这篇文章为了方便以可视化的方式回顾那些最常用的数据结构，你可以用它做面试准备时的复习。希望这些可视化例子能够帮助大家了解这些数据结构。
解析 Redis 单线程模型的真实含义与 6.0 之前坚持单线程的原因，说明 6.0 引入多线程 I/O 是为利用多核分摊网络读写负荷突破瓶颈，而命令执行仍由主线程串行完成。
介绍命令行编辑的常用快捷键：Ctrl+A/E 跳转行首行尾、Alt+B/F 按单词移动、Ctrl+U/K 删除以及 Ctrl+R 搜索历史命令，并推荐交互式模糊查找工具 fzf 提升效率。
按 JDK 1.0 到 Java 21 的版本脉络梳理 Java 集合框架的演进，分析 Vector、Hashtable 等早期类的缺陷与各版本新增类和接口的设计动机，涵盖 SequencedCollection 等新特性。
以调侃口吻列举产品经理常见的五种无效习惯：张口就说这很简单、越俎代庖做原型、口述编程指导开发、推崇照抄竞品以及质疑工时评估，呼吁尊重专业分工。
本文概述了AI项目调研，涉及大语言模型的概念、发展、应用，以及构建RAG应用的策略，为公司在AI领域的发展提供指导。
在租用的 RTX 3090 GPU 服务器上部署开源大模型 GLM-4-9B-Chat，通过命令行与 FastAPI 测试调用，并以自定义 LLM 方式接入 LlamaIndex，实现 RAG 应用的模型私有化。
从各家 AIGC 产品对智能体的定义切入解释 agent 概念，并用 LlamaIndex 的 ReActAgent 结合自定义函数工具与 RAG 查询引擎实现可控的 agent demo，展示其记忆能力。
对比 Chroma、Qdrant、Weaviate 等向量数据库后选择 Milvus 存储 RAG 应用的向量数据，通过 Docker 部署并结合 attu 客户端实战，避免重复 embedding 显著提升检索速度。
在 LlamaIndex 中自定义集成智谱 AI 的 GLM-4 与 Embedding-3 模型构建 RAG 应用，实测远程 embedding 因同步 HTTP 调用速度不及本地模型，建议在服务器自部署开源 embedding 模型。
