https://jamespud.github.io/A minimal, responsive and feature-rich Jekyll theme for technical writing. 2026-08-13T18:50:23+08:00 jamespud https://jamespud.github.io/ Jekyll © 2026 jamespud /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png 2026-08-13T16:00:00+08:00 2026-08-13T16:00:00+08:00 https://jamespud.github.io/posts/ai-harness/ jamespud

2026-04-06T21:00:00+08:00 2026-04-06T21:00:00+08:00 https://jamespud.github.io/posts/RocketMQ/ jamespud

1. RocketMQ 概述 1.1 什么是 RocketMQ RocketMQ 是阿里巴巴开源的一款分布式消息中间件，基于 Java 语言开发，具有高并发、高可靠、高可用、低延迟等特性。它最初诞生于阿里巴巴内部的 MetaQ，2012 年正式开源，2017 年成为 Apache 顶级项目。 RocketMQ 主要用于解决分布式系统中的异步解耦、流量削峰、日志收集、数据同步等问题，广泛应用于电商、金融、物流等对消息可靠性要求极高的场景。 1.2 为什么选择 RocketMQ 与其他消息中间件（如 Kafka、RabbitMQ）相比，RocketMQ 具有以下优势： 高可靠性：支持同步刷盘、同步复制，确保消息不丢失； 高可用性：NameServer 无状态集群，Broker 主从架构，故障自动转移； 高性能：基于零拷贝、顺序写盘等技术，单机支持百万级 TPS； ...

2026-04-05T16:30:00+08:00 2026-04-06T21:23:25+08:00 https://jamespud.github.io/posts/NextJs/ jamespud

Next.js 是由 Vercel 公司基于 React 生态研发的生产级全栈 Web 开发框架，是当前 React 技术栈中最主流的企业级开发方案。它解决了传统 React 客户端渲染（CSR）应用首屏性能差、SEO 不友好、工程化配置复杂、全栈能力缺失等核心痛点，从最初的静态站点生成工具，演进为如今基于 React Server Component（RSC）的一站式全栈开发体系，覆盖前端渲染、后端接口、数据处理、部署运维全流程。 截至 2026 年，Next.js 已发布至 16.x 稳定版本，v13.4 起 App Router 成为官方默认路由方案，完全兼容旧版 Pages Router，同时提供了更强大的渲染能力、更灵活的代码组织方式和更极致的性能优化。本文将从基础入门到高级进阶，全面拆解 Next.js 的核心特性、功能用法、实现原理与最佳实践，覆盖企业级开发的全场景需...

2026-02-19T12:30:00+08:00 2026-02-22T16:41:24+08:00 https://jamespud.github.io/posts/cluster-gossip/ jamespud

1. 协议背景与设计哲学 在分布式系统中，元数据（Metadata）的维护通常有两种模式： 集中式（Centralized）：如使用 ZooKeeper、Etcd。 优点：元数据强一致，时效性好。 缺点：存在单点瓶颈，更新元数据时压力全在中心节点，大规模集群下存储压力大。 去中心化（Decentralized/P2P）：即 Redis Cluster 采用的 Gossip 协议。 优点：无中心节点，扩展性强，任何节点宕机不影响整体元数据传播。 缺点：元数据收敛有延迟（最终一致性），存在“网络风暴”风险。 Redis Cluster 选择 Gossip（谣言传播协议）的核心目的是为了实现高可用和可扩展性，允许集群在没有外部依赖的情况下自动发现节点、检测故障并进行故障转移。...

2026-02-10T19:55:00+08:00 2026-02-10T19:55:00+08:00 https://jamespud.github.io/posts/llm-intro/ jamespud

摘要： 本报告基于 Andrej Karpathy 的讲座，全面拆解了 ChatGPT 等现代大语言模型的全生命周期。我们将深入探讨预训练（Pre-training）、有监督微调（SFT）和强化学习（RL）这三个核心阶段，解析模型内部的“心理学”机制、幻觉的成因与缓解、工具的使用、推理能力的涌现，以及对未来 AI 发展的预测。 第一章：预训练（Pre-training）——构建“互联网模拟器” 这是构建 LLM 的第一阶段，也是计算资源消耗最大、耗时最长的阶段。其目标是生成一个“基础模型”（Base Model）。 1.1 数据采集与处理：下载互联网 训练始于数据。各大模型提供商（如 OpenAI、Anthropic、Google）首先需要获取海量的文本数据。 数据来源：主要通过爬取互联网。Karpathy 提到了 Hugging Face 的 "FineWeb" 数...