个人向galgame原声带或相关音乐整理及其资源
也是一直以来打算整理一下自己爱听的galgame ost
或者其他galgame相关的音乐,按照专辑的方式进行整理,同时我有的也会扒下来上传
就借助这个机会,好好的搞一下吧
顺序随缘
持续更新
【FLAC+MP3】AIR ORIGINAL
SOUNDTRACK
神尾观铃镇楼
AIR ORIGINAL SOUNDTRACK
通过网盘分享的文件:AIR ORIGINAL SOUNDTRACK.zip
13XeUCWQxV19snaDqzz48uA?pwd=1174 提取码: 1174 解压 10086
【WAV】ゲーム「水葬銀貨のイストリア」Sound
Track/ウグイスカグラ
【WAV】ゲーム「水葬銀貨のイストリア」Sound
Track/ウグイスカグラ
【WAV】ゲーム「水葬銀貨のイストリア」Sound Track/ウグイスカグラ.zip
百度网盘
提取码: 1174
【FLAC】さよならアーリーサマー/やなぎなぎ、麻枝准
img
百度网盘
提取码: 1174...
计算机基础知识和基础内容面试题
计算机网络
详细讲解一下
TCP 三次握手、四次挥手这个内容?为什么不能是两次?
TCP
是面向连接、可靠、全双工的传输层协议。全双工意味着两个方向的数据传输是独立的,A
能发数据给 B,B 也能同时发数据给
A,两个方向的连接需要分别建立、分别关闭。
三次握手
客户端发 SYN:
客户端随机生成初始序列号 seq=x,置 SYN 标志位,进入
SYN_SENT 状态。SYN
报文不携带数据,但消耗一个序列号(所以对方要 ack x+1)。
第一步为了让服务器知道 客户端的发送能力正常。
服务器回 SYN+ACK:
服务器收到后,也随机生成自己的初始序列号 seq=y,同时
ack=x+1 表示 我已收到你的 x,期待下一个字节 x+1。服务器进入
SYN_RCVD 状态。
第二步为了让客户端知道 服务器接收能力正常 +
服务器发送能力正常。
客户端回 ACK:
客户端 ack=y+1,确认收到服务器的
SYN。此报文可以携带数据。双方进入连接建立。
让服务器知道...
大模型基础 part2—大模型API调用工程和LLM评测
大模型 API 调用工程
一次生产级 LLM
调用包含哪些阶段
调用大模型似乎只是构造请求、发送 HTTP
请求,再读取模型返回的结果。但在实际的生产环境中,一次 LLM
调用实际上是一条由业务服务、模型调用组件和模型提供商共同完成的。
一般情况下,我们说一次模型 API
请求就是指的是向模型服务发起的一次推理调用。一次完整的业务请求指的是更完整的部分,包括可能不止一次的模型调用,上下文处理,工具执行,结果处理等内容。
整体上,大概上
flowchart TD A["用户或业务系统发起请求"] --> B["接入处理:鉴权、校验、链路标识"] B --> C["上下文组装:系统指令、历史、业务数据"] C --> D["调用决策:模型、参数、Token 预算"] D --> E["通过 SDK / HTTP 发送 API 请求"] E -->...
大模型基础 part1下—LLM运行机制之生成、推理与训练
生成与推理
输出层中从隐藏状态到词表概率分布
前面我们已经完成了 Transformer 内部的全部计算,输入序列经过多层
Transformer Block 后,得到了包含上下文信息的最终隐藏状态。
但是到这里,模型实际上还没有预测出下一个 Token。Transformer
输出的仍然是隐藏状态向量,而不是词表中每个 Token
对应的预测概率,还没到生成这步呢。
因此,还需要一个输出层,将模型内部的隐藏特征转换为对整个词表的预测分数。这个过程主要分为三个步骤:
LM Head(Language Modeling
Head):将隐藏状态投影到词表空间。
Logits:得到词表中每个 Token
对应的原始预测分数。
Softmax:将 Logits 转换为概率分布。
LM Head
假设输入:
1今天天气真
模型经过全部 Transformer Block
后,已经得到了最后一个位置的隐藏状态。
我们知道,这个隐藏状态融合了前文信息,可以用于预测下一个
Token。但它可能只是一个 4096...
大模型基础 part1上—LLM运行机制之Transformer模型内部机制
LLM 运行机制概论
LLM 在做什么
LLM 是一个 下一个 token 预测器
给定一段文本,也就是 token 序列,模型输出词表中每个 token
作为下一个词的概率分布。然后从中采样出一个
token,拼接到输入末尾,再重复这个过程,这就是自回归生成,你看到的所有智能表现,本质上都是这个简单机制在超大规模下的涌现结果。
其中,输入,意思就是,文本被表示成 token
序列,这里面涉及到分词的问题
模型不直接处理”字”或”词”,而是处理 token。token
是词表里的一个编号,一句话先被分词器切成若干 token,再映射成整数 ID
序列。例如,输入 “我爱LLM” 可能被切成
["我", "爱", "LL", "M"] 四个 token,对应 ID 如
[235, 1024, 8821, 77]。模型看到的只是这串数字。
所以说,token 不等于字,也不等于词。英文常用子词,中文可能一个字一个
token
也可能多字合并,数字和代码的切分往往很反直觉。这一步直接决定了后面的成本和效果,因此,token
数就是现代 LLM...
Netty part5—Netty核心源码分析
前言
我们一直在用 Netty,是一直把它当成一个整体:启动一个
ServerBootstrap,挂几个
Handler,然后发消息、收消息。用起来是这样的,但是当出现问题,什么出现回调顺序不对、消息没到业务、写出去的数据卡住这类问题,只靠
API 文档很难解释清楚,就需要我们把 Netty 拆成一个个模块来看
哦别忘了这个。
对象
它负责什么
阅读时最容易混淆的地方
ServerBootstrap / Bootstrap
保存启动配置,组织 Channel 的创建、初始化、注册、绑定或连接
它们不持续执行后续每一次 Socket 读写
Channel
表示网络端点,提供状态、配置、Pipeline 和异步操作入口
监听端口的 Channel 与客户端连接的 Channel 是不同对象
EventLoopGroup
管理多个 EventLoop,为注册的 Channel 选择一个 EventLoop
不会为每个请求重新分配线程
EventLoop
执行 Channel...
Netty part4—客户端的高可用与可靠连接
前言
前几篇讲的都是服务端的相关内容,包括怎么启动、怎么处理连接、怎么拆包、怎么设计协议。这一篇就涉及到客户端的相关内容,问题立刻变得不一样。
服务端关心的是 同时接住很多连接,客户端关心的是
这一条连接出现了问题该怎么办。网络抖动、服务端重启、DNS
变化、空闲超时、握手失败,这些在服务端只是某条连接的生命周期结束,在客户端却必须变成可恢复的状态。
本篇按客户端可靠性的顺序往下走:先用 Bootstrap
把连接建立起来,处理同步/异步与超时;再讨论心跳和空闲检测,判断连接是不是还活着;然后设计断线重连,包括退避、抖动、重新鉴权和会话恢复;最后落到两个常见的应用层协议,WebSocket
和 HTTP/HTTPS,以及连接池的基本概念。
读完应该能回答下面这些问题:
问题
对应小节
对应实验
connect().sync() 和异步 connect()
差在哪,超时怎么设
客户端连接
AsyncConnectDemo
多个异步操作怎么组合,同步 API...
Netty part3—ByteBuf与编解码
前言
上一篇我们把一条连接从建立到关闭走了一遍,也把事件线程、Pipeline
和异步结果拆开讲了。那一篇最后留下一个问题,解码器和编码器都要放在业务
Handler 之前,可它们到底在解什么,又在编什么。
答案在字节和对象之间。网络里流动的只有字节,业务代码想拿到的却是一个个消息对象。从
Socket 读出来的是一段没有边界的字节流,写回去的也是一个
ByteBuf。中间这层转换,就是编解码。
先把承载字节的 ByteBuf
拆开,看它的读写指针、内存位置、引用计数和零拷贝视图;再讨论粘包半包是怎么产生的,三种拆包方案各自适合什么场景;然后跟着
Netty
的解码器看一遍累积和解码循环;最后用一个能跑的自定义协议,把帧结构、消息分发和序列化选型串起来。
读完应该能回答下面这些问题:
问题
对应小节
对应实验
ByteBuf 的 readerIndex 和 writerIndex 分别管什么
ByteBuf...
Redis part11—微服务下使用Redis进行缓存设计的实践讲解
前言
单机部署时,给一个查询接口加上 Redis
就够用了:查不到就读库,读完写回缓存,更新时删掉缓存。同样的代码拆成多个实例之后,事情开始变形,本地锁挡不住另一个进程,删掉的缓存可能被一个更早发出的读请求写回来,Redis
一旦变慢又会把压力成倍转给数据库。
这篇文章沿着”一次读请求”和”一次配置更新”两条主线,把一个可以实际运行的项目完整拆开,讲清楚缓存的每个设计决定在解决什么问题、付出了什么代价、边界在哪里。
核心结论
缓存是可重建的副本:数据的角色决定故障策略;配置查询可以降级,安全状态必须回查事实源。
读链路四道关卡:缓存命中 → 布隆三态 → 租约重建与二次检查 →
发布校验。
三类问题三种防御:空值与布隆挡穿透,同键锁挡击穿,抖动、熔断与回源上限挡雪崩。
旧快照用代际协议关闭:“读前取号、发布验号”,失效时原子地推进代际并删除缓存。
失效可靠性交给 Outbox:至少一次执行,副作用必须可重复。
实验边界
同一个 Spring Boot 应用启动两个 JVM,共享一个 Redis 实例和一份...
Redis part10—集群与分布式下的Redis
集群和分布式的区别
集群 Cluster
是多个相同节点协作处理同一任务以提高并发和可用性,分布式是将业务拆分为多个独立子系统在不同节点协作完成整体任务。
集群指将相同的系统或服务部署在多个节点上,通过负载均衡共同处理同一业务,关注节点的冗余和并发能力,以提升系统的并发能力和高可用性。集群节点功能一致,节点间通常不需要复杂通信协调,主要解决
量 的问题,如高并发访问或单点故障容错
分布式(Distributed)则是将一个大业务拆分为多个独立的子业务或子系统,分别部署在不同节点上,各节点协作完成整体任务。分布式系统强调节点间的通信与协调,每个节点可能承担不同功能,解决系统复杂性和迭代扩展问题,即“质”的问题
所以说,在redis中,需要单独的看待。
Redis 3.0后便多了一个 REDIS CLUSTER
配置,即Redis集群,他可以突破3.0之前只能一主多从的限制,实现多主多从,这种集群没有中心节点,可水平扩展,据官方文档称可以线性扩展到上万个节点,当前配置性能和高可用都优与哨兵模式,且配置非常简单
img
Redis...
Redis part9—详解Redis的各个数据类型的底层数据结构
Redis 数据库本身的数据结构
Redis 的键值对中的 key 就是字符串对象,而
value
就是指Redis的数据类型,可以是String,也可以是List、Hash、Set、
Zset 的数据类型。
Redis 底层使用了一个 全局哈希表 保存所有键值对,哈希表的最大好处就是
O(1) 的时间复杂度快速查找到键值对。
img
这个全局哈希表不是孤立存在的,而是嵌套在多层 C 结构体中:
12345678redisServer(服务器) └── redisDb *db(默认 16 个数据库) └── dict *dict(每个库一个全局哈希表) └── dictht ht[2](两个哈希表,正常用 ht[0],rehash 时用 ht[1]) └── dictEntry **table(哈希桶数组) └── dictEntry(每个节点:key + value + next) ...
大模型基础和Agent基础面试题
大模型基础
大模型
API 调用的完整链路是什么?如何衡量一次大模型 API 的性能?
大模型 API 调用的是从业务应用发起请求,经由 API
网关、推理调度、模型推理,再将生成结果返回业务应用的完整分布式调用过程
请求预处理与 Prompt 组装
通常不能直接把用户输入原样发送给模型,而是要完成一系列预处理。第一部分是业务预处理。包括用户身份认证、请求参数校验、用户权限判断、敏感信息处理,以及确定本次请求使用哪个模型。第二部分是上下文组装。
几个常见参数:
参数
作用
model
指定调用的模型
messages
传递角色消息和上下文
temperature
调整生成时的采样随机性,具体支持情况依模型而定
top_p
核采样策略,控制参与采样的候选 Token 概率质量范围
max_tokens
限制输出 Token 数量,实际字段名因 API...
Netty part2—Netty核心机制和事件编程
前言
上一篇我们解决了三个问题,Netty 是什么,为什么要有它,最小的 Netty
程序长什么样。
Echo
只验证了网络通信中的能收能发。真实项目里,麻烦往往出在收发之外,连接什么时候算真正建立,什么时候该清理会话状态,回调为什么总在同一个线程,某个
Handler
卡了一下为什么所有连接都跟着变慢,写给客户端的数据为什么悄悄失败了,异常为什么没有人处理。
我们继续沿着一条连接往下看,先看它从建立到关闭经历了哪些状态和回调,再看这些回调由谁执行,然后讨论怎么在不破坏线程模型的前提下做耗时操作,最后落到
Pipeline、Handler 共享、Channel
配置和异步结果这些日常使用最频繁的机制上。
读完应该能回答下面这些问题:
问题
对应小节
对应实验
一条连接从建立到关闭,各回调按什么顺序触发
单连接的生命周期
LifecycleServer(9002)
父 Channel 和子 Channel 是什么关系
单连接的生命周期
LifecycleServer 的 accept...
























