lib/libvirt/boot/zh-cn_windows.iso2026-09-29最近我安装还发现了一个问题,就是安装window
hello算法之二分查找
创建时间:2026-05-03 16:29:07||分类:算法标签:算法笔记二分查找二分查找是基于分治策略的高效搜索算法。它利用数据的有序性,每轮搜索缩小一半的范围,直到查找到目标为止。autoarr={1,3,6,8,12,15,23,26,31,35};上面的数组,我们初始化指针i=0和j=n-1,分别表示指向数组的首元素和尾元素,代表搜索区间[0,n-1]。接下来,循环执行以下两步。计算中点索引m=[(i+j)/2]判断nums[m]和target的大小关系,分为以下三种情况。a.当num[m]targe时,说明targe在区间[i,m-1]中,因此执行j=m-1a.当num[m]=targe时,说明找到targe,因此返回索引m。若数组不包含目标元素,搜索区间最终会缩小为空。此时返回-1。注意的是,由于i和j都是int类型,因此i+j计算的值可能会超出int类型的取值范围,因此为了避免越界,我们通常采用公示m=[i+(j-i)/2]来计算终点。intbinarySearch(vector&nums,inttarget){inti=0,j=nums.size()-1;for(;itarget){j=m-1;}elsereturnm;}//未找到元素ret
hello算法之图
创建时间:2026-04-18 12:19:02||分类:算法标签:算法笔记图图是一种非线性数据结构,由顶点(vertex)和边(edge)构成图的常见术语根据图的边是否有方向来分类,可分为无向图(undirectedgraph)和有向图(directedgraph)在无向图中,边表示两顶点之间的“双向”连接关系,例如微信和QQ中的“好友关系”在有向图中,边具有方向性,即A->B和Avertices;//顶点列表,元素代表“顶点值”,索引代表“顶点索引”vector>adjMat;//邻接矩阵,行列索引对应顶点索引public:GraphAdjMat(constvector&vertices,constvector>&edges){//添加顶点for(intval:vertices){addVertex(val);}//添加边for(constvector&edge:edges){addEdge(edge[0],edge[1]);}}//获取顶点数量intsize()const{returnvertices.size();}//添加顶点voidaddVertex(intval){intn=size();vertices.push_back(val);adjMa
