Mach-O：Mach Object，是Mac\iOS上用于存储程序、库的属于Mach-O格式的文件类型有：11种0x10x20x30x40x50x60x70x80x90xa0xb。

动态规划（Dynamic Programming）动态规划简称DP；DP是求最优化问题的一种常用策略通常的使用套路：（一步一步优化）暴力递归（自顶向下，出现了重叠子问题，因此需要优化为2）记忆化搜索（自顶向下，还可以优化为3）递推（或者称为迭代、非递归）（自低向上）上面的步骤是三种方法，每种方法都是对之前方法的优化第一种方法，是最容易想到，也是时间复杂度比较高的一种第二种方法，是对第一种方法的优化

回文链表234.回文链表请判断一个链表是否为回文链表。示例 1:输入: 1->2输出: false示例 2:输入: 1->2->2->1输出: true进阶：你能否用 O(n) 时间复杂度和 O(1) 空间复杂度解决此题？思路1建立两个指针，left和right，分别指向链表的头和尾判断left.vlaue和right.value是否相等，相等则left = left.ne

前驱节点何为前驱节点？前驱节点，指的是以中序遍历，遍历二叉树，某一个节点的前一个节点，被称为其前驱节点。也就是，某一节点的左子树的右子节点的右子节点的右节点。。。特殊情况，如果是二叉搜索树，则前驱节点是按从小到大的顺序，比其前面一个节点。思路：如果node.left != null;则循环，node.left.right.right.right…直至为空，则找到了其前驱节点。如果node.left

无重复字符的最长子串3. 无重复字符的最长子串给定一个字符串，请你找出其中不含有重复字符的 最长子串 的长度。示例 1:输入: “abcabcbb”输出: 3解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。示例 2:输入: “bbbbb”输出: 1解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。示例 3:输入: “pwwkew”输出: 3解释: 因为无重复字符的最长

分治（Divide And Conquer）分治，分而治之。先分后治分治的一般步骤为：将原问题分解成若干个规模比较小的子问题（子问题和原问题的结构一样，只是规模不一样）子问题又不断分解成规模更小的子问题，直到不能再分解（直到可以轻易计算出子问题的解）利用子问题的解推导出原问题的解因此，分治策略非常适合用递归需要注意的是：子问题之间是相互独立的分治的应用：快速排序、归并排序、大数乘法主定理分治策略通

变量的本质就是内存中一段存储空间数据存储是以“字节”（Byte）为单位，数据传输大多是以“位”（bit，又名“比特”）为单位一个位就代表一个0或1（即二进制），每8个位（bit，简写为b）组成一个字节（Byte，简写为B），是最小一级的信息单位。1字节(Byte) = 8位(bit)1bit就是二进制的0和1计算机能够处理的最小单元是 字节 而不是位位，是由软件通过位运算符操作的1个英文字母（不分

摘要：本文探讨了AI编程协作中稳定系统的重要性，指出真正的差距不在于模型强弱，而在于是否建立了一套规范的工作制度。作者分享了一套公共Skills系统，包含六类协作能力：项目治理（建立协作入口）、任务交接（解决长会话中断问题）、发布验证（确保代码质量）、风险门禁（关键检查项）、后端工程（全栈视角）和问题复盘（经验沉淀）。这套系统通过标准化流程，使AI协作更像专业工程师，能持续改进工作质量，特别适合长

布隆过滤器需求如果需要编写一个网络爬虫，去爬10亿个网站数据，为了避免爬到重复的网站，如何判断某个网站是否爬过？首先，10亿个网站数据量很大，使用哈希表有些不合适。哈希表确实可以做到O(1)级别找到对应的元素，但10亿级别的数据量，空间复杂度太大，就不合适了。因此，我们需要尝试使用新思路、新方法：布隆过滤器。set之所以可以做到O(1)级别的查找某个元素是否存在，是因为其底部使用的是Hash表，而

MCP 是一套规则，它让 AI 模型可以安全、方便地使用外部工具和数据，从而极大地扩展了 AI 的能力边界。作为使用者：你将来可以通过一个简单的界面，一键添加由 MCP 提供的各种强大工具（如操作 Excel、发送邮件、查询股票等）到你的 AI 助手中。作为开发者：如果你有独特的需求，可以为自己或公司编写自定义的 MCP Server，然后在 Dify 中无缝集成，打造出真正强大和专属的 AI 应