Python 字符串为什么不可变：从 replace 到变量重绑定 副标题： replace 看起来修改了字符串，实际发生的是创建结果并让变量改指向它。理解这一区别，才能看懂字符串方法、别名行为和循环拼接的成本。 适读人群： 刚开始学习 Python 字符串、变量与对象关系的读者 阅读时间： 6 分钟 从一段括号消除代码说起 下面的函数反复删除成对的括号，直到字符串不再变化： def is_valid_by_elimination(s: str) -> bool: while True: previous = s s = s.replace("()", "").replace("[]", "").replace("{}", "") if len(s) == len(previous): return s == "" 这里容易产生一个疑问： previous = s s = s.replace("()", "") 既然 previous 和 s 原来指向同一个字符串，第二行为什么不会同时改变 previous？ 答案是：Python 字符串是不可变对象。replace 没有修改原字符串，而是计算出一个 结果，随后赋值语句让变量 s 改为指向这个结果。previous 仍然指向原字符串。 “不可变”到底是什么意思 字符串不可变，指的是： 一个 str 对象创建以后，它所表示的字符序列不能被原地修改。 例如： text = "cat" text[0] = "b" Python 会抛出异常： TypeError: 'str' object does not support item assignment 不能把已有字符串中的 c 原地改成 b。如果需要 "bat"，必须得到另一个字符串值： ...
先做信息对等，再谈模型能力：Agent 失败时该优化系统还是模型
Agent 做错判断时，不要先凭感觉升级模型或增加工作流。先冻结模型实际可见的输入，再用同输入可解性、信息增量和输出唯一性三项测试定位问题究竟在推理侧、系统侧还是任务契约。
从 Python/Linux 到 C#/.NET：为 Windows Runner 建立第一套心智模型
面向熟悉 Python/Linux、但第一次接触 C# 的开发者，从 Windows Runner 场景出发解释 .NET、C#、CLR、SDK、NuGet 和 csproj，并在 WSL 中完成一个最小控制台项目。
管线只负责一次运行：文档索引系统不该默认共享跨 Run 节点
一次 RAG 与知识图谱独立运行模式的架构讨论，让我重新分清了 Pipeline、Run、动态 Target 和跨请求 Singleflight。我的结论是：文档索引系统更适合让每次 Run 独立拥有状态和节点，同一文件只保留一个活动 Run，并通过持久化产物复用结果，而不是共享正在执行的节点任务。
Speculative Decoding 为什么能加速：从并行验证到 GPU Memory-Bound
副标题 / 摘要 Speculative decoding 并不是让大模型先生成一遍，再与小模型逐个比较；它让小模型先提供未来 token 的候选路径，使大模型能在一次 forward 中并行验证多个位置。它的本质，是用更多、甚至部分无效的并行计算，换取更少的串行 Target forward。 预计阅读时长：12~16 分钟 目标读者：了解 Transformer 基础，希望理解 LLM 推理性能、vLLM 或 speculative decoding 的读者 核心问题：为什么一次验证多个 token 会比逐个生成更快？如果中间猜错，后面的计算是否全浪费了？ 先给结论 理解 speculative decoding，只需要抓住四件事： 自回归生成慢在串行依赖：不知道前一个 token，就无法确定下一个 token 的条件分布。 Draft 模型先猜出一条候选路径后，Target 模型就能在一次 forward 中并行计算这条路径上多个位置的条件分布。 第一个未被接受的 token 之后，验证结果确实全部作废；这是用并行冗余换串行轮次的代价。 加速是否成立，取决于接受长度、Draft 成本、Target verify 成本、batch 大小和 KV Cache 流量，而不是只看一次 draft 了多少个 token。 一句话概括： Draft 模型最重要的作用，不只是“帮大模型猜答案”，而是暂时补上未知的未来输入，让 Target 能跨过原本必须串行执行的多个解码位置。 普通自回归生成为什么必须串行 假设当前上下文是： I love Target 模型准备生成： New York City very much 普通 decode 只能这样执行： ...
LeetCode 155：最小栈，如何让最小值跟着栈一起变化
题目要求 设计一个栈 MinStack，支持以下操作： MinStack()：初始化栈。 push(value)：把 value 压入栈顶。 pop()：删除栈顶元素。 top()：返回栈顶元素。 getMin()：返回栈中的最小元素。 题目要求每个操作的时间复杂度都是 O(1)。 pop、top 和 getMin 只会在栈非空时调用，因此不需要为这些方法设计额外的空栈返回值。 示例 输入操作： ["MinStack", "push", "push", "push", "getMin", "pop", "top", "getMin"] 输入参数： [[], [-2], [0], [-3], [], [], [], []] 输出： [null, null, null, null, -3, null, 0, -2] 对应的执行过程是： min_stack = MinStack() min_stack.push(-2) min_stack.push(0) min_stack.push(-3) min_stack.getMin() # -3 min_stack.pop() min_stack.top() # 0 min_stack.getMin() # -2 约束 -2^31 <= value <= 2^31 - 1 最多调用 3 * 10^4 次 push、pop、top 和 getMin pop、top 和 getMin 调用时栈一定非空 Step 1：弹出最小值后，前一个最小值从哪里回来 普通栈已经能保存值，并按照后进先出的顺序执行 push、pop 和 top。当前 baseline 是： ...
LeetCode 20：有效的括号，为什么数量相同仍然无效
题目要求 给定一个只包含以下六种字符的字符串 s： ( ) { } [ ] 判断这个字符串是否有效。有效字符串必须同时满足三个条件： 每个左括号都由相同类型的右括号闭合。 左括号必须按照正确顺序闭合。 每个右括号都有一个对应的同类型左括号。 满足全部条件时返回 True，否则返回 False。 示例 输入 输出 "()" True "()[]{}" True "(]" False "([])" True "([)]" False 约束 1 <= s.length <= 10^4 s 只包含 ()[]{} 中的字符 LeetCode 提供的方法签名是： class Solution: def isValid(self, s: str) -> bool: pass Step 1：数量相同为什么仍然无效 先看两个字符串： ()[]{} ([)] 它们都有一个 ( 和一个 )、一个 [ 和一个 ]。如果只分别统计三种左括号和右括号的数量，这两个字符串都会通过检查。 当前 baseline 是： 分别统计每种左括号和右括号；数量全部相同就认为字符串有效。 这个 baseline 会在 ([)] 上给出错误答案。问题不在括号数量，而在闭合顺序：读到一个右括号时，它必须闭合最近遇到、但还没有被闭合的左括号。 把这个规则用于 ([)]： ...
LeetCode 394：字符串解码，如何保存并恢复嵌套上下文
题目要求 给定一个编码字符串 s，返回它解码后的字符串。 编码规则是： k[encoded_string] 方括号中的 encoded_string 需要连续重复 k 次，其中 k 是正整数。编码可以嵌套，也可以与普通小写字母相邻。 题目保证： 输入字符串始终有效，方括号完整配对且没有多余空格。 原始文本不包含数字，数字只表示重复次数。 不会出现 3a 或 2[4] 这类不符合编码规则的输入。 解码后的字符串长度不会超过 10^5。 示例 输入 输出 "3[a]2[bc]" "aaabcbc" "3[a2[c]]" "accaccacc" "2[abc]3[cd]ef" "abcabccdcdcdef" 约束 1 <= s.length <= 30 s 只包含小写英文字母、数字和 [] 所有重复次数都在 [1, 300] 范围内 LeetCode 提供的方法签名是： class Solution: def decodeString(self, s: str) -> str: pass Step 1：进入内层以后，外层信息去了哪里 先从没有嵌套的输入开始： 3[a] 读到 3 后知道下一段需要重复三次；读完方括号中的 a，得到： a * 3 = aaa 当前 baseline 是： 读出一个重复次数，再收集后续方括号中的文本，遇到 ] 时执行重复。 这个 baseline 可以处理一层 3[a]，却会在 3[a2[c]] 上中断。外层已经读到重复次数 3 和普通字母 a，此时又遇到了内层编码 2[c]。如果直接把当前次数改成 2、当前文本改成 c，外层的 3 和 a 就丢失了。 ...
从复合意图到可执行查询：面向实体的多源证据编排
当一个自然语言要求同时涉及多个主体、结构化事实、附件和原文时，可以先将复合意图编译为带主体的原子查询，再完成实体绑定、多源执行与按主体归并。知识图谱只是可选的主体解析工具，不是这套模式的本体。
二分查找区间怎么选：从候选集合到边界更新
写二分查找时，我们经常先看到这样的初始化： left = 0 right = len(nums) - 1 本文讨论的输入是按非递减顺序排列、允许重复值的 list[int]。精确查找要返回某个等于 target 的实际下标，不存在时返回 -1；左边界查找要返回 [0, n] 中第一个满足 nums[i] >= target 的位置，如果不存在这样的数组元素，就返回 n。 它看起来像是在声明一个闭区间，但只看这两行还不够。真正决定区间含义的是下面四件事是否一致： left 和 right 是候选下标、未分类边界，还是哨兵； 循环在什么条件下说明仍有实际元素需要检查； 检查 mid 后，更新是否正确排除了它； 循环结束时，哪个位置承载最终答案。 最可靠的判断方法不是背代码，而是先问一句： 当前哪些实际下标还没有被排除或分类，答案位置又被限制在哪个范围内？ 这些持续成立的事实就是二分查找的循环不变式。区间符号、初始化和更新规则都应该从它推出来。 闭区间 [left, right] 当 left 和 right 都指向尚未排除的实际数组下标时，候选集合是闭区间： left = 0 right = len(nums) - 1 此时两个端点都可能是答案，所以只要 left <= right，区间就仍然非空： while left <= right: 如果 mid 不是答案，下一轮必须把它排除： if nums[mid] < target: left = mid + 1 else: right = mid - 1 因此，这套约定是： 项目 规则 候选集合 [left, right] 初始化 left = 0, right = n - 1 非空条件 left <= right 排除 mid left = mid + 1 或 right = mid - 1 空区间 left > right 它很适合“找到任意一个等于 target 的位置”：命中时直接返回，区间为空时返回不存在。 ...