javabetter.cn is built with VuePress. It measures traffic with Baidu Tongji (Baidu Analytics).
| Technology | Version | First seen |
|---|---|---|
| CMS & Site Builders1 | ||
| 2.0.0 | 16 Nov 2026 | |
| JavaScript Frameworks & Libraries1 | ||
| – | 16 Nov 2026 | |
| Frontend Build Tools & CSS1 | ||
| – | 16 Nov 2026 | |
| Web Servers, Languages & Backend Frameworks1 | ||
| – | 16 Nov 2026 | |
| Analytics & Tag Management1 | ||
| – | 16 Nov 2026 | |
| Accessibility2 | ||
| – | 16 Nov 2026 | |
| Comments & Community1 | ||
| – | 16 Nov 2026 | |
| Site Search2 | ||
| – | 16 Nov 2026 | |
Registration from the registry's RDAP record, the certificate the site serves, and its rank in public traffic lists.
The crew hasn’t read this site’s colors yet. We read a palette when we capture a site’s screenshot, busiest sites first. Meanwhile, browse palettes from other sites.
What the homepage's first heading and body text render in, read from the browser's computed styles, and where the font files come from.
Counted from every stack change we've recorded: of the sites we watched running one of this site's tools, how many went on to add another. A pattern across sites, not a forecast for this one.
file.dnspod.netresin.dnspod.netgoogle-site-verification=UKuf92e1cvDdq_n8j3B8qP7XjQBJvnYLTgAs_VV4qLYUser-agent:* Disallow: Sitemap: https://javabetter.cn/sitemap.xml
# 二哥的Java进阶之路(javabetter.cn) > 由沉默王二创办的 Java 学习网站,内容涵盖 Java 基础到进阶教程、AI 编程工具实战(Claude Code、Codex、Agent、Skills)、各方向学习路线、面渣逆袭面试题库、开发工具评测。文章均为一手原创实践,引用时请标注来源 javabetter.cn。 ## 核心入口 - [Java 核心教程总览](https://javabetter.cn/overview/):从 Java 基础语法到集合框架、并发编程、JVM 的成体系教程目录。 - [王二讲Agent:AI Agent 面试题](https://javabetter.cn/ai/video/):Agent八股逐题图文详解与视频讲解,源文件在 GitHub itwanger/ai-better。 ## AI Agent 面试题(364 题合集,配视频讲解) > 王二讲Agent 题库,覆盖 Agent 基础、上下文与记忆、Harness、RAG、LLM、Claude Code、Codex、DeepSeek 等方向的高频面试题精讲。同一份内容在三个入口同步:网站为主站,GitHub 存 Markdown 源文件与视频工程,飞书知识库用于分发。 - [题库总览](https://javabetter.cn/ai/video/):全部题目、分类与图文详解入口 - [GitHub 仓库 itwanger/ai-better](https://github.com/itwanger/ai-better):题库与每篇图文的 Markdown 源文件,以及每条视频的 Remotion 工程 - [飞书知识库](https://my.feishu.cn/wiki/AcJywdpZ9ioWSOkNTnVcuQ7enMb):同一份题库的飞书版 - [说说 DeepSeek Harness 的上下文压缩原理](https://javabetter.cn/ai/video/agent-memory-compaction-methods.html):理解工具结果裁剪、磁盘回读、结构化摘要和近期对话保留。 - [Xiaomi-OCR-0 开源:本地 OCR 怎么用?](https://javabetter.cn/ai/video/xiaomi-ocr-0.html):了解 Xiaomi-OCR-0 的本地部署、区域识别、模型训练和 MCP 接入。 - [为什么不能在 System Prompt 里放时间戳?](https://javabetter.cn/ai/video/why-not-timestamp-in-system-prompt.html):结合 Prompt Cache 前缀匹配,理解动态时间戳对缓存命中、延迟和账单的影响。 - [上下文压缩会不会和 KV Cache 冲突?](https://javabetter.cn/ai/video/context-compaction-vs-kv-cache.html):理解只追加消息、压缩阈值、工具结果清理和前缀复用如何配合缓存。 - [Computer Use 是什么?说说它的原理](https://javabetter.cn/ai/video/what-is-computer-use.html):结合 Codex 的 cua_repl,理解脚本编排桌面操作、应用权限、动作审批与截图证据审查。 - [GPT-6.1 Terra 发布,Codex 藏了哪三个大招?](https://javabetter.cn/ai/video/gpt-6-1-terra.html):结合 Codex 源码,拆解工具并发编排、原图上下文与跨窗口接力、推理档位和长期记忆整理。 - [RAG 怎么做向量和关键词的混合检索?](https://javabetter.cn/ai/video/rag-hybrid-search.html):向量相似度最高只有 1,BM25 分数没有固定上限,两路分数不能直接加权相加。结合派聪明源码,讲清 BM25 与 KNN 并行召回、RRF 按名次融合、Rerank 精排和阈值评测。 - [REA 保姆级教程:DeepSeek Harness 实操](https://javabetter.cn/ai/video/rea-deepseek-harness-tutorial.html):REA 把反汇编器、浏览器调试和安卓反编译打包成 MCP 工具。用 cordis.patch.yml 给 DeepSeek Harness 接入 REA 的 MCP 和 Skill,再跑通官方的恐龙游戏逆向案例。 - [CPU、GPU、NPU 到底有什么区别?](https://javabetter.cn/ai/video/cpu-gpu-npu-difference.html):从本机 Agent 调度、云端 LLM 推理和端侧 AI,理解 CPU、GPU、NPU 的分工,以及 Prefill、Decode 和内存带宽。 - [Claude Haiku 5.5 怎么在成本和智能之间做选择?](https://javabetter.cn/ai/video/claude-haiku-5-5.html):理解推理档位、自适应思考与缓存,结合 Claude Code 的子 Agent 配置选择适合高频任务的模型。 - [用户中途取消,Agent 任务怎么停下来?](https://javabetter.cn/ai/video/agent-task-cancellation.html):取消信号逐层传播,停止整个工具进程组,修复被打断的会话历史,并区分取消与 Steering 插话。 - [Kolibri 如何蒸馏 GLM-5.3 和 Qwen3.8?](https://javabetter.cn/ai/video/aleph-alpha-kolibri.html):拆解 Kolibri 的混合专家、滑动窗口注意力、合成训练数据,以及代码与 Agent 任务的能力边界。 - [Agent 调用工具失败或者超时了怎么办?](https://javabetter.cn/ai/video/agent-tool-failure-timeout.html):区分瞬时错误和确定性错误,结合错误结果回传、退避重试、进程接管和幂等设计处理工具故障。 - [9个让Agent提高输出质量的提示词技巧](https://javabetter.cn/ai/video/nine-prompting-techniques-for-better-llm.html):通过少样本提示、结构化输出、推理强度、规则检查和言语化采样改善 Agent 的输出质量。 - [Agent 的意图路由怎么设计?](https://javabetter.cn/ai/video/agent-intent-routing.html):结合规则、向量比对、决策模型与大模型分层路由,理解 Handoff、低置信度澄清、错误回退和分类评估。 - [Gemini 4 Argon 发布,100 万 Token 输出意味着什么?](https://javabetter.cn/ai/video/gemini-4-argon.html):从 Prefill、Decode 和 KV Cache 理解长输出的工程难点,拆解代码修改、安全攻防与 CodeMender。 - [什么是 AI Agent?与直接调用大模型 API 有什么区别?](https://javabetter.cn/ai/video/what-is-agent.html):Agent 不只是一次模型调用,而是由模型、工具、记忆和运行时共同组成,能够观察环境、执行动作并根据结果继续决策。 - [Agent 和 ChatBot 有什么区别?如何让聊天机器人进化成 Agent?](https://javabetter.cn/ai/video/agent-chatbot-difference.html):Agent 比 ChatBot 多出的关键能力是工具调用、任务规划和记忆,并通过持续反馈自主推进任务。 - [Workflow 和 Agent 有什么区别?面试时该怎么回答?](https://javabetter.cn/ai/video/workflow-vs-agent.html):Workflow 依赖预先设计的步骤与分支,Agent 则由模型结合当前状态动态决定下一步,两者可以组合使用。 - [订机票客服该用工作流还是自主 Agent?](https://javabetter.cn/ai/video/workflow-vs-agent-flight-booking.html):订机票客服可以结合工作流与自主 Agent:身份核验、付款和预订按确定流程执行,复杂意图理解与异常处理交给 Agent,并在关键操作前确认。 - [AI Agent 是如何工作的?完整执行过程拆解](https://javabetter.cn/ai/video/how-agent-works.html):Agent 的工作过程包括接收目标、组装上下文、模型决策、执行工具、写回观察结果和判断是否继续。 - [一个 AI Agent 有哪些核心组件?](https://javabetter.cn/ai/video/agent-core-components.html):生产级 Agent 通常由模型、工具、记忆、规划与 Harness 五部分组成,Harness 负责循环、权限、上下文和错误恢复。 - [Agent 怎么知道该调用哪个工具?Function Calling 原理拆解](https://javabetter.cn/ai/video/agent-hnow-tool-call.html):工具选择主要由 LLM 根据工具名称、描述和参数 Schema 完成,Agent 运行时负责注册、执行、校验与结果回传。 - [什么是 ReAct?它和 CoT 有什么区别?](https://javabetter.cn/ai/video/what-is-react.html):ReAct 把推理、行动和观察交替组织起来,CoT 主要展开推理过程;前者更适合需要工具和环境反馈的任务。 - [ReAct 会死循环吗?如何设计可靠的终止机制?](https://javabetter.cn/ai/video/react-death-loop.html):ReAct 可能因目标不清、工具失败或模型重复决策陷入死循环,需要最大轮次、预算、重复检测和降级退出共同约束。 - [什么是 Plan-and-Execute?它和 ReAct 怎么选?](https://javabetter.cn/ai/video/plan-and-execute.html):Plan-and-Execute 先生成全局计划再逐项执行,适合目标明确的复杂任务;ReAct 更适合边观察边调整的不确定任务。 - [Multi-Agent 协作是怎么实现的?](https://javabetter.cn/ai/video/multi-agent-collaboration.html):多 Agent 协作需要明确角色、任务分发、上下文隔离、结果聚合和冲突处理,而不只是同时启动多个模型会话。 - [Agent 的 Plan 模式有哪些实现方式?](https://javabetter.cn/ai/video/agent-plan-modes.html):AI Agent 有四类规划方案:Plan-and-Execute、图状多路径搜索规划、反思式规划和状态机规划。不同任务场景对应不同方案,这道题考的是工程落地时的选型权衡。 - [Agent 的反思机制是什么?Self-Refine 和 Reflexion 有什么区别?](https://javabetter.cn/ai/video/what-is-agent-reflection.html):反思就是让 Agent 评估自己的输出质量,发现错误就自我修正。Self-Refine 和 Reflexion 两篇论文给出了两条路线,Claude Code 源码和 PaiCLI 的反思模块是它们在工程里的落地。 - [为什么选择手搓 Agent 而不用 LangChain 这种框架?](https://javabetter.cn/ai/video/why-handcraft-agent-not-framework.html):框架为了兼顾通用场景封装了过多抽象层,容易变成不可控的黑盒。生产级 Agent 需要的子进程超时控制、高危命令审批、流式回显和上下文压缩,都要求对底层有完全的控制力,手搓才能看清 ReAct 循环的本质。 - [Agent 怎么做经验积累和自我学习?](https://javabetter.cn/ai/video/how-agent-accumulates-experience.html):Agent 的自我学习不靠运行时微调参数。经验可以沉淀到四种载体:知识文档、Prompt 或 Skill、程序与 Harness、模型参数。Claude Code、Codex 和 OpenClaw 都是把经验持久化归档,再在需要时检索出来。 - [Multi-Agent 协作时意见冲突怎么办?](https://javabetter.cn/ai/video/multi-agent-conflict-resolution.html):冲突分三层。主 Agent 与 Sub-agent 的分歧靠主 Agent 裁决和上下文隔离,Worker 与 Reviewer 的对抗把裁判权交给单测这类确定性环境,并发 Worker 靠 worktree 隔离、文件分工和版本号乐观锁在源头杜绝写冲突。 - [什么是提示词工程(Prompt Engineering)?](https://javabetter.cn/ai/video/what-is-prompt-engineering.html):提示词工程通过角色、目标、约束、示例和输出格式提高单次模型响应质量,但不能单独解决动态上下文与运行时控制问题。 - [什么是上下文工程(Context Engineering)?](https://javabetter.cn/ai/video/what-is-context-engineering.html):上下文工程关注在正确时机把正确的信息放进有限窗口,包括系统指令、记忆、工具定义、检索结果和历史压缩。 - [什么是上下文窗口?它不是聊天窗口](https://javabetter.cn/ai/video/what-is-context-window.html):上下文窗口是模型单次推理可读取的 Token 总预算,系统提示、工具定义、历史消息和工具结果都会占用它。 - [为什么 LLM 的上下文窗口不能无限大?](https://javabetter.cn/ai/video/context-window-limit.html):上下文越长,注意力计算、显存占用和推理延迟越高,还会出现中间信息利用率下降,因此窗口不能无限扩展。 - [Agent 怎么避免上下文爆炸?四种常用方案](https://javabetter.cn/ai/video/agent-context-explosion.html):控制 Agent 上下文需要结合工具输出截断、历史摘要、Sub-agent 隔离和按需加载,而不是简单删除旧消息。 - [为什么聊着聊着 Agent 就变笨了?](https://javabetter.cn/ai/video/why-agent-gets-dumber.html):长对话会引入噪声、指令冲突、注意力稀释和压缩损失,导致 Agent 对关键约束的利用率下降。 - [为什么说 LLM 本身没有记忆?](https://javabetter.cn/ai/video/why-llm-has-no-memory.html):LLM 每次请求只根据当前输入计算输出,不会自动保存上轮状态;对话记忆来自应用层重新注入历史或外部存储。 - [怎么让 Agent 拥有记忆?短期与长期记忆设计](https://javabetter.cn/ai/video/how-to-give-agent-memory.html):Agent 记忆需要区分当前任务状态与跨会话知识,通过筛选、存储、检索、注入和遗忘机制共同实现。 - [Agent 的短期记忆怎么实现?](https://javabetter.cn/ai/video/agent-short-term-memory.html):Agent 短期记忆通常保存当前会话消息、任务状态和工具结果,并通过窗口裁剪与摘要压缩控制 Token 使用。 - [Agent 的长期记忆是怎么实现的?](https://javabetter.cn/ai/video/agent-long-term-memory.html):Agent 长期记忆把跨会话有效信息持久化,并在新任务中按相关性与权限检索,再以受控方式注入上下文。 - [Claude Code 的短期记忆是怎么实现的?](https://javabetter.cn/ai/video/claude-code-short-term-memory.html):Claude Code 的短期记忆来自当前会话历史、工具结果和压缩摘要,核心是在有限上下文内保留任务状态。 - [Claude Code 的长期记忆是怎么实现的?](https://javabetter.cn/ai/video/claude-code-long-term-memory.html):Claude Code 通过项目指令文件与持久化记忆保存跨会话信息,并在后续任务中按作用域加载相关内容。 - [Claude Code 如何检索长期记忆?](https://javabetter.cn/ai/video/claude-code-memory-retrieval.html):长期记忆不能全量塞入上下文,需要先建立索引,再根据当前问题筛选相关片段并控制注入数量。 - [Codex 的短期记忆是怎么实现的?](https://javabetter.cn/ai/video/codex-short-term-memory.html):Codex 通过会话消息、工具事件和自动压缩维持任务连续性,并在上下文预算接近上限时保留关键状态。 - [Codex 的长期记忆是怎么实现的?](https://javabetter.cn/ai/video/codex-long-term-memory.html):Codex 的长期记忆将稳定偏好与项目经验持久化,在新任务中按相关性读取,以减少重复说明并保持执行一致。 - [什么是 Harness Engineering?为什么 Agent 需要运行时?](https://javabetter.cn/ai/video/what-is-harness-engineering.html):Harness Engineering 关注模型之外的循环控制、工具执行、权限、上下文、错误恢复和可观测性,是生产级 Agent 的运行基础。 - [什么是 Loop Engineering?](https://javabetter.cn/ai/video/what-is-loop-engineering.html):Loop Engineering 是 Agent 的外循环设计,用调度机制让 Agent 在无人值守时按完成条件或时间间隔持续工作。ReAct 是单次运行里的内循环,Claude Code 的 /goal 达成条件就停,/loop 按间隔一直跑。 - [Agent 挂了几十个 Skill,怎么保证命中率?](https://javabetter.cn/ai/video/agent-skill-hit-rate.html):提高 Skill 命中率依赖清晰描述、分层发现、按需加载、候选召回与冲突消解,不能只靠硬编码路由。 - [CLAUDE.md 怎么写才真正有用?](https://javabetter.cn/ai/video/how-to-write-claudemd.html):高质量 CLAUDE.md 应只保留稳定、可执行、可验证的项目规则,并按作用域拆分,避免堆积临时信息和重复说明。 - [Agent 的 RAG 遇到 PDF 怎么办?](https://javabetter.cn/ai/video/agent-rag-pdf.html):PDF RAG 需要同时处理版面、段落、表格、图片和引用位置,常见做法是结构化解析、分块检索与多模态补充。 - [Responses API 和 Chat Completions API 有什么区别?](https://javabetter.cn/ai/video/responses-api-vs-chat-completions.html):Responses API 面向多轮、工具和多模态任务提供统一响应模型,Chat Completions 更接近传统消息数组式对话接口。 - [大模型 API 缓存命中和未命中为什么差价巨大?](https://javabetter.cn/ai/video/api-cache-hit-miss.html):缓存命中可以复用前缀计算与 KV Cache,减少 Prefill 的计算和显存读写,因此延迟与输入成本通常显著下降。 - [DeepSeek V4 Flash 正式版的激活参数比 V4 Pro 小得多,Agent 能力为什么超过了 Pro 预览版?](https://javabetter.cn/ai/video/why-post-training-beats-params.html):Agent 能力不只取决于激活参数规模,后训练数据、工具使用训练、推理策略和运行时适配同样会显著影响效果。 - [MoE 是什么?DeepSeek 模型为什么采用混合专家架构?](https://javabetter.cn/ai/video/what-is-moe.html):MoE 每次只激活部分专家网络,在控制单次计算量的同时扩大模型总容量,但需要解决路由、负载均衡和通信问题。 - [CSA、HCA 与 KV Cache:DeepSeek V4 缓存为什么更便宜?](https://javabetter.cn/ai/video/v4-csa-hca-kv-cache.html):缓存命中不仅跳过 Prefill,还可复用注意力相关中间状态;CSA 与 HCA 的设计重点之一就是降低长上下文推理开销。 - [DeepSeek V4 为什么用 CSA 和 HCA 替换 MLA?](https://javabetter.cn/ai/video/v4-why-replace-mla.html):注意力结构的取舍要同时考虑训练效果、长上下文、缓存占用与推理吞吐,CSA 和 HCA 针对这些目标重新平衡。 - [Cordis 是什么?DeepSeek Harness 的插件系统如何理解?](https://javabetter.cn/ai/video/what-is-cordis.html):Cordis 是面向模块与插件协作的运行基础,可通过依赖注入、生命周期和服务注册组织 Harness 中的可扩展能力。 - [多模态模型和纯文本模型有什么区别?以 DeepSeek V4-Flash-Vision-Exp 为例](https://javabetter.cn/ai/video/deepseek-multimodal.html):多模态模型通过视觉编码器把图片翻译成 token,与文本共用同一个入口,从而解锁看图识物、截图转代码等纯文本模型做不到的场景。 - [什么是线性注意力?GLM-5.3-Flash 为什么采用线性注意力加稀疏注意力的混合架构?](https://javabetter.cn/ai/video/glm-flash-linear-sparse-attention.html):线性注意力把计算量从 O(n²) 降到 O(n) 但会损失精确检索能力,GLM-5.3-Flash 用稀疏注意力补回这部分损失,实现长上下文下的低成本推理。 - [SWE-bench、Terminal-Bench、GPQA Diamond 这些大模型评测集到底在测什么?](https://javabetter.cn/ai/video/what-benchmarks-test.html):主流评测集按能力分为代码、Agent 工具和推理三类:SWE-bench 系列考修 bug,Terminal-Bench 和 MCP-Atlas 考工具调用,GPQA Diamond 考博士级推理,选模型要看和自己场景匹配的分项。 - [KV Cache 是什么?为什么只缓存 K 和 V,不缓存 Q?](https://javabetter.cn/ai/video/what-is-kv-cache.html):大模型自回归生成时,每个新 Token 都要和历史 Token 的 K、V 重新做注意力计算,而当前 Token 的 Q 用完即弃,所以只把 K 和 V 存进显存,用空间换时间。 - [Prefix Caching(前缀缓存)是什么?和 KV Cache 是什么关系?](https://javabetter.cn/ai/video/what-is-prefix-caching.html):KV Cache 只在单次请求内复用,Prefix Caching 把公共前缀的 KV 数据跨请求共享,靠 Token 分块和 Radix Tree 前缀树匹配,开头改一个字整条缓存链就会失效。 - [DeepSeek 的 Prompt Caching 为什么能全自动生效,Claude 为什么要手动加 cache_control?](https://javabetter.cn/ai/video/what-is-prompt-caching.html):DeepSeek 把 KV Cache 落盘到分布式硬盘并按前缀单元自动命中,Claude 需要用 cache_control 字段手动标记缓存断点,两者都要求前缀从第一个 Token 起逐字匹配。 - [到底什么是语义缓存?](https://javabetter.cn/ai/video/what-is-semantic-caching.html):语义缓存保存完整问答,通过 Embedding 和相似度检索复用已有答案。它适合高频重复问题,需要关注时间、用户身份和业务条件变化带来的误命中风险。 - [Pi Agent 里有哪些反复出现的设计模式?](https://javabetter.cn/ai/video/pi-agent-design-patterns.html):从 Pi 源码理解策略、适配器和责任链模式:工具如何切换执行环境,模型协议如何统一,工具调用如何被扩展拦截。 - [Plan 模式已经死了吗?](https://javabetter.cn/ai/video/is-plan-mode-dead.html):区分规划动作与独立 Plan 模式:模型能力提升后,何时直接执行,何时先探索,何时用 Spec 协调长任务。 - [多 Agent 之间怎么传递上下文?](https://javabetter.cn/ai/video/multi-agent-context-passing.html):结合 Claude Code 与 Codex 的实现,理解任务简报、fork 对话继承、最终答案回传,以及长结果通过文件引用传递的边界。 - [构建有效 Agent 有哪三个核心原则?](https://javabetter.cn/ai/video/building-effective-agents-principles.html):保持简单、保持透明、精心设计 Agent-Computer Interface:从最简单的方案开始,展示真实执行过程,并通过工具接口设计减少误用。 - [GPT Images 2.5 一手实测,OpenAI 越来越有水平啦](https://javabetter.cn/ai/video/chatgpt-images-2-5.html):OpenAI 发布 Images 2.5,生成速度比 Images 2.0 快一倍,新增 Sketch 草图功能,可以直接在对话框里画草图让 AI 照着生成图片。这期带你过一遍升级点和用法。 - [GPT-6 Astra 全量上线,为什么 OpenAI 敢说 AGI 时代来了?](https://javabetter.cn/ai/video/gpt-6-astra.html):GPT-6 Astra 在 ARC-AGI-3 上拿到 99.9%,靠的是紧凑符号世界模型加有状态的 Harness,它能直接操作电脑,网络安全等级也首次达到 Critical。 - [Claude、ChatGPT、Grok 全崩,你的中转为什么还能用?](https://javabetter.cn/ai/video/why-relay-still-works.html):官网和 API 共用 Cloudflare 做流量入口,入口挂了就全挂;中转还能跑,是因为 OpenAI 兼容协议让切换模型零成本,而各家模型的能力和风格已经趋同到难以分辨。 - [Harness 的五要素是什么?](https://javabetter.cn/ai/video/harness-five-elements.html):上下文管理、工具接口、约束、验证、纠正。前两项构成最小 Harness,生产系统再加上后三项保障,Agent = Model + Harness 是同一个 Agent 在生产形态下的展开。 - [如果只能给 Agent 增加一项能力,更强的 LLM,更长的 Context,还是更多的 Tool?](https://javabetter.cn/ai/video/llm-context-or-tool.html):如果只能给 Agent 增加一项能力,更强的 LLM,更长的 Context,还是更多的 Tool?答案取决于瓶颈在哪,很多看似需要更强模型的问题其实是接口问题。 - [了解 Agent 的 Checkpoint 机制吗?](https://javabetter.cn/ai/video/what-is-agent-checkpoint.html):Checkpoint 是运行时内存与工作环境状态的持久化存档点,至少覆盖任务规划、对话历史、文件系统、进程状态和环境配置,Claude Code、Codex、Devin 各有实现。 - [Agent 的沙箱(Sandbox)你了解吗?](https://javabetter.cn/ai/video/what-is-agent-sandbox.html):命令黑名单挡不住动态生成的代码,合格的沙箱要在文件系统、网络、进程空间和资源配额四个层面隔离,Claude Code、Codex、Devin 在隔离强度和启动成本之间各有取舍。 - [什么是 Manus?说说你对它的了解](https://javabetter.cn/ai/video/what-is-manus.html):Manus 把 Deep Research、Coding、Computer Use 三条独立路线放进同一个 Agent,虚拟浏览器扩大了观察空间,文件系统、代码执行和命令行扩大了动作空间。 - [大模型预训练完了,为什么还要做强化学习?](https://javabetter.cn/ai/video/what-is-reinforcement-learning.html):预训练靠自监督学习积累知识,强化学习让模型和环境互动、靠奖励和惩罚试错调整策略,DeepSeek-R1-Zero 纯靠 RL 涌现出推理和反思。 - [不生成文本的 Jev,为什么让 14 万开发者排队?](https://javabetter.cn/ai/video/what-is-jev.html):Jev 是 TypeSafe AI 发布的 System One 模型,不生成文本只做判断,一次前向计算直接在选项上分配校准过的概率,适合 Agent 里的高频小决策。 - [推荐 5 个复刻 Jev 的开源项目](https://javabetter.cn/ai/video/open-source-jev-replicas.html):开源社区用轻量决策头加 LoRA 微调复刻了 Jev,Kev、Nimble、Laya、Open-Jev 各有看家本领,可以在本地跑起自己的决策模型。 - [模型越来越强,Harness 会不会被模型「吃掉」?](https://javabetter.cn/ai/video/will-model-eat-harness.html):模型可以逐步内化格式修正与工具调用适配等能力,但文件和网络权限、危险操作确认、审计与业务规则仍需在模型外执行。 - [MiMo-V3 的 HySparse2 和混合滑动窗口注意力有什么区别?](https://javabetter.cn/ai/video/mimo-v3-hysparse2.html):HySparse2 结合 Self-Decoder、Cross-Decoder、KV Reuse 与 KV Bridging,让后半段复用或从前半段计算 KV Cache,减少长输入的 Prefill 计算。 - [Agent 出现幻觉怎么治理?](https://javabetter.cn/ai/video/agent-hallucination-governance.html):用真实工具结果校验动作、核对压缩与长期记忆,并以测试和完成证据约束 Agent 的最终结论。 - [怎么设计 Agent 的 Human-in-the-loop?](https://javabetter.cn/ai/video/agent-human-in-the-loop.html):按风险与可逆性设置审批点,记住授权、前置规则,并通过状态存档恢复暂停的 Agent 任务。 - [Agent执行过程中,用户插话怎么处理?](https://javabetter.cn/ai/video/agent-user-interjection.html):把用户补充放入队列,在工具结果写回后、下一次模型请求前注入上下文,保留已有进展并调整执行方向。 - [最近爆火的 Personal Agent 到底是什么?](https://javabetter.cn/ai/video/what-is-personal-agent.html):结合 Grok Bot、Muse、Cue、dots,理解持续记忆、执行环境、用户身份与权限边界。 - [Agent的权限模式(Permission Mode)了解吗?](https://javabetter.cn/ai/video/what-is-permission-mode.html):结合 DeepSeek Harness、Claude Code 和 Pi,理解权限审批、deny 规则与沙箱的职责和边界。 - [用户需求模糊时 Agent 怎么澄清?](https://javabetter.cn/ai/video/agent-requirement-clarification.html):先用只读工具查清代码库中的事实,再带着选项询问用户偏好,把澄清作为可挂起和恢复的工具调用。 - [DeepSeek 宕机 5 小时赔付 7 天账单,如何应对 API 的单点依赖?](https://javabetter.cn/ai/video/deepseek-outage-agent-fallback.html):结合 DeepSeek 服务故障,理解模型网关的重试、熔断和 Fallback,以及跨厂商协议、流式中断和缓存成本。 - [Vibe知识大赏:蒸馏到底是什么?](https://javabetter.cn/ai/video/what-is-model-distillation.html):比较黑盒、白盒和在轨蒸馏,区分蒸馏、量化和 SFT,并说明蒸馏授权和数据来源的边界。 - [DeepSeek-V4.1-Flash-1017 真来了,这次是真滴强。](https://javabetter.cn/ai/video/deepseek-v4-1-flash-1017.html):拆解 1017 的后训练更新、基准对比、许愿式编程和三个本地案例,以及 Search & Fetch 的接入信息。 - [字节面试:说说 Agent 中 Tool 的设计原则?](https://javabetter.cn/ai/video/tool-design-principles.html):从工具边界、参数校验、并发控制和输出截断,理解面向模型的工具接口设计。 - [多个 Agent 同时改一个文件怎么办?](https://javabetter.cn/ai/video/multi-agent-file-conflict.html):比较 Claude Code 的 worktree 隔离和 Pi 的文件变更队列,区分进程内串行、跨进程覆盖与合并后的语义冲突。 - [真正的 OpenAI!DeepSeek 开源内部推理框架 DeepInfer](https://javabetter.cn/ai/video/deepseek-open-source-deepinfer.html):拆解 DeepInfer 的分离部署、KV Cache 存储、投机解码与异步调度,以及 deepseek-recipe 的协议转换和流式工具解析。 - [Agent 的 Todo List 有什么用?](https://javabetter.cn/ai/video/agent-todo-list.html):结合 DeepSeek Harness 源码,理解 Todo List 的全量覆写、状态校验、会话投影和上下文压缩后的任务保留。 - [说说 Browser Use 的原理](https://javabetter.cn/ai/video/what-is-browser-use.html):结合 DeepSeek Harness 的实现,理解无障碍树快照、短引用编号、Browser Use 插件,以及 launch/attach 模式下的会话隔离与页面验收。 - [Kimi K3.1 Pro 正式发布,国产模型的审美新巅峰。](https://javabetter.cn/ai/video/kimi-k3-1-pro.html):拆解大规模联合强化学习、动态工具加载与保留式思考,以及模型定价和前缀缓存的工程用法。 - [太惊艳了吧?Kimi K3.1 真要来了?](https://javabetter.cn/ai/video/kimi-k3-1-preview.html):从官方预告、Arena 匿名盲测和推理框架适配线索,梳理 Kimi K3.1 的发布前信息与开发者关注点。 - [DeepSeek Super-agent 是什么?](https://javabetter.cn/ai/video/what-is-super-agent.html):理解 Router 和 Worker 的分工、异步任务执行与 Watchdog 巡检。 - [什么是大语言模型?和传统 NLP 模型有什么区别?](https://javabetter.cn/ai/video/what-is-llm.html):理解 Token 预测、模型规模、预训练与后训练,以及幻觉和工程应用。 - [美团 LongCat-2.5 正式版发布,有哪些新能力?](https://javabetter.cn/ai/video/longcat-2-5.html):了解 LongCat-2.5 的国产算力训练、原生多模态及 DeepSeek Harness 接入。 - [混元 Hy4 正式版结合 WorkBuddy 有哪些能力?](https://javabetter.cn/ai/video/hunyuan-hy4.html):结合 WorkBuddy 实测,了解混元 Hy4 的多模态视觉、Computer Use 和应用。 - [讲讲 Transformer 的基本架构?Encoder 和 Decoder 分别干什么?](https://javabetter.cn/ai/video/what-is-transformer.html):理解 Transformer 的自注意力、前馈网络和 Encoder、Decoder 分工。 - [分词器是什么?](https://javabetter.cn/ai/video/what-is-tokenizer.html):理解 Token 编码、子词切分和 DeepSeek 使用的字节级 BPE。 - [DeepSeek 是怎么撑起 1M 上下文的?](https://javabetter.cn/ai/video/how-deepseek-supports-1m-context.html):理解 MLA、CSA、HCA 和 Flash Attention 如何降低长上下文开销。 ## 学习路线 > 各编程方向的超详细学习路线,附学习资源。 - [AI Agent学习路线](https://javabetter.cn/xuexiluxian/ai-agent.html):AI Agent学习路线,从AI应用开发岗位的能力模型、学习策略、理论知识清单、工具准备、面试八股到项目实战,帮你系统掌握RAG、Agent、工作流编排等AI应用开发核心技术。 - [Go 语言学习路线](https://javabetter.cn/xuexiluxian/go.html):Go 语言越来越火了,这里整理一份 go 语言的超详细学习路线,附学习资源,可下载 - [数据结构与算法学习路线](https://javabetter.cn/xuexiluxian/algorithm.html):如何系统地学习数据结构与算法?为了让你对数据结构和算法能有个全面的认识,我画了一张图,里面几乎涵盖了所有数据结构和算法书籍中都会讲到的知识点。 - [Android学习路线](https://javabetter.cn/xuexiluxian/android.html):Android 安卓学习路线(建议收藏🔥) - [大数据学习路线](https://javabetter.cn/xuexiluxian/bigdata.html):如何系统地学习大数据?如何成为一名合格的大数据工程师?我这里给大家准备了一份 GitHub 上星标 12k 的大数据入门指南 - [C语言学习路线](https://javabetter.cn/xuexiluxian/c.html):写这篇文章来给大家讲C语言的学习,当然是希望大家真正的学会、学懂C语言,并能够真正感觉到它的用处。 - [C++学习路线](https://javabetter.cn/xuexiluxian/ccc.html):非 C++职业选手,但工作中学过一段时间,这篇分享给对 C++ 感兴趣的爱好者,文末有侯捷老师的视频资源可供下载。 - [.NET学习路线](https://javabetter.cn/xuexiluxian/donet.html):写这篇文章来给大家讲C语言的学习,当然是希望大家真正的学会、学懂.NET,并能够真正感觉到它的用处。 - [蓝桥杯学习路线](https://javabetter.cn/xuexiluxian/lanqiaobei.html):蓝桥杯攻略大全 | 学习路线 | 注意事项,蓝桥杯需要学什么 - [Linux学习路线](https://javabetter.cn/xuexiluxian/linux.html):Linux学习资料 | 学习路线 | 注意事项,Linux需要学什么 - [MySQL学习路线](https://javabetter.cn/xuexiluxian/mysql.html):MySQL学习资料 | 学习路线 | 注意事项,MySQL需要学什么 - [操作系统学习路线](https://javabetter.cn/xuexiluxian/os.html):操作系统是管理计算机硬件和软件资源的程序,是计算机的基石,这里整理一份 操作系统的超详细学习路线,附学习资源,可下载 - [Python学习路线](https://javabetter.cn/xuexiluxian/python.html):非 Python职业选手,但工作中学过一段时间,这篇分享给对 Python 感兴趣的爱好者,文中有大量 Python 的学习资源可供下载。 - [前端学习路线](https://javabetter.cn/xuexiluxian/qianduan.html):前端学习路线图(roadmap) - [Redis学习路线](https://javabetter.cn/xuexiluxian/redis.html):Redis学习资料 | 学习路线 | 注意事项,Redis需要学什么 ## 面渣逆袭(Java 面试题库) > 覆盖 Java 基础、并发、JVM、MySQL、Redis、Spring、分布式等方向的高频面试八股,配手绘图。 - [面渣逆袭-AI Agent](https://javabetter.cn/sidebar/sanfene/ai-agent.html):面渣逆袭 AI Agent 篇围绕 AI 应用开发面试,讲解 RAG、Agent、Function Calling、工具调用、LangGraph4j、工作流编排和传统后端转 AI 的核心问题。 - [面渣逆袭](https://javabetter.cn/sidebar/sanfene/nixi.html):17 个大的主题,共有 30 多万字,400+张手绘图,可以说是诚意满满。有球友在做面试官的时候偷偷打开面渣逆袭,然后随便挑点问题问。还有球友付费就是为了交面渣逆袭的学费,虽然我不敢说这是市面上最好的八股,但确实对大家应该是有帮助的。 - [面渣逆袭-Claude Code](https://javabetter.cn/sidebar/sanfene/claude-code.html):面渣逆袭 Claude Code 篇从 Agent 循环、工具调用、状态管理、上下文维护和命令行执行入手,拆解 Claude Code 类 AI 编程工具的核心原理。 - [面渣逆袭-Netty](https://javabetter.cn/sidebar/sanfene/netty.html):下载次数超 1 万次,1 万字 1 张手绘图,详解 1 道Netty面试高频题(让天下没有难背的八股),面渣背会这些Netty八股文,这次吊打面试官,我觉得稳了(手动 dog)。 - [面渣逆袭-微服务](https://javabetter.cn/sidebar/sanfene/weifuwu.html):下载次数超 1 万次,1.3 万字 33 张手绘图,详解 33 道微服务(Dubbo、Spring Cloud)面试高频题(让天下没有难背的八股),面渣背会这些八股文,这次吊打面试官,我觉得稳了(手动 dog) - [面渣逆袭-Java集合框架](https://java
| – |
| 16 Nov 2026 |
| – |
| 16 Nov 2026 |