万字详解Kafka
万字详解Kafka，快速上手 适合读者：已经能写一个普通 Spring Boot 后端项目，但对 Kafka、消息中间件、微服务事件驱动架构还不熟。 阅读目标：看完后能看懂公司代码里的 KafkaTemplate、@KafkaListener、group-id、topic、partition、offset、重试、死信队列、幂等等常见设计，不至于接手代码时一脸懵。 参考资料主要来自官方文档： Apache Kafka 4.2 Introduction Apache Kafka 4.2 Design Apach...
RagentHub问答
项目介绍请你介绍一下你的项目这个项目叫 RagentHub，是我做的一个 企业级 RAG 智能检索与问答平台，主要解决企业内部知识库比较分散、检索效率低，以及员工很难快速找到有效信息的问题。整个系统的核心思路是 RAG（Retrieval-Augmented Generation）架构，也就是先从知识库里检索相关内容，再把检索结果作为上下文交给大模型生成答案。在系统架构上，我主要做了 三个核心模块：文档处理、检索系统和智能问答流程。首先是 文档处理模块。 我使用 Apache Tika 实现了多格式文档解析...
Saas短链接设计与实现
项目介绍为什么做这个项目？学习还是交付商业？做这个项目主要有两个出发点 从业务价值出发短链接在实际场景中是一个非常典型的高并发、高访问的应用，比如： 营销推广（短信、广告投放） 用户增长（裂变分享） 数据统计（点击来源分析） 这些场景有几个特点：读多写少、访问集中、流量突发性强 所以我希望通过这个项目，把： 缓存设计（Redis） 高并发控制（限流、削峰） 分库分表（ShardingSphere） 这些技术串成一个完整的解决方案，而不是零散知识点。 从技术提升角度出发这个项目我刻意覆盖了一些面试和实际...
计算机网络八股
本文参考并整理自 JavaGuide，对计算机网络中常见的面试高频问题进行了内容精简与结构化梳理。在保证核心概念准确性的前提下，尽量压缩表述、突出关键点，并结合个人理解做了适当的记忆扩展，便于快速复习和长期理解。 网络分层模型OSI 七层模型物（比特传输）、链（帧编码、差错控制）、网（路由和寻址）、输（进程通信）、会、示（编码、加密）、用 TCP/IP 四层模型接（链路和物理）、网、输、用（会话、表示、应用） 网络分层的原因 各层相互独立（无需关注其他层） 提高灵活性和可替换性（多答特性） 大问题化...
2025南软高级软件设计期末复习
高级软件设计简答题汇总 设计模式和类库有什么不同 定义与目的 解决问题，重复使用的框架，经过验证的最佳实践，解决设计问题 封装特定功能的类和接口的集合，提供具体实现 抽象级别 更高级别抽象，方法论，组织代码和模块 具体实现，提供可直接使用的代码 通用性和使用范围 通用性更高，适合多种语言和项目，举例 类库与特定编程语言绑定，Java Spring框架 重用程度 重用思想和方法，而非代码 重用代码 工厂设计模式的三个OO原则 单一职责原则 一个类应当只有一个引起变化的原因。创建对...
2025南软统计模型期末复习
本文为2024统计模型期末试卷回忆版，既作为课程复习笔记，也希望通过系统梳理，加深对算法思想与应用场景的认识。 其中，简答题8道＋计算题5道 2024版简答题新增了部分我认为会考的内容作为复习，所以有12道，实际只有8道 2025统计模型计算题新增了 Γ函数 作为考点，其他的题目大同小异。 回忆版仅供参考。 简答题 简述 EM 算法的基本思想、主要步骤，并说明其优缺点与应用场景。 何为聚类？简述 K-means 聚类算法的基本流程及其优缺点。 什么是层次聚类？写出两种常用的簇间距离计算方法及其变种。 简述...
2025南软软件安全期末复习
本文是对《软件安全》课程期末内容的系统性复习与梳理，围绕软件漏洞、恶意代码、安全开发生命周期（SDL）、安全需求与设计、软件版权与法律等核心知识点，对教材中的重点概念、常见考点和易混淆内容进行了整理与归纳。 2025冷门考点：威胁建模、 Windows安全漏洞保护的基本技术及其存在的问题 第一章 什么是零日(0day)漏洞?什么是零日(0day)攻击?（2024） 未公开披露的软件漏洞，没有给软件厂商时间去打补丁或给出解决方案。 攻击者利用零日漏洞开发攻击工具攻击 为什么说面对当前的全球网络空间安全威...
基于 LLMREI 的需求获取实践
基于 LLMREI 的需求获取实践报告1 引言 需求获取是需求工程中的关键环节，直接影响软件系统的质量与成功率。传统需求获取方式（如人工面谈）虽然能够获得较为丰富的信息，但存在成本高、效率低、易受主观因素影响等问题。近年来，大语言模型（Large Language Models, LLMs）在自然语言理解与生成方面展现出强大能力，为需求获取过程的智能化与自动化提供了新的可能。 本文基于 RE 2025 会议论文 《LLMREI: Automating Requirements Elicitation ...