✅ 适用场景：大数幂运算、模运算、2 的幂题目✅ 时间复杂度：O (log b)，比循环乘快得多。✅ 适用场景：分数化简、求最小公倍数、配数问题✅ 注意：Java 1.8+ 也可以用。✅ 适用场景：需要批量判断质数（比如魔法科考试这道题）✅ 代码短、好理解，✅ 适用场景：单个数字判断、小范围质数检查✅ 注意：循环条件是。✅ 时间复杂度：O (n log log n)，效率足够。✅ 适用场景：周期问

一开始，我对大数据的理解很简单——。后来学了 HDFS、MapReduce，以及云计算和物联网相关知识后，我发现，大数据真正的价值，从来不是数据本身，而是。

以前我认为：AI 编程最重要的是 Prompt。现在我越来越觉得：Prompt 决定一次输出。而 AGENTS.md 决定整个项目的输出。对于使用 Cursor、Claude Code 等 Agent 工具开发的人来说。AGENTS.md 可能会逐渐成为项目中最重要的文件之一。至少对于现在的我来说。它已经开始解决那些单纯依靠 Prompt 无法解决的问题了。

这次开发多人骰子游戏，我最大的收获不是学会了 WebSocket API。而是真正理解了：前端不仅仅是在写页面。当项目开始涉及多人协作、实时通信、状态同步时，就必须开始理解客户端、服务器以及连接生命周期之间的关系。WebSocket 对我来说不再只是一个技术名词。它是我第一次真正接触实时系统开发的起点。而那些连接失败、无限重连、消息丢失的坑，也成了这次项目里最深刻的学习经历。

最近在开发快艇骰子项目时，遇到了一个非常折磨人的问题。房间页面进入后总感觉特别卡，WebSocket 连接时好时坏，有时候玩家列表刚刷新出来又突然消失，控制台里也不断出现连接建立和断开的日志。第一反应当然是：是不是后端问题？于是我开始了长达几个小时的排查。最后发现，问题根本不在网络，也不在后端，而是在前端一个看起来完全正常的 React Effect 上。这篇文章记录一下整个排查过程，希望能帮到以

以前写 Vue / React 时，更像是在：做一个前端应用。而写 Next.js 后，更像是在：做一个完整的网站系统。因为你会开始真正思考：页面什么时候渲染？数据在哪里获取？哪部分放服务端？哪部分放客户端？SEO 怎么做？缓存怎么设计？这也是我觉得 Next.js 最有意思的地方。它已经不只是 React 框架了。

这周最大的收获，不是学会了一个新的 Prompt 技巧。而是改变了一种使用 AI 的方式。以后遇到 AI 犯错，我不会第一时间想着修改这一段代码。它为什么会这样写？这是一次偶然，还是一种模式？如果以后还会发生，我能不能把它蒸馏成一条 Skill？当越来越多的问题被沉淀成 Skill 时，你会发现，AI 并没有变得更聪明。但你的 AI，会越来越懂你。

很多人以为 AI 就是一个对话框。你提问。它回答。然后结束。但 Agent 不一样。Agent 更像一个拥有明确目标的员工。它不仅会思考，还会主动行动。例如：用户说："帮我开发一个排行榜页面。普通 AI：告诉你怎么做给你示例代码Agent：阅读项目代码分析目录结构查找相关接口编写代码修改文件运行测试修复错误最后直接完成任务。从某种意义上来说：大模型负责思考。Agent 负责干活。从 ChatGPT

很多人以为 AI 就是一个对话框。你提问。它回答。然后结束。但 Agent 不一样。Agent 更像一个拥有明确目标的员工。它不仅会思考，还会主动行动。例如：用户说："帮我开发一个排行榜页面。普通 AI：告诉你怎么做给你示例代码Agent：阅读项目代码分析目录结构查找相关接口编写代码修改文件运行测试修复错误最后直接完成任务。从某种意义上来说：大模型负责思考。Agent 负责干活。从 ChatGPT

最近在开发快艇骰子项目时，遇到了一个非常折磨人的问题。房间页面进入后总感觉特别卡，WebSocket 连接时好时坏，有时候玩家列表刚刷新出来又突然消失，控制台里也不断出现连接建立和断开的日志。第一反应当然是：是不是后端问题？于是我开始了长达几个小时的排查。最后发现，问题根本不在网络，也不在后端，而是在前端一个看起来完全正常的 React Effect 上。这篇文章记录一下整个排查过程，希望能帮到以