Deng的博客

AI原生IDE革命：Cursor与新一代AI编程工具全景解析 2026年6月，AI驱动的编程工具正以前所未有的速度重塑软件开发的工作方式。从GitHub Copilot到Cursor、Windsurf、Claude Code，AI已经从"代码补全助手"进化为能够理解整个项目上下文、自主修复Bug、甚至独立开发功能的"AI程序员"。 背景：从Copilot到Agent的范式跃迁 2021年，GitHub与OpenAI联合推出GitHub Copilot时，大多数人还把它当作一个有趣的代码补全插件——它能根据注释生成几行代码，偶尔还能写出完整的函数体。那时的AI编程工具本质上是"高级智能提示"（Smart Autocomplete），依赖局部上下文进行预测性输入。 然而到了2026年，这个领域已经发生了根本性的范式转变。以Cursor为代表的一批全新IDE，不再只是在你敲键时提供补全建议，而是能够： 理解整个项目的代码库——索引数万行代码，建立跨文件的语义关联 自主执行多步编程任务——从需求描述到完整功能实现，无需人工...

背景：当开源打破"算力霸权" 在大型语言模型的发展史上，DeepSeek R1 的发布堪称一次地震。2025年1月，深度求索（DeepSeek）发布了其新一代推理模型 R1，以不到前代十分之一的训练成本，实现了与 GPT-4o、Claude Opus 等顶级商业模型相媲美的推理能力。这一事件不仅重塑了开源模型的格局，更让全球 AI 社区开始重新审视"算力=智能"的传统假设。 长期以来，AI 推理能力的提升被绑定在"更大参数 + 更多数据 + 更强硬件"的线性增长范式上。OpenAI 的 o1 系列通过万亿token训练和强化学习刷新了 benchmarks，但高昂的成本让多数研究者望而却步。DeepSeek R1 的出现打破了这一迷思——它证明了一条不同的技术路径：用更聪明的训练方法替代堆砌算力。 核心架构：强化学习与思维链的深度融合 R1 的核心突破在于其独特的 RLVR（Reinforcement Learning via Verifiable Rewards） 训练框架。与传统 RLHF（人类反馈强化学习）不同，R...

背景：AI 时代的"USB-C"革命 如果说大语言模型是 AI 时代的"大脑"，那么如何让它与外部世界安全、高效地交互，就是决定其价值的核心瓶颈。长期以来，开发者为每个 AI 应用对接不同的 API——数据库走 SQL，文件系统靠路径，第三方服务需要 OAuth Token ——每次集成都是一次重复造轮子的工程灾难。 2025年3月，Anthropic 发布了 Model Context Protocol（MCP，模型上下文协议），提出了一套标准化的连接方案：让 AI 模型能够以统一的方式访问任何数据源和工具。短短数月内，MCP 就被 Microsoft Copilot、AWS Bedrock、Zed 编辑器等主流产品采纳为默认集成标准。 本文将深入解析 MCP 的设计哲学、技术架构及其对 AI 生态的深远影响。 核心特性：为什么 MCP 值得你关注？ 1. 统一的客户端-服务器架构 MCP 采用经典的 Client-Server 模型，但与传统的 REST API 不同： 1234┌──────────────┐ ┌───...

微软Build 2026重磅发布：MAI模型全家桶与革命性Frontier Tuning 2025年6月2日，微软在一年一度的Build开发者大会上公布了一个令人瞩目的AI产品线——Microsoft AI（简称"MAI"）模型家族，同时推出了被称为"山丘爬坡机器"的 Frontier Tuning 框架。这标志着微软正式从"使用AI"转向"制造可定制AI"的战略转型。 MAI模型全家桶：七款新品齐发 本次Build大会上，微软一次性发布了涵盖图像、语音、转录、思考与编码五大领域的七款MAI模型，覆盖了当前AI应用最核心的场景需求。 这一产品策略的亮点在于垂直领域深度定制。不同于过去大模型"一刀切"的通才路线，MAI系列中的每款模型都针对特定任务类型进行了专门的优化训练。例如： MAI-Thinking-1：专注于推理型任务的思考模型 MAI-Coding：面向开发者场景的代码生成与理解模型 MAI-Vision：多模态视觉理解与图像生成 微软在官方博客中强调：“我们都在认真关...

1. net/http 包相关方法 1.1 http.NewRequestWithContext 1req, err := http.NewRequestWithContext(ctx, "GET", url, nil) 这个方法用于创建一个新的 HTTP 请求。 它接受一个 context.Context 对象，可以用来设置请求的超时、取消等操作。 第一个参数是 HTTP 方法，这里是 “GET”。 第二个参数是要请求的 URL。 第三个参数是请求体，这里传入 nil 表示没有请求体。 返回一个 *http.Request 对象和错误对象。 1.2 Request 结构体类型 12345type Request struct { Method string // 指定HTTP方法（GET，POST，PUT等）。 URL *url.URL ......} 1.3 http.DefaultClient.Do 1resp, err := http.DefaultClient.Do(req) http.DefaultClient...

Colly 是 Go 语言中一个功能强大的爬虫库，它被设计用于简化 Web 页面的抓取和数据提取过程。下面是关于 Colly 的一些主要特点和用法： 简单易用：Colly 提供了一个简洁的 API，使得编写爬虫变得非常容易。你可以很容易地定义需要爬取的网站的规则，并提取感兴趣的数据。 灵活的规则定义：你可以定义多个规则来匹配不同类型的网页，并在每个规则中指定需要采取的操作，例如提取数据或者跟踪链接。 并发支持：Colly 内置了对并发的支持，可以同时爬取多个页面，从而提高爬取效率。 中间件：Colly 提供了中间件机制，允许你在请求发送、响应接收等各个阶段添加自定义逻辑，从而灵活地扩展爬虫的功能。 内置的数据提取工具：Colly 提供了一些方便的工具函数，用于从 HTML 页面中提取数据，例如使用 CSS 选择器或者 XPath。 可扩展性：Colly 的设计非常灵活，你可以根据自己的需求轻松地扩展和定制功能。 以下是一个爬取微博热搜的示例代码： 12345678910111213141516171819202122232425262728293031323334353637...

1. 并发 1.1 并发和并行的区别 并发和并行是两个不同的概念： 并行意味着程序在任意时刻都是同时运行的； 并发意味着程序在单位时间内是同时运行的 1.1.1 并行 并行就是在任一粒度时间内都具备同时执行的能力：简单来说并行就是多机或多台机器并行处理； SMP（SMP 是对称多处理器（Symmetric MultiProcessing）的简称。在这样的系统中包含多个处理器，同时，处理器间共享了内存和 I/O 总线。"对称"是指所有的处理器在功能和位置上地位相同，不存在主处理器或者被处理器较多的 “主机”） 表面上看是并行的，但由于是共享内存，以及线程间的同步等，不可能完全做到并行。 1.1.2 并发 并发是在规定的时间内多个请求都得到执行和处理，强调的是给外界的感觉，实际上内部可能是分时操作的。并发重在避免阻塞，使程序不会因为一个阻塞而停止处理。并发典型的应用场景：分时操作系统就是一种并发设计（忽略多核 CPU）。 1.2 goroutine goroutine是 Go 语言中处理并发执行的一个主要工具，是 Go 运行时层面的轻量级线程，与 ...

21.regexp2 01.regexp2 Regexp2：https://blog.csdn.net/dianxin113/article/details/118769094 GitHub：https://github.com/dlclark/regexp2 12345678910111213141516171819202122232425262728293031323334353637383940package mainimport ( "fmt" "github.com/dlclark/regexp2")func Regexp2GroupMatch(m *regexp2.Match, re *regexp2.Regexp) [][]string { var matches [][]string for m != nil { var ret []string gps := m.Groups() for index, g := range gps { if index == 0 { ...

20.machinery 01.异步框架machinery github地址(opens new window) 1.1 machinery介绍 go machinery框架类似python中常用celery框架，主要用于 异步任务和定时任务，有一下特性 任务重试机制 延迟任务支持 任务回调机制 任务结果记录 支持Workflow模式：Chain，Group，Chord 多Brokers支持：Redis, AMQP, AWS SQS(opens new window) 多Backends支持：Redis, Memcache, AMQP, MongoDB(opens new window) 1.2 架构 任务队列，简而言之就是一个放大的生产者消费者模型 用户请求会生成任务，队列的处理器程序充当消费者不断的消费任务。 基于这种框架设计思想，我们来看下machinery的简单设计结构图例 Sender：业务推送模块，生成具体任务，可根据业务逻辑中，按交互进行拆分； Broker：存储具体序列化后的任务，machinery中目前支持到Redis, AMQP,和SQS； ...

19.cron定时 01.cron基本使用 1.1 使用举例 1234567891011121314151617181920212223242526272829package mainimport ( "fmt" "github.com/robfig/cron")//主函数func main() { cron2 := cron.New() //创建一个cron实例 //执行定时任务（每5秒执行一次） err:= cron2.AddFunc("*/5 * * * * *", print5) if err!=nil{ fmt.Println(err) } //启动/关闭 cron2.Start() defer cron2.Stop() select { //查询语句，保持程序运行，在这里等同于for{} }}//执行函数func print5() { fmt.Println("每5s执行一次cron&quo...