*大厂面试系列 · JavaScript **· 时间复杂度全覆盖 ·面试高频。

用 JavaScript 视角系统梳理数组、栈与队列、链表、二叉树四大基础数据结构。从内存模型到底层机制，从遍历方法选择到递归思想培养，面向面试建立完整知识体系。

ModelScope（魔搭社区）是阿里达摩院推出的 AI 模型开源社区，定位类似于 AI 界的 GitHub，也是国内版的 Hugging Face。Model：大量开源模型的发布与下载平台Dataset：公开数据集的托管与使用Notebook：免费的云端 Python 运行环境，内置 GPU 资源对于学习 Python、跑 AI 实验的同学来说，Notebook 是最核心的功能——不用配本地环境

本文记录了一次完整的 Python 入门学习历程，涵盖 List 数据结构与切片操作的核心用法，结合 ModelScope 平台的 Notebook 环境，完成了对 DeepSeek LLM API 的首次调用实践，并初步体验了 Prompt 工程在电商场景中的应用价值。

用 JavaScript 视角系统梳理数组、栈与队列、链表、二叉树四大基础数据结构。从内存模型到底层机制，从遍历方法选择到递归思想培养，面向面试建立完整知识体系。

本文从一个最小化的前后端分离项目出发，拆解 HTTP 请求的三个组成部分，厘清 async/await 控制异步流程的原理，并通过 json-server 模拟本地后端，完成"请求数据 → 等待响应 → 渲染页面"的完整链路，同步延伸到 LLM API 的 HTTP 调用场景。

这个 FDE 项目目前还在思考和搭建阶段。readme 里的角色链条、OPC 的概念、AI 工作流的节点——这些都是框架性的东西，距离验证还有距离。但我觉得这个方向值得继续往下走。不是因为 AI 有多神奇，而是因为一个人能独立完成一个产品的门槛确实在被压低。如果你也在做类似的尝试，或者对这个方向有自己的看法，欢迎交流。