Metaphor

About

33分钟阅读

本站是一个wiki站点，它

本wiki站点的大部分内容由agent完善和添加，类似于Karpathy的LLM wiki思路。

目前，内容主要包括

算法与数据结构

  • 排序算法：快速排序、归并排序、堆排序、插入排序、选择排序
  • 搜索与图论：BFS、DFS、回溯法、Dijkstra最短路、Bellman-Ford算法、A*搜索、Floyd-Warshall算法、拓扑排序、强连通分量、桥与割点、二分图匹配、欧拉路径、最大流、2-SAT、树链剖分、矩阵树定理、哈密顿路径与回路、弦图与区间图
  • 字符串算法：KMP、字符串哈希、AC自动机、Manacher、Z函数、后缀数组、后缀自动机、回文树（Eertree）、Lyndon分解
  • 数据结构：栈、单调栈、队列、堆、哈希表、链表、字典树、并查集、线段树、树状数组、稀疏表、Treap（随机化平衡树）、AVL树、B树与B+树、Link-Cut Tree（动态树）、红黑树、KD-Tree、可持久化数据结构、跳跃表（Skip List）、LRU缓存、LFU缓存、布隆过滤器（Bloom Filter）、Counting Bloom Filter（计数布隆过滤器）
  • 算法技巧：二分查找、前缀和、递归分治、贪心算法、动态规划优化（单调队列、斜率优化、Knuth优化）、背包问题、位运算、线性基、莫队算法、差分约束、WQS二分、模拟退火、第k顺序统计量、分数规划、扫描线、双指针（滑动窗口、快慢指针、碰撞指针）、离散化（坐标压缩）
  • 高阶算法：近似算法（顶点覆盖、集合覆盖、TSP）、随机算法（随机化快排、Quickselect、Karger最小割）、在线算法（缓存置换、竞争比分析）

计算几何

  • 基础几何：凸包、点在多边形内判定、线段相交、旋转卡壳

博弈论

  • 博弈基础：SG函数、Nim游戏、博弈树

数学基础

  • 数论：最大公约数、扩展欧几里得、快速幂、模运算、中国剩余定理、素数筛法、线性筛

  • 组合数学：排列组合、二项式定理、容斥原理、抽屉原理、斯特林数、贝尔数、Burnside引理、生成函数

  • 概率与期望：概率DP、期望计算、贝叶斯推断

  • FFT与多项式：快速傅里叶变换（FFT）、数论变换（NTT）、多项式乘法

  • 线性代数：线性基、高斯消元

人工智能与机器学习

  • 机器学习基础：机器学习基础 — 监督学习、无监督学习，强化学习
  • 深度学习基础：深度学习基础 — 神经网络、反向传播、CNN、RNN、Transformer
  • 自监督学习：自监督学习专题 — BYOL、Barlow Twins、SimSiam、DINOv2、SiT、无需负样本的表示学习
  • 深度学习基础架构专题：深度学习基础架构专题 — AI基础架构学习路径、CNN/RNN/MLP/Transformer系统化导航
  • CNN数学基础：CNN数学基础 — 卷积严格定义、Toeplitz矩阵、平移等变性、群等变CNN、PDE-CNNs、Moment Kernels、UniConvNet
  • 轻量化CNN架构：轻量化CNN架构 — 深度可分离卷积、MobileNet v1/v2/v3、EfficientNet、ShuffleNet、GhostNet、ConvNeXt
  • 从零实现MLP：从零实现MLP — NumPy/PyTorch完整实现、Xavier/He初始化、Dropout/BatchNorm、Adam/AdamW、学习率调度、MNIST实战
  • MLP缩放定律与新洞察：MLP缩放定律 — Bachmann归纳偏置、Defilippis特征学习、Worschech精确分析、Lyapunov初始化
  • Vanilla RNN深度理论：Vanilla RNN深度理论 — BPTT推导、梯度消失爆炸形式化、Zucchet新理论、Livi可学习窗口、QRNN/ESN/IndRNN
  • GRU门控循环单元：GRU门控循环单元 — GRU架构、与LSTM对比、Can慢模态理论、Lyapunov稳定性、LLM Unlearning、不规则时序
  • 脉冲神经网络(SNN)：脉冲神经网络专题 — 脉冲神经元模型、代理梯度学习、ANN-SNN转换、事件相机应用
  • GCN谱方法理论：GCN谱方法理论基础 — 图信号处理、ChebNet、Kipf-Welling GCN、SGC完整推导
  • GCN空间方法与现代架构：GCN空间方法 — GraphSAGE、GAT/GATv2、APPNP、GCNII、SIGN、SAGN、可扩展训练
  • GCN理论新进展：GCN理论新进展2024-2025 — 过平滑理论、深度极限、泛化界、表达能力、GCN+LLM融合、图Transformer
  • GNN过平滑分岔与泛化2026：GNN过平滑分岔理论2026 — ICLR 2026正确测度、动力学分歧理论统一框架、表达-泛化权衡、谱GNN泛化界、PAC-Bayes拓扑感知
  • Byte Latent Transformer：Byte Latent Transformer — 字节级建模、动态分块、熵驱动patch、三阶段架构、消除tokenizer
  • Mixture-of-Depths：MoD与动态深度 — 路由机制、容量约束、训练策略、Skip Transformer、PonderV2、MoD-Lite
  • 几何深度学习框架：几何深度学习 — Bronstein蓝皮书、五大几何域、群论统一框架
  • CNN等变性2026新理论：CNN等变性2026 — Lorentz Steerable Kernel、多项式群CNN、微分同胚等变、可识别性定理、可调软等变
  • 神经网络代数/热带几何：神经网络代数几何与热带几何 — 多项式表示、Tropical Algebra、ReLU↔max-plus、Transformer几何解释
  • 现代架构专题索引：第116轮专题索引 — GCN深度、字节级建模、动态深度、几何/代数理论导航
  • 自然语言处理：NLP基础 — 分词、词嵌入、Seq2Seq、Attention、Transformer
  • 词嵌入基础：词嵌入基础 — Word2Vec（Skip-gram/CBOW/负采样）、GloVe共现分解、FastText子词嵌入的完整推导
  • 计算机视觉：CV基础 — CNN、目标检测（YOLO、Faster R-CNN）、图像分割（U-Net、Mask R-CNN）
  • CNN经典架构演进史：从LeNet到ResNet — LeNet/AlexNet/ZFNet/VGG/GoogLeNet/Inception/ResNet统一演进脉络、ImageNet性能对比、PyTorch实现
  • 权重初始化方法：权重初始化方法 — Xavier(Glorot)与He(Kaiming)初始化的方差守恒推导、PyTorch默认初始化表
  • 胶囊神经网络(CapsNet)：Capsule Network专题 — 动态路由算法、EM路由、现代架构（OrthCaps/IBCapsNet/MSPCaps）、与ViT对比
  • 长视频生成：长视频生成专题 — SVI错误回收、HiAR层级自回归、漂移问题解决
  • 角色动画：角色动画专题 — Content Anchors、身份一致性、动作控制
  • AI工程：RAG检索增强生成 — 文档分块、嵌入模型、混合检索、重排序、RAGAS评估
  • MCP协议：MCP协议 — Model Context Protocol、AI代理工具调用标准化、Tools/Resources/Prompts、JSON-RPC传输
  • Agentic AI：代理式人工智能 — 目标导向自主系统、工具调用、多智能体协作、ReAct/Plan-and-Execute模式
  • 向量数据库：向量数据库 — ANN算法（HNSW/IVF）、距离度量、pgvector/Pinecone/Milvus选型
  • LLM评估：LLM评估 — Faithfulness、Answer Relevancy、RAGAS框架、A/B测试
  • 权重空间学习：权重空间学习 — 神经网络权重的表示与生成、Task Arithmetic、DeepWeightFlow、模型压缩与知识复用
  • 长上下文处理：长上下文处理专题 — LoZA ZigZag注意力、Trellis KV压缩、πAttention周期稀疏、Mesh-Attention分布式、测试时训练、PAACE Agent上下文
  • 混合Transformer-SSM架构：TransXSSM — URope统一旋转位置编码、Transformer与SSM融合、长程依赖建模
  • HydraHead混合注意力：HydraHead — 头级别功能异质性、专门化注意力头、层次化vs头级别混合
  • MemMamba记忆机制：MemMamba — 记忆冲突分析、记忆银行、遗忘门控、长期依赖改善
  • 高效LLM架构：Universal YOCO — 深度缩放、自解码器架构、YOCO-U
  • 稀疏注意力：MiniMax稀疏注意力 — 块级稀疏、GQA、百万token上下文
  • LLM推理增强：HSIR自我改进 — 数据不平衡、过度思考、内在多样性评分
  • 梯度推理：∇-Reasoner — 测试时梯度下降、可微分文本优化
  • LLM推理系统优化：LLM推理优化专题 — KV Cache压缩（PyramidKV/H2O/StreamingLLM/DuoAttention）、MLA多头潜在注意力、连续批处理与Titan系统、长上下文处理技术综述
  • MLA多头潜在注意力：MLA — DeepSeek-V3的低秩KV压缩、8倍内存节省
  • KV Cache压缩：PyramidKV — 金字塔式层级缓存、自适应Token选择
  • 重注意力机制：H2O — 累积分数淘汰、Heavy-Hitter识别
  • 冷热Token分离：StreamingLLM — Attention Sink、无限长度流式推理
  • 双头注意力：DuoAttention — 检索头与流式头分离、任务自适应
  • Speculative Decoding最新进展：Speculative Decoding 2026 — 分层SD、并行推测(Saguaro)、极小词表(NanoSpec)
  • 分层Speculative Decoding：分层SD详解 — 层级分支重采样、联合不可追溯性突破、EAGLE-3集成
  • Speculative² Decoding：Saguaro方法 — 并行化draft与verify、三大挑战与解决方案、ICLR 2026
  • 机械可解释性：形式化可解释性 — 可证明保证的电路发现
  • 电路稳定性：Certified Circuits — 稳定性认证、分布外泛化
  • ViT可解释性：Seeing Through Circuits — Vision Transformer电路发现
  • 高效电路发现：PIE框架 — 剪枝-解释-评估、FAP-Synergy
  • 概率电路与深度学习融合：概率电路融合专题 — 神经概率电路(NPC)、因果概率电路、概率图电路、几何感知PC
  • 神经概率电路：Neural Probabilistic Circuits — 神经网络模块与概率电路融合、组合性可解释、逻辑推理集成
  • 因果神经概率电路：Causal NPC — 概念瓶颈模型、do算子、测试时干预、反事实推理
  • 概率图电路：PGC — 图上精确推断、图生成模型、UAI 2025
  • 几何感知概率电路：Voronoi PC — Voronoi镶嵌、局部几何建模、软边界
  • 概率电路复杂度下界(2025)：TPM复杂度下界与重构算法 — NeurIPS 2025 Spotlight逼近下界 + AISTATS 2025 Oral跨结构PC乘法
  • 概率图电路UAI 2025：PGC UAI 2025深度解析 — Papez et al. 图上的可处理概率电路、分子图生成、知识图谱
  • 循环卷积注意力CAT：CAT (NeurIPS 2025) — 基于FFT循环卷积的次二次复杂度注意力、 复杂度
  • Attention训练两阶段相变：两阶段相变理论 — NeurIPS 2025 Oral：语义聚集→秩坍缩训练动力学
  • 深度学习理论综合索引：深度学习理论前沿 — 六大理论方向导航：泛化理论、优化理论、表示理论、架构理论、物理交叉、新架构与学习力学
  • Learning Mechanics：学习力学理论 — 深度学习训练的”力学”规律、概率分布演化、守恒定律
  • Propagation Field：传播场几何理论 — 隐藏态轨迹的几何分析、端点等效vs轨迹差异、Field-Aware训练
  • Transformer动力学：平均场理论与Transformer动力学 — McKean-Vlasov动态、Token粒子系统、相变分析
  • 扩散模型收敛理论：扩散模型收敛与最优传输 — O(d/T)收敛率、采样步数优化、Flow Matching
  • 神经热力学：神经热力学与统计物理 — 能量landscape、相变与涌现、信息瓶颈
  • 形式化电路理论：形式化机制可解释性 — SMT验证、稳定性保证、最小性验证
  • Mamba-3：Mamba-3 ICLR 2026最佳论文 — 选择性SSM、复数值状态、MIMO架构
  • RL后训练算法对比：PPO、GRPO与DAPO对比 — 三种核心RL算法的数学形式、关键差异、实验对比
  • f-GRPO散度框架：f-GRPO与GIFT — 基于f-散度的LLM对齐统一框架
  • GRPO-VPS过程监督：GRPO-VPS — 可验证过程监督，无需辅助模型
  • 高级GRPO变体：LamPO — 四大前沿变体的深度解析
  • Transformer数学基础(2025-2026)：Transformer数学基础 — RoPE高维蓝图、QK特征谱、Critical Attention Scaling等前沿理论
  • Transformer与线性代数：统一矩阵框架：Transformer统一矩阵框架 — QKV矩阵分解、注意力矩阵谱分析（Rank Collapse/Perron-Frobenius）、LoRA/DoRA低秩理论、谱条件化、矩阵微积分、图视角统一
  • 概率图模型与深度学习融合：PGM与DL融合 — 贝叶斯网络/MRF/因子图、消息传递= GNN、变分推断= VAE、MCMC=扩散过程、PGM与Transformer统一
  • 贝叶斯估计系统推导：贝叶斯估计系统推导 — 先验选择、共轭先验、似然函数、后验计算、贝叶斯点估计、后验预测、BNN 2024-2026新方法
  • 反向传播完整推导：反向传播完整推导 — 链式法则、计算图、Jacobian/Hessian矩阵、自动微分（前向/反向/混合）、BPTT、卷积反向、数值稳定性、NumPy实现
  • 残差网络2025-2026新视角：ResNet 2025-2026新视角 — 动力系统视角、Neural ODE、隐式宽网络、谱条件、守恒律、最优控制、低秩归纳偏置
  • GNN与Transformer融合2025-2026：GNN-Transformer融合2025-2026 — GraphGPS、图谱Transformer、图扩散、Graph Mamba、GNN+LLM、图基础模型（GraphAny/PRODIGY）
  • Transformer架构理论专题：Transformer架构理论专题 — 7篇核心文档：数学基础、注意力机制现代理论、RoPE理论、架构收敛模式(53模型)、Attention Sink分析、谱分析、Transformer-SSM混合
  • Transformer数学基础(本轮新增)：Transformer数学基础 — 矩阵视角、QKV几何、张量分解、核方法桥梁、表达力界
  • 注意力机制现代理论：注意力机制现代理论(2024-2026) — 共识传播、最优传输视角、知识容量、谱归纳偏置、Hyper Attention、规范对称性
  • RoPE位置编码理论：RoPE位置编码理论 — 群论视角、相位调制、频率熵分析、长上下文扩展(YaRN/LongRoPE)、N维RoPE
  • Transformer架构收敛模式：架构收敛模式(2017-2026) — 53个LLM架构演化分析、Pre-norm+RMSNorm+RoPE+SwiGLU+GQA栈的形成
  • Attention Sink理论分析：Attention Sink理论分析 — 结构起源(方差差异/超神经元/维度差异)、必要性证明、共识视角
  • Transformer谱分析：Transformer谱分析视角 — Rank Collapse谱分析、信号传播、注意力缩放理论、谱稳定性
  • Transformer-SSM混合架构：Transformer-SSM混合架构理论 — Jamba/TransMamba/Hymba等混合架构、系统分析、设计原则
  • 现代Hopfield网络专题：现代Hopfield网络与联想记忆理论专题 — 7篇核心文档：从经典Hopfield到2024-2026突破（容量上界、Titans、MIRAS、扩散-AM）
  • 现代Hopfield基础：现代Hopfield网络基础 — 经典Hopfield、密集AM、现代Hopfield、CCCP推导、PyTorch实现
  • Hopfield⇔Attention等价：Hopfield与注意力的等价性 — 严格的数学等价证明、概率解释、HopfieldPooling
  • Hopfield容量理论：Hopfield存储容量理论 — AGS经典容量到NeurIPS 2024最优上界的完整推导
  • 稀疏/结构化Hopfield：稀疏与结构化Hopfield — Fenchel-Young统一框架、sparsemax/entmax/SparseMAP
  • Hopfield 2024-2026进展：Hopfield最新进展 — OutEffHop、Titans、MIRAS、扩散-AM、神经-星形胶质、量子模拟
  • Hopfield应用综述：Hopfield应用综述 — DeepRC、Hopular、BiSHop、STanHop-Net、CLOOB等
  • 张量分解与注意力：张量分解深度学习 — TPA (ICML 2025) 张量积注意力、TensorLLM多头张量化、QKV投影秩分析
  • xLSTM缩放定律完结版：xLSTM缩放定律 — ICLR 2026完整scaling law推导 + xLSTM 7B工业实现
  • 现代CNN架构2025：现代CNN架构2025 — iFormer移动端混合架构、CNN综述、大核CNN (SLaK)
  • 深度学习理论基础专题：深度学习理论基础专题(2026) — 现代泛化理论、损失景观与训练动力学、归纳偏置与表示学习的统一视角
  • 现代泛化理论：过参数化 — Wilson 2025立场、双下降精确渐近、Attention中的良性过拟合、µP下特征学习
  • 损失景观现代理论：损失景观与训练动力学 — EoS自稳定化、多分形景观、Muon/SOAP优化器、Transformer模式连通性、Hessian谱分析
  • 归纳偏置与表示学习：归纳偏置与表示学习理论 — GDL Erlangen纲领、Neural Collapse、神经Hilbert Ladder函数空间、软偏置统一视角
  • 2026 Q2 深度学习新进展专题：第120轮新进展专题索引 — MeanFlow家族、反向传播物理理论新视角、混合架构系统化、测试时记忆学习统一理论
  • MeanFlow 一步生成建模：MeanFlow (NeurIPS 2025 Oral) — Kaiming He领衔、平均速度恒等式、一步FID 1.93、ImageNet SOTA
  • Flow Map家族对比：Flow Map家族对比 — Diffusion/FM/CM/MeanFlow统一对比、算子视角、训练目标对比、选型指南
  • MeanFlow 2026后续进展：MeanFlow 2026后续 — 大规模蒸馏(CVPR 2026)、训练动力学、曲率瓶颈、文本生成、视频生成
  • 反向传播物理理论新视角：反向传播物理理论2026 — ICLR 2026 Lagrangian学习、波散射视角、KL投影对应、Lagrangian EP
  • 反向传播HJ方程与波散射2026：Hamilton-Jacobi与波散射2026 — Hamilton-Jacobi粘性初值视角、Hopf-Cole变换、波散射解锁前向-反向锁、隐式Hamiltonian无雅可比BP
  • 混合架构系统性分析：Meta FAIR 2026混合架构系统性分析 — 设计空间消融、混合比例、设计原则、MoE增强
  • Jamba-1.5工业级深度解析：Jamba-1.5 — 94B/398B Mamba-Transformer-MoE三合一、256K上下文、单H100部署
  • 测试时记忆学习统一理论：MIRAS统一理论 — 测试时训练、Titans神经长期记忆、MIRAS统一框架
  • 序列建模统一分类学：序列建模统一分类学 — 四大范式(RNN/SSM/Attention/TTT)统一数学框架、状态空间对偶性(SSD)、复杂度-表达力-效率三角、2025-2026最新进展
  • 门控注意力深度解析：门控注意力(NeurIPS 2025 Best) — 5种门控位置系统对比、Attention Sink缓解、32k→128k扩展、高学习率训练、Qwen3-Next实现
  • Transformer内在简洁性：Transformer Succinctness (ICLR 2026 Outstanding) — 形式语言视角下Transformer表达力优势的严格证明、TC⁰严格性、电路大小复杂度
  • GNN表达力极限与循环GNN：GNN表达力2026 — 消息传递聚合瓶颈(Rosenbluth 2026)、循环GNN=MPNN表达力(AAAI 2026)、完整逻辑框架(ICLR 2025)
  • 学习力学：深度学习的科学理论：Learning Mechanics — 5大支柱(理想化设定/可处理极限/数学定律/超参数理论/普遍行为)、反向传播=最小作用量、训练=Hamilton-Jacobi

分布式系统

  • 分布式系统基础：分布式系统基础 — CAP定理、一致性模型、共识算法、数据复制
  • 共识算法：共识算法 — Paxos、Raft、ZAB、PBFT拜占庭容错
  • 分布式事务：分布式事务 — 2PC、TCC、Saga、本地消息表、Seata框架
  • 消息队列：消息队列系统 — RabbitMQ、Kafka、可靠性保证
  • 分布式缓存：分布式缓存 — Redis集群、缓存策略（Cache-Aside/Write-Through）、缓存穿透/击穿/雪崩、内存优化
  • 事件溯源：事件溯源与CQRS — Event Store、Event Replay、CQRS模式、审计日志
  • 分布式追踪：分布式追踪 — OpenTelemetry、Jaeger、链路追踪、SpanContext、OTLP协议
  • OpenTelemetry生产实践：OpenTelemetry规模化 — Collector架构、采样策略、上下文传播、基数管理、成本控制

计算机基础

  • 计算机组成原理：CPU组成、指令系统、内存层次、Cache、虚拟内存、流水线
  • 操作系统：进程与线程、调度算法、内存管理、死锁、文件系统
  • 实时系统：实时系统 — 硬/软实时、RTOS、调度算法（Rate Monotonic、EDF）、优先级反转与优先级继承
  • 并行与并发编程：并发编程基础 — 线程与进程、竞态条件、同步原语（锁、信号量、屏障）、死锁、内存可见性、C++并发编程
  • GPU并行计算：CUDA基础 — GPU架构、线程层次（Grid/Block/Warp）、内存模型、Kernel编程
  • CPU多线程：OpenMP基础 — fork-join模型、parallel/for指令、数据作用域、归约、同步

计算理论

  • 自动机与复杂性：计算理论 — 形式语言、DFA/NFA、正则表达式、乔姆斯基体系、图灵机、停机问题、P/NP/NP-complete复杂性、归约与莱斯定理

编程范式

  • 函数式编程：函数式编程基础 — 纯函数、不可变性、高阶函数、函数组合、Map/Filter/Reduce、柯里化、惰性求值

编程语言进阶

  • Python进阶：Python进阶 — 装饰器、元编程、异步编程（asyncio）、上下文管理器
  • Rust基础：Rust基础 — 所有权系统、借用检查器、生命周期、内存安全
  • C++模板元编程：C++模板 — 模板特化、SFINAE、类型萃取、可变参数模板
  • TypeScript基础：TypeScript基础 — 类型系统、泛型、接口、联合类型、条件类型

计算机网络

  • 计算机网络：IP协议栈深入 — 滑动窗口、拥塞控制
  • DNS深入解析：DNS深入 — DNS层级结构、解析流程、记录类型、DNSSEC、DoH/DoT、zone文件
  • CDN内容分发网络：CDN — 工作原理、边缘缓存、Anycast路由、边缘计算、安全功能

Web技术

  • HTTP协议：HTTP协议详解 — 请求响应结构、状态码、缓存机制、HTTPS安全、HTTP/2与HTTP/3新特性
  • REST API设计：REST API设计 — RESTful原则、HTTP方法语义、API版本管理、认证授权、限流策略
  • GraphQL：GraphQL基础 — Schema定义、Resolver、分页、错误处理、N+1问题与DataLoader、Federation超图与子图设计

前端开发

  • CSS布局：CSS布局 — Flexbox与Grid核心概念、容器属性，项目属性、实战模式、性能优化
  • 浏览器工作原理：浏览器内部机制 — 多进程架构、渲染管线、事件循环（宏任务/微任务）、requestAnimationFrame、渲染优化
  • React Hooks：React Hooks基础 — useState、useEffect、useCallback、useMemo、useRef、useContext、自定义Hooks
  • React进阶：React进阶 — Concurrent Mode、Suspense深入、useTransition、useDeferredValue、性能优化模式
  • 前端构建工具：前端构建工具 — Webpack模块联邦、Vite原理、Turbopack、构建优化实践
  • React服务端组件：React Server Components — 服务端优先架构、流式渲染、Suspense边界、Next.js App Router
  • Vue基础：Vue基础 — 响应式系统、组件系统、Composition API、Vue Router、Pinia状态管理
  • Web无障碍：Web无障碍与WCAG — POUR原则、可感知性、可操作性、可理解性、WCAG 2.1/2.2、屏幕阅读器
  • 微前端架构：微前端 — Turborepo微前端支持、Module Federation、Webpack联邦模块、纵向拆分策略

数据库系统

  • 数据库基础：关系模型、SQL、索引原理 — B+树、InnoDB、查询优化、MVCC、事务隔离级别（读未提交、读已提交、可重复读、串行化）
  • NoSQL数据库：NoSQL数据库 — MongoDB、Redis、Cassandra、CAP定理、BASE语义
  • LSM树：LSM树 — MemTable、SSTable、Leveled Compaction、RocksDB/LevelDB应用
  • 数据库设计：数据库设计原则 — 函数依赖、范式（1NF/2NF/3NF/BCNF）、反规范化技术

信息安全

  • 密码学基础：对称加密（AES/DES）、非对称加密（RSA/ECC）、混合加密、数字签名
  • 哈希函数：MD5、SHA系列、密码存储
  • Web安全：XSS、CSRF、SQL注入、中间人攻击
  • TLS/SSL深入：TLS深入 — TLS 1.2/1.3握手、证书链验证、OCSP/CRL撤销、mTLS

区块链

  • 区块链基础：区块链基础 — 分布式账本、哈希指针、默克尔树、共识机制（PoW/PoS/BFT）、以太坊
  • 智能合约开发：智能合约入门 — Solidity基础、合约结构、ERC-20/ERC-721代币、安全考虑

服务网格

  • 服务网格：服务网格 — Istio vs Linkerd对比、Ambient Mesh、流量管理、安全模型、可观测性

WebAssembly

  • WebAssembly基础：WebAssembly入门 — 边缘计算（Cloudflare Workers）、插件系统（安全沙盒）、WASI、Component Model

Serverless

  • Serverless基础：Serverless入门 — FaaS/BaaS、冷启动优化、AWS Lambda、Cloudflare Workers、阿里云函数计算

新兴技术

  • 量子计算基础：量子计算入门 — 量子比特、量子门（Hadamard、CNOT）、量子纠缠、Shor算法、Grover算法、后量子密码学
  • 边缘计算：边缘计算架构 — Cloudflare Workers、Lambda@Edge、Vercel Edge Functions、边缘缓存、边缘-云混合架构

API安全

  • API安全：API安全最佳实践 — JWT认证（RS256 vs HS256）、OAuth 2.0 Flows（Authorization Code + PKCE）、Token刷新策略、限流算法

软件工程

  • 设计模式：设计模式 — 单例、工厂、观察者、策略等GoF模式
  • 系统设计：系统设计 — 负载均衡、缓存、分片、高可用架构
  • 微服务架构：微服务架构 — 服务拆分、API网关、熔断器、Saga模式
  • 持久化执行：持久化执行 — Temporal、Inngest、工作流持久化、检查点、自动重试

形式化验证

  • 形式化验证基础：形式化验证入门 — TLA+、模型检验、并发系统验证、PlusCal算法语言

平台工程

  • 内部开发者平台：IDP — Backstage、Golden Paths、自助服务、平台编排、Service Catalog

系统软件

  • 编译器原理：词法分析 — Token、正则表达式、有限自动机
  • 编译器原理：语法分析 — 上下文无关文法、递归下降、AST构建
  • 链接器与加载器：链接器与加载器 — ELF格式、符号解析、动态链接、重定位
  • 内存管理：内存管理 — Arena/Stack/Pool分配器、Slab分配器、线程安全、碎片管理
  • 垃圾回收：垃圾回收算法 — 标记-清除、标记-压缩、复制算法、分代回收、三色标记
  • 缓存优化：缓存优化 — CPU缓存层次、Cache-oblivious算法、矩阵转置/乘法/FFT应用

开发工具

  • Git：Git教程 — 版本控制、分支管理、远程协作
  • Git进阶：Git进阶技巧 — Rebase、Submodule、Hooks、Reflog、Worktree
  • Linux：Linux基础 — 文件系统、Shell命令、进程管理、网络配置
  • Vim：Vim编辑器教程 — 模态编辑、文本对象、宏、寄存器、配置
  • 正则表达式：正则表达式 — 基础语法、量词、边界、分组、零宽断言、C++ regex
  • Docker：Docker教程 — 容器化、镜像构建、Docker Compose
  • Kubernetes：Kubernetes基础 — Pod、Deployment、Service、存储与网络
  • Kubernetes进阶：Kubernetes进阶 — 高级调度、存储、安全、Helm、Operator、自动扩缩容
  • CI/CD：CD基础 — 持续集成、持续部署、流水线设计、GitHub Actions
  • Shell脚本：Shell脚本指南 — Bash编程、函数、错误处理、最佳实践
  • Terraform：Terraform基础 — HCL配置语言、Provider、State管理、Module设计、远程后端
  • Ansible：Ansible自动化 — 主机清单、Playbook、Role、模块、无代理架构、幂等性
  • 监控：Prometheus+Grafana — 指标采集、PromQL查询、告警规则、Dashboard创建

考试与刷题

  • CCF-CSP题目解析：模拟、栈、队列、哈希表、日期处理、表达式求值等（[[CCF-CSP/CSP201312B|ISBN号码矮、《CCF-CSP/CSP201609B|火车票》、《CCF-CSP/CSP201903B|二十四点》、「CCF-CSP/CSP202006B|稀疏向量》等）
  • LeetCode经典题解：

关系图谱

反向链接