摘要: 1. 引言 随着 PWA(Progressive Web App)技术的普及,Service Worker 赋予了前端应用强大的离线缓存能力,让用户在无网络环境下也能正常访问页面。然而,离线状态也带来了一个不可忽视的问题:当用户长时间处于离线状态时,缓存的资源版本可能已经过时,一旦恢复网络,用户访问 阅读全文
posted @ 2026-07-24 15:58 happy0x3F 阅读(15) 评论(0) 推荐(0)
摘要: 一、引言:AI 编程的“幻觉”现象 简要介绍 Codex 等 AI 编程助手的能力与普及现状,引出“幻觉”(Hallucination)概念在代码生成中的具体表现——即生成看似合理但实际错误、不存在的 API 或逻辑缺陷的代码。 二、Codex 幻觉的典型场景与实测案例 2.1 虚构或不存在的 AP 阅读全文
posted @ 2026-07-23 18:43 happy0x3F 阅读(18) 评论(0) 推荐(0)
摘要: 一、 引言:KMP技术栈的崛起与全栈愿景 Kotlin Multiplatform (KMP) 作为 JetBrains 推出的跨平台解决方案,正从移动端(Android/iOS)向更广阔的全栈领域演进。本文将探讨如何利用 KMP 构建从移动应用到后端服务,乃至集成 AI Agent 的完整技术栈, 阅读全文
posted @ 2026-07-22 22:43 happy0x3F 阅读(12) 评论(0) 推荐(0)
摘要: 1. 为什么需要离线安装 在企业开发环境中,开发机往往处于严格的内网隔离状态,无法直接访问公网。本文将从这一实际痛点出发,介绍为什么标准的 npm install 或在线安装工具在安全可控的环境中会失效,以及离线安装方案的现实意义。具体来说,以下场景在实际工作中十分常见: 依赖拉取失败导致构建中断: 阅读全文
posted @ 2026-07-22 22:41 happy0x3F 阅读(105) 评论(0) 推荐(0)
摘要: 这是一个动态规划问题。灵梦从第一行出发,每秒钟必须下移一行,同时可以左右移动至多T格。目标是收集尽可能多的P点价值。 解题思路 状态定义 定义 f[i][j] 表示到达第 i 行第 j 列时,能获得的最大P点价值总和。 状态转移 从第 i-1 行到第 i 行,灵梦可以左右移动至多 T 格,所以: t 阅读全文
posted @ 2026-07-21 23:05 happy0x3F 阅读(10) 评论(0) 推荐(0)
摘要: 题目概述 有 n 个城市从西到东编号 1~n,每个城市海拔为 h[i]。两个城市间的距离为海拔差的绝对值。 小 A 和小 B 从某个城市出发向东旅行,小 A 先开车,之后每天轮换。驾驶规则: 小 B:选择当前位置东边最近的城市(距离最近,距离相同选海拔低的) 小 A:选择当前位置东边第二近的城市 如 阅读全文
posted @ 2026-07-20 22:08 happy0x3F 阅读(8) 评论(0) 推荐(0)
摘要: 炮兵阵地 NOI2001] 炮兵阵地 题目描述 在 N×M 的网格地图上部署炮兵部队。地图上有山地(H)和平原(P),炮兵只能部署在平原上。每个炮兵的攻击范围为横向左右各两格、纵向上下各两格。要求任意两支炮兵部队不能互相攻击,求最多能部署多少支炮兵部队。 解题思路 这是一道典型的状态压缩动态规划题目 阅读全文
posted @ 2026-07-19 22:17 happy0x3F 阅读(8) 评论(0) 推荐(0)
摘要: 蒙德里安的梦想 P10975 Mondriaan's Dream 问题概述 用 1×21×2 和 2×12×1 的多米诺骨牌覆盖 n×m棋盘,求方案数。n,m≤11n,m≤11。 状态定义 $f[i][j]$:前 ii 行已填满,且第 ii 行有方块伸到第 i+1i+1 行的列状态为 j的方案数。 阅读全文
posted @ 2026-07-18 22:27 happy0x3F 阅读(13) 评论(0) 推荐(0)
摘要: 一道很好的树形dp问题 P10974 Accumulation Degree 题目简述 给定一棵树,每条边有一个正容量。度为 1 的节点称为终端节点(叶子节点)。 定义: A(x):从节点 x 出发,能够流向其他所有终端节点的最大流量之和。 累积度:所有节点中最大的 A(x) 值。 任务是求给定树的 阅读全文
posted @ 2026-07-17 22:04 happy0x3F 阅读(8) 评论(0) 推荐(0)
摘要: IOI 1998] Polygon - 洛谷 这是一道区间dp问题,读完题目,很容易想到要断环成链,设$f[i][j]$为i 到 j的值最高分,不难发现如下状态方程: $f[i][j] = max(f[i][k] + f[k][j])$ $f[i][j] = max(f[i][k] × f[k][j 阅读全文
posted @ 2026-07-16 22:28 happy0x3F 阅读(7) 评论(0) 推荐(0)