2.Claude Code 支持 LSP 指南（C#/JAVA等）05-28收起。

最近的十几年机器学习很是火热，尤其是其中的一个分支深度学习在工业界取得很好应用，吸引了很多眼球。不过从其历程来看，机器学习的历史并不短暂~从早期的感知机到八十年代火热的神经网络，再到九十年代被提出的经典算法集成学习和支持向量机；而最近的十年算得上是机器学习发展的黄金年代，软、硬件计算条件大幅提高，尤其是现在数据量的爆发式增长让机器拥有充分“学习”的资本，另一方面现在开源项目越来越多，即便一些算法的

MLA引入了两个投影矩阵，通过在存储KV时对KV进行下投影压缩到更小的矩阵存储，再在推理时通过上投影矩阵恢复到原有维度，来降低KV Cache的存储量级。关键数学技巧是 Online Softmax：Softmax 本来需要看全所有分数才能归一化，但通过维护两个滚动变量（当前最大值 m 和累加和 l），可以流式地更新归一化结果，数学上与完整的 Softmax 完全等价。分配少了不够用，分配多了浪费

HashMap 的底层数据结构由数组、链表和红黑树组成，核心是基于数组实现的。为了解决哈希冲突，采用拉链法，于是引入了链表结构。为了解决链表过长导致的查询性能下降，Java 8 引入了红黑树结构。：当链表长度达到 8 时，链表会转换为红黑树：当红黑树节点数减少到 6 时，红黑树会退化为链表：只有数组容量达到 64 时才会触发树化，否则优先扩容数组而不是树化这三个常量配合使用，目的是避免频繁的树化和

软件开始运行时，运行时会为每一个Generation预留一块连续的内存（这样说并不严格，但不影响此问题的描述），同时会保持一个指向此内存区域中尚未使用部分的指针P，当需要为对象分配空间时，直接返回P所在的地址，并将P做相应的调整即可，如下图所示。虽然64位环境下有更大的内存空间，但对于操作系统来说，.NET中的LOH会提交很大范围的内存区域，所以当存在大量的内存空隙时，即使不会出现OutOfMem

概念定义为什么你要关心这个TokenLLM 处理的基本单位。一个汉字、一个英文单词、一个标点都可能是一个 Token。这是大模型的计价单位。你每次调用 API，是按 Token 付费的。你做 AI 产品时说的"控制成本"，控制的就是这个东西。上下文（Context）LLM 当前能看到的全部 Token。包括你输入的话、历史对话、系统指令、上传的文件内容等。上下文窗口是有容量上限的。

从同步阻塞到Reactor，再到主从Reactor、Proactor、半同步/半异步、领导者/追随者，以及支撑协议解析的有限状态机——这些模式不是要你背下来应付面试，而是让你在面对实际问题时，能有一套“工具箱”。当你的服务器撑不住万级连接时，Reactor会帮你当你的业务逻辑阻塞I/O时，半同步/半异步会帮你当你的协议解析变得一团乱麻时，状态机会帮你当你的建连延迟成为瓶颈时，主从Reactor会帮