第一讲：为什么需要操作系统？第二讲：应用程序如何使用操作系统？因此我们可以得到以下两个结论1.操作系统是复杂度逼出来的抽象层。2.应用程序通过系统调用使用操作系统提供的抽象。到了这一讲，我们继续往下挖一层。从硬件的角度看，操作系统到底是什么？那我们为何要干这个事情呢？因为我们平时总觉得操作系统很神秘，好像它天生就在那里：开机之后，Windows、Linux、macOS 就出现了；然后程序能运行，文

栈队列它们看起来比顺序表、链表简单，因为它们的操作规则非常固定。栈只允许在一端插入和删除。队列只允许在一端插入，在另一端删除。但也正因为规则固定，它们在很多场景里非常好用。函数调用栈浏览器前进后退表达式求值括号匹配撤销和恢复消息队列任务调度广度优先搜索生产者消费者模型数据应该按照什么规则进出。这一篇文章就系统梳理栈和队列的概念、结构、图解、C 语言实现以及常见应用。栈是一种特殊的线性表。它只允许在

上一篇我们从“AI 时代为什么还要学操作系统”开始，看到了操作系统的来路：从 ENIAC、Fortran、CTSS 到 Unix，操作系统不是人拍脑袋发明出来的，而是复杂度一步步“逼出来”的。不要先站在内核视角看操作系统，而是先站在应用程序视角看操作系统。内核怎么调度？页表怎么映射？文件系统怎么实现？中断怎么切换？我写的程序，到底是怎么在操作系统上跑起来的？程序 = 状态机；应用程序 = 计算 +

上一篇我们从“AI 时代为什么还要学操作系统”开始，看到了操作系统的来路：从 ENIAC、Fortran、CTSS 到 Unix，操作系统不是人拍脑袋发明出来的，而是复杂度一步步“逼出来”的。不要先站在内核视角看操作系统，而是先站在应用程序视角看操作系统。内核怎么调度？页表怎么映射？文件系统怎么实现？中断怎么切换？我写的程序，到底是怎么在操作系统上跑起来的？程序 = 状态机；应用程序 = 计算 +

这部分内容主要是笔者根据NJU的蒋炎岩老师的OS课程整理而成，大家如果感兴趣的话可以上课程的网站看看课程网站程序为什么能运行？为什么多个程序能看起来同时运行？为什么程序能访问文件？为什么它能和设备交互？为什么崩了一个进程，不会立刻把整台机器一起带走？为什么命令行工具能像积木一样拼起来？为什么 Agent 不是“直接控制宇宙”，而是通过 OS 能力工作？这些问题背后，才是操作系统。抽象如何设计复杂性

在前两讲中，我们已经知道了一个非常重要的观念：语言模型本质上是在做“文字接龙”。也就是说，给模型一段输入，它会预测下一个 Token；再把这个 Token 接回去，继续预测下一个；如此反复，最后生成一整段回答。它到底是怎么预测下一个 Token 的？它看到一句话以后，里面发生了什么？为什么同一个词放在不同句子里，模型会知道它有不同意思？为什么 Transformer 可以理解上下文？所谓 Atte

在第一讲中，我们已经知道了语言模型的核心能力：给它一段输入，它会预测下一个 token。也就是说，语言模型本质上是在做“接龙”。那问题来了：如果语言模型回答得不好，我们应该怎么办？很多人第一反应可能是：那就训练它啊那就微调它啊那就改模型参数啊但是对于目前那几个参数巨大的大预言模型来讲，你去训练和微调的成本都是巨大的于是随之而来我们便想曲线救国，有没有一种方法可以不改变模型参数的同时提高大模型回答问

现在大家每天都在用 ChatGPT、Gemini、Claude 这类生成式 AI 工具。你问它一个问题，它可以写文章、写代码、翻译、总结、聊天，甚至还可以生成图片、声音和视频。这时候我们很自然会有一个疑问：这些生成式 AI 到底是怎么做到的？它是真的“理解”了我的问题吗？它是在查资料库吗？它为什么有时候会一本正经地胡说八道？它为什么同一个问题问两次，回答可能不一样？它又是怎么记住前面聊天内容的？

现在大家每天都在用 ChatGPT、Gemini、Claude 这类生成式 AI 工具。你问它一个问题，它可以写文章、写代码、翻译、总结、聊天，甚至还可以生成图片、声音和视频。这时候我们很自然会有一个疑问：这些生成式 AI 到底是怎么做到的？它是真的“理解”了我的问题吗？它是在查资料库吗？它为什么有时候会一本正经地胡说八道？它为什么同一个问题问两次，回答可能不一样？它又是怎么记住前面聊天内容的？

数组名比较的是各自数组首元素地址字符指针比较的是它们指向的常量字符串地址所以这个例子非常适合理解：“字符数组”和“字符指针”虽然都能处理字符串，但底层模型并不一样。一个指针变量，这个指针指向的是数组。怎么理解这句？这两种写法都可以。pf是变量名*pf说明它是一个指针(int, int)说明它指向的函数参数是两个int最前面的int说明该函数返回值类型是intpf是一个函数指针，指向的函数形参是(i