虚拟机的Linux操作系统，其IP地址是通过DHCP服务获取的DHCP：动态获取IP地址，即每次重启设备后都会获取一次，可能导致IP地址频繁变更。

对比维度双层for循环双指针核心逻辑枚举所有组合，暴力比较贪心移动短板，排除无效解时间复杂度O(n²)（超时风险）O(n)（高效）是否漏解不会（覆盖所有情况）不会（只淘汰无效解）本质区别“穷举所有”找最大值“逻辑筛选”找最大值简单说：双层for循环是“大海捞针”，双指针是“精准定位”——它用贪心策略证明了“很多针根本没必要捞”，从而在不牺牲正确性的前提下，大幅提升效率。不是所有问题都需要“遍历所有

回顾之前的演进：都是"要我干"。s11 把最后一层依赖也去掉了。 Agent 可以：这是一个从"被动执行者"到"主动工作者"的跃迁。s11 的 Agent 生命周期变成了三个阶段：代码实现比描述更直白：“idle” 工具：模型可以主动说"我没事干了"一个特别有意思的细节是那个工具：这不是强迫 Agent 闲置的机制——是让 Agent 主动说"我干完了"的工具。当 Agent 完成当前任务，没有更

但你可以给模型配合伙人（Subagent），可以给模型建团队（Teammate），可以给团队设计协作协议（Protocol），可以让团队自发地找活干（Autonomous）。，但同时 Harness 的复杂度几乎没变——还是那个 while 循环，还是那个 tool dispatch map，只是多加了几行工具注册。模型的上下文窗口就是它的"工作记忆"它不知道父代理之前聊了什么，不知道之前的文件内

什么是JacksonJackson是由FasterXML开发的一套用于处理JSON数据的Java库。它提供了一组丰富的API，用于将Java对象序列化为JSON格式的字符串，以及将JSON字符串反序列化为Java对象。优势与特点高性能：经过优化，处理速度快，内存占用低，适合处理大规模JSON数据。灵活性：支持多种定制化配置，能够满足各种复杂的JSON处理需求。广泛支持：与众多Java框架（如Spr

Kryo 是 Java 高性能序列化的首选框架，核心优势是“快+小”，适配高并发、低延迟、低带宽的场景（如 RPC、缓存、游戏）；但需注意其“Java 独占”“类结构兼容”“线程安全”等问题，生产环境建议结合对象池、强制类注册等优化手段使用。若需跨语言交互，可搭配 Protobuf 作为补充。如果需要针对特定场景（如 Spark 集成、游戏服务器优化）的 Kryo 实战代码，可告诉我具体需求！

Spring AI 支持通过「声明式」和「编程式」将普通方法转化为 AI 可调用的工具，二者核心差异在于配置方式（注解 vs 代码构建），但最终目标都是生成实例供 AI 模型使用。通过在方法上标注@Tool注解，直接将方法转化为工具，无需手动构建，是更简洁的主流方式。核心配置@Tool注解支持 4 个关键属性，用于定义工具的核心信息（AI 模型依赖这些信息判断是否/如何调用工具）：属性名作用默认值

Apache ShardingSphere 以 “透明化分布式数据库能力” 为核心，解决了分库分表、读写分离等场景的复杂性，让开发者能专注于业务逻辑。其优势可总结为：低侵入性：业务代码零修改，学习成本低；高灵活性：可插拔架构，按需组合功能；强兼容性：支持主流数据库，无缝对接现有生态。随着云原生的发展，ShardingSphere 也在向 “分布式数据库生态系统” 演进，未来将在多模数据库支持、动态

技术名称核心作用（大白话）核心缺点（血的教训）适配场景（直接对号入座）Naive RAG毛坯房，搭好RAG基础架子，能跑就行切块愣，易截断语义，答案不完整Demo开发、小型短文档、快速验证功能嘴替，多问法检索，解决用户表述乱的问题延迟高，易混入无关文档，成本上升电商客服、个人助手，用户口语化提问多HyDE戏精，编假答案检索，解决短问题匹配难假答案易跑偏，误导检索结果短问题、语义模糊，大模型有基础认

✅ 为什么要使用工具✅ 如何创建自定义工具（@tool 装饰器）✅ 工具的两个关键参数（name 和 description）✅ Agent 如何自主选择和调用工具✅ 工具设计的最佳实践。