工具核心优势适用场景多模型支持 + 功能全面快速原型、多模型实验、RAG 应用Spring AISpring 生态深度集成企业级 Spring 项目渐进式升级阿里云专属优化 + 多模态支持国内云环境、通义模型重度使用者。

通过让左边链表链表尾 prev.next = null;不断缩小规模，缩到只有一个结点，然后不断回调。通过比大小，排序，来合并左右子链表。

其实就是跟上一个文章的归并排序一样。只是把合并元素，从一个结点变成了一个链表。2.链表1和链表2进行合并，合并后将链表1更新为合并后链表，继续合并。1.创建一个有头结点的链表做合并后链表。总的来说就是两两合并。

= 需要写 双向链表头插法addToHead 方法 and 双向链表删除尾结点方法 removeTail and 双向链表删除某个结点方法 removeNode。总的来说，就是 通过哈希表 映射到 双向链表某个结点。但是需要考虑到使用状况顺序问题（近期操作时间先后顺序排序），使用双向链表，存储数据。LRU缓存的put方法 -> 从哈希表中获取 对应结点 + 数据插入或修改。于是 哈希表中， key

但是找到最左边怎么回去呢？如果我在沿途找的时候，把过程中的结点存放起来,而栈最合适。因为如果想要实现左中右的遍历效果（也就是中序遍历效果），就需要先找到最左边的，遍历结果就存放在动态数组中，（ArrayList)迭代法就是模拟递归栈。

利用栈，记录当前结点的深度。跟结点入栈同步记录该结点的深度。int depth 记录当前层，深度。

直接正常入栈就行，把栈顶结点直接交换左右子树就行。也就是，从根节点开始，交换左右子树，然后左节点，最后右结点。

2. 左子树的左子树与 右子树的右子树是否同时与左子树的右子树与 右子树的左子树 均为对称。（对称：左子树与右子树是否都为空，两值是否都为空， 不对称：只有一值为空）这里的dfs，是双向深入的dfs。因为需要两子树进行比较。1. 左子树 与 右子树是否堆成。类似dfs，只是逐层处理。

在求一个结点的深度时（max（left，right） + 1） ，顺便求出来该结点的直径。二次弹出，模拟的是 ： 左右根后序遍历，核心是先处理左右子树的计算，再处理根结点。栈的存储的是 ： Object[] 用于放 结点 + 结点访问情况（是否访问过）当然也可以用哈希表来存储。Map<TreeNode, boolean>哈希表存储结点深度，是为了获取左右子树结点的深度，用于计算。直径：一个结点的，

总的来说就是，从整合的框架，api功能，以及支持的模型，多个维度的一个api平台LangChain4j 不仅仅是一个工具库，它是一个多维度的 API 整合平台。框架整合层（Integration）：无缝嵌入 Spring Boot、Quarkus 等主流生态，让 AI 能力像普通 Bean 一样被注入和管理；功能抽象层（Capabilities）：将复杂的提示词工程、记忆管理、RAG 检索、Age