Category: 学习笔记

坚持6年的力扣刷题打卡作天断了。昨天开了一整天brainstorming 晚上陪媳妇过生日。然后就给忘了，还好的是力扣国服还没断。 2019年3月2日 我在美国通用电气午休的时候太无聊 拿起IPAD就刷了一题。 谁曾想：这一刷就是2209天。这六年时过境迁，很多事情物是人非。我也从美国通用电气GE（General Electric）到亚马逊 Amazon AWS 再到现在的微软剑桥研究院MSRC。 力扣每日一题打卡是可以补签的，只需要花70点积分就可以 Time Travel 回到本月补上一签。只不过那个墙是补不了的，没刷就是空的。 力扣美服是可以同步到国服的，但是目前是没有办法反过来把国服的刷题记录复制一份到美服的。可能，这就是注定的吧，肯定会有不完美的。还好我不是处女座，这么一点不完美不会逼疯我的，哈哈。我还是会继续刷题的。刷题努力提升自己，好处多多。 本文一共 348 个汉字, 你数一下对不对. 力扣刷题打卡2209天竟然断了, 哎. (AMP 移动加速版本) 赞赏我的几个理由. ¥ 打赏支持 扫描二维码，分享本文到微信朋友圈

如何使用 GDB 或 LLDB 调试器重复运行程序直到发生错误 在调试程序时，有时候我们希望一直运行程序直到遇到错误。GDB（GNU 调试器）和 LLDB（LLVM 调试器）都提供了自动化此过程的方法。 这在调试一些不稳定的程序非常有用，例如有时候写的一些单元测试可能随机崩溃SegFault。最近我在调试一个测试每跑1000次就有一次崩溃的时候就发现gdb/lldb调试器非常有用。 简介：GDB vs LLDB GDB（GNU 调试器）和 LLDB（LLVM 调试器）是用于低级别应用程序调试的强大工具。GDB 传统上用于由 GCC 编译的程序，而 LLDB 是 LLVM 项目的一部分，与 Clang 无缝配合。两者都提供强大的功能，但 GDB 在 Linux …

回国的时候最麻烦就是访问国外的网站：邮箱、油管视频等。在中国大陆，翻墙是违法的，但是好像在上海北京等大城市，可以申请许可，比如一些国际驻公司和政府机构因需要则可以申请绕过大墙网GFW/Great Firewall。 翻墙/建梯子的方式很多种，怕麻烦可以买现成的VPN，自己有服务器的可以建Wireguard等。这里再介绍一种简单的方式。 Docker容器里跑火狐FireFox浏览器 假设你的主机/服务器/VPS里已经装有Docker。只需要把下面的脚本存成一个BASH文件，比如 docker-firefox.sh 然后在命令行下跑：./docker-firefox.sh PASS 其中PASS是密码，这个我们下面要用到，PASS如果不写的话则要把 “-e VNC_PASSWORD=” 那行删掉即可。 #!/bin/bash VNC_PASS=$1 docker run -itd \ --restart always \ --name=firefox \ -p 5800:5800 \ -v $(pwd)/config:/config:rw \ …

2025年2月，Deepseek——一家来自中国杭州的人工智能实验室——开源了一个能够比肩ChatGPT的AI模型，而其训练成本远低于当前行业标准。这一突破引发了市场震动，尤其是对GPU需求的预期发生了剧烈变化。投资者一度认为，随着AI训练成本的下降，对高性能GPU的需求可能会减少，从而导致Nvidia的股价暴跌。然而，仅仅几周后，Nvidia的股价就强势反弹，重新回到高点。 这种市场反应看似矛盾，实则可以用Jevons悖论（Jevons Paradox）来解释。 什么是Jevons悖论？ Jevons悖论由19世纪英国经济学家William Stanley Jevons提出，最早是针对煤炭消耗的观察：当蒸汽机技术进步提高了燃煤效率后，人们原以为煤炭消耗会减少，结果却适得其反——因为更高的效率让煤炭的使用成本下降，从而促进了更多行业和领域采用蒸汽机，最终煤炭消耗总量大幅增长。 同样的逻辑适用于AI和GPU市场： 训练成本下降 → AI更易普及 Deepseek的成功证明了AI训练可以以更低的成本完成，这意味着更多企业、创业公司甚至个人研究者可以负担得起大规模AI模型的训练和部署。 AI需求激增 → GPU需求扩大 低成本AI的普及不会减少GPU的需求，反而会催生更多的AI应用场景。例如，更多企业可能会投入人工智能/AI研发，个人开发者也可能利用更廉价的算力进行实验，从而推动GPU（计算机图形加速卡）需求增长。 推理需求大增 → 继续依赖高端GPU 除了模型训练，模型推理（Inference）仍然需要大量算力，尤其是面对全球范围内激增的AI应用需求，云计算平台、企业数据中心等仍然需要大量高端GPU支持高效推理。 Nvidia股价为何回升？ 市场最初的恐慌源于对GPU需求减少的误判，但随着Deepseek的开源，人们很快意识到AI生态的整体扩张才是核心趋势： AI变得更便宜 → 更多公司加入AI赛道 → 算力需求总量上升 AI的推理需求飙升，尤其是企业级和消费级市场扩展 → …

2025年年初，拿了Jane Street一个小时的Coding面试体验卡。 市场定位 Jane Street 是一家全球领先的定量交易公司和流动性提供者，成立于 2000 年，总部位于纽约，同时在伦敦、香港和阿姆斯特丹设有办事处。 它以高度依赖数学、统计学和计算机科学技术而闻名，在金融市场中运用定量分析方法进行自动化交易。 技术驱动 Jane Street 专注于做市业务，为全球各类金融工具（股票、ETF、债券、期权、期货等）提供流动性。他们的交易模式主要基于算法和数据驱动，通过低延迟的技术在市场上寻找交易机会。 Jane Street 是一家技术驱动的公司，其核心交易系统和工具大多是内部开发的。他们高度依赖函数式编程语言 OCaml，用于构建高性能、可靠的交易系统。 文化与工作环境 合作与学术性：Jane Street 的公司文化强调团队合作、数据透明和学术研究氛围。 扁平化管理：鼓励员工从任何层级提供创新的想法。 强大的培训：对于新员工尤其是应届生，Jane Street 提供系统的培训，帮助他们快速上手。 招聘与职业机会 Jane Street 以招募顶尖的数学家、程序员和定量分析师而闻名。他们非常注重候选人的逻辑思维、编程能力和解决复杂问题的能力。 …

知道Delphi这个编程语言的估计暴露年龄了。很多人以为Delphi这门程序已经挂了，但实际上没有：IsDelphiDead.com 我最后一次用Delphi是2018年，在我离开一个剑桥初创企业，当时我从2009年到2018年，用Delphi写了超过40万行Delphi代码。其中包括了一些C++还有WIN32内链汇编。 Delphi 30周年纪念日 2025年，Delphi迎来了其发布30周年纪念日。自1995年首次亮相以来，Delphi凭借其高效、稳定的特性，成为众多开发者的首选工具。在这30年间，Delphi经历了辉煌、低谷，如今在全球范围内依然拥有忠实的用户群体。 Delphi的诞生与辉煌 Delphi最初由Borland公司于1995年推出，作为Windows平台下的快速应用程序开发工具（RAD），其前身是DOS时代盛行的“Borland Turbo Pascal”。Delphi以其可视化组件库（VCL）和高效的编译器，使开发者能够快速构建复杂的应用程序。在1999年发布的Delphi 5版本中，Delphi达到了用户数量的巅峰，一度超越了Visual Studio，成为开发者的首选工具。 挑战与低谷 然而，好景不长。在推出Delphi 7之后，Borland公司因内部管理问题和市场竞争激烈，逐渐走向衰败。Delphi的创始人Anders Hejlsberg离开公司，转投微软并开发了C#语言，这对Delphi造成了沉重打击。同时，Java和.NET等新技术的兴起，进一步挤压了Delphi的市场空间。高昂的定价策略也使得许多开发者转向其他工具，Delphi的用户群体急剧萎缩。 重生与发展 尽管经历了低谷，Delphi并未消失。在被Embarcadero公司收购后，Delphi不断进行技术革新，推出了支持多平台开发的版本，如Delphi XE系列。这些版本支持Windows、Android、iOS和Linux等平台，满足了现代开发的需求。在全球范围内，Delphi在巴西、中国、德国、俄罗斯和非洲等地仍然拥有广泛的用户基础。特别是在中国，Delphi在教育领域和企业级应用中依然发挥着重要作用。 展望未来 随着技术的不断发展，Delphi也在积极适应新的趋势。从最初的单一平台开发工具，到如今支持多平台、多设备的综合性开发环境，Delphi始终在追求创新。在未来，Delphi将继续优化其跨平台能力，提升开发效率，为全球开发者提供更强大的支持。 在这30周年之际，让我们向Delphi致敬，感谢它为全球开发者带来的卓越贡献。期待Delphi在未来继续引领技术潮流，为开发者创造更多可能。 聪明的程序员用Delphi “真正的程序员用C++，聪明的程序员用Delphi”这句话曾在IT界广为流传，体现出Delphi简单、高效等优点。 Delphi最初的版本, Delphi被称为是VB Killer, 在Windows下可以快速开发Native的WIN32/64代码。代码执行效率高因为是编译（Compiled）的而不像VB解释式的（Interpreted）。 Delphi作为Windows平台下的快速应用程序开发工具（RAD：Rapid Application …

视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 大型语言模型（LLMs）如 DeepSeek R1-8B 正在革新自然语言处理，使强大的 AI 驱动应用成为可能。然而，设置这些模型往往是一项艰巨的任务，需要复杂的配置。幸运的是，仅需两条简单的命令，您就可以使用 Ollama 在本地系统上轻松部署和运行 DeepSeek R1-8B——Ollama 是一个用于管理和运行开源 LLMs 的简化工具。 步骤 1：安装 Ollama …