NOW
欢迎来到我的博客
从 Heo 到 Heo Pro
🌟从 Heo 到 Heo Pro
文章介绍了在 Heo 主题基础上向 macOS 风格进化的 Heo Pro 设计思路,核心是以更克制更有材质感的方式重塑博客体验作者通过系统化设计令牌,用中性灰底色半透明磨砂玻璃细描边与轻光影替代原有硬色块;同时优化排版,将行高段距图片圆角和引用样式调整得更适合长文阅读代码块则模仿 Mac 窗口,保留三色点并加入长代码智能折叠页脚导航栏与背景纹理也被简化和统一,整体目标是让博客像一块精致的 MacBook 屏幕,提升阅读质感与一致性
《雨后青花》创作手记:当代码遇见诗意的雨巷
🪕《雨后青花》创作手记:当代码遇见诗意的雨巷
文章以雨后青花的创作经历,讲述人与AI如何从雨夜窗边青花碗接雨的真实瞬间出发,将雨水的短暂与青花的永恒转化为歌词作者发现AI初稿虽能堆砌意象,却缺乏情感,直到加入外婆家雨巷等个人记忆与感官细节,作品才真正生长出场景与心绪反复打磨晕开等词句,并尝试以戏腔承载情感转折,最终体会到AI的价值不在替代创作者,而在于被明确引导后延伸表达能力
AI创意工作台:在浏览器里实现专业级图片魔法工具
AI创意工作台:在浏览器里实现专业级图片魔法工具
这篇文章介绍了一个部署在浏览器中的AI创意工作台,目标是把原本依赖复杂操作或后端部署的图片生成与编辑能力,封装为本地运行易上手且更安全的网页应用项目支持Gemini 2.5 Flash和Nano Banana双模型切换,集成图片生成局部编辑图像融合文本修改和一致性生成等功能,并提供提示词模板管理历史作品画廊和深浅色界面切换其技术上仅使用原生HTMLCSS和JavaScript构建,轻量透明,配置与数据保存在浏览器本地
【极简】Vue写的chatGpt前端页面
【极简】Vue写的chatGpt前端页面
文章介绍了一个用 Vue 编写的极简 ChatGPT 前端页面,作者因现有服务价格较高而接入了自己的接口,并实现了连续对话功能核心做法是保存用户输入的历史记录,在发送新问题时将近期对话按切片保留后一起提交,以控制成本并维持上下文,同时只提取用户消息进行拼接,附加提示词让模型避免重复回答旧问题,重点处理当前新问题页面整体较简洁,布局仍可继续优化,适合作为二次开发的基础
生成组合对象的算法之生成子集
生成组合对象的算法之生成子集
幂集是包含某集合所有子集的集合,其元素个数为2的n次方,源于每个元素在子集中存在与否的二元性,这一特性在计算机科学中具有重要应用字典序是一种按位比较的排序方式,依赖元素的既定顺序生成n位格雷码可通过递归方法实现:在n-1位序列前加0构成上半部分,倒序后加1构成下半部分,合并即得也可用公式Gi = i ^ i 1直接计算,高效实用
约瑟夫斯问题(Josephus problem)
约瑟夫斯问题(Josephus problem)
约瑟夫斯问题描述n人围圈每隔一人淘汰一人的过程,目标是求最后幸存者的初始编号通过分析n为偶数和奇数时第一轮淘汰后的剩余情况,建立递推关系:J = 2J 1 和 J = 2J + 1,结合初始条件J = 1可求解任意n进一步观察J与n的二进制表示,发现J等于将n的二进制循环左移一位的结果,揭示了问题在二进制下的简洁规律该理解路径从递推推导到模式识别,最终导向闭合式与位运算的深刻联系
价值投资
价值投资
格雷厄姆提出价值投资的三大核心理论:价格围绕价值波动能力圈与安全边际他强调投资者应认清自身能力边界,只在熟悉的领域投资,并以显著低于内在价值的价格买入股票,即用0.4元买价值1元的东西,从而建立安全边际忽视这些原则是亏损主因此外,文章介绍了估值指标的概念,指出需从盈利价值等角度评估资产,尤其适用于股票型指数基金投资
算法设计与分析-习题5.4
算法设计与分析-习题5.4
两个n位十进制数的积最少有2n1位,最多有2n位,由最小值和最大值相乘推导得出分治算法可用于大整数乘法,如2101×1130=2374130对数恒等式alogb c = clogb a可通过换底公式证明nlog3比3logn更适合作为算法复杂度的闭合公式,因其更符合标准表达习惯大整数乘法中乘以10被视为位移操作,不计入乘法次数,归入线性项递推关系假设拆分位数相等,虽在n为奇数时不严格成立,但不影响最终复杂度笔算乘法需约n²次一位数加法,忽略进位影响
动态规划1-动态规划简述
动态规划1-动态规划简述
动态规划通过最优性原理将问题分解为多阶段决策过程,以获取最优解以斐波那契数列为例,其递归实现因重复计算相同子问题导致效率低下,时间复杂度达O2^n分析表明,递归树中如fib3fib2等子问题被多次计算,且重复量随n呈指数增长该问题本质由递推关系Tn = 2Tn-1 1揭示,说明传统递归方法存在严重性能缺陷,为动态规划优化提供了必要性依据
动态规划2-0/1背包问题
动态规划2-0/1背包问题
本文介绍了0/1背包问题的两种解法:集合法和表格法集合法通过枚举所有物品组合,筛选出不超过背包容量的最大价值方案,如示例中A和B组合价值35元为最优表格法采用动态规划,构建二维数组记录前i件物品在容量j下的最大价值,通过状态转移方程比较拿与不拿当前物品的收益,逐步填表求解该方法避免了重复计算,效率更高,是解决此类问题的标准动态规划解法
动态规划3-用记忆化技术解决背包问题
动态规划3-用记忆化技术解决背包问题
文章介绍了如何用记忆化技术优化背包问题的递归求解通过维护一个备忘录表格F,避免重复计算子问题,显著提升效率以MFKnapsack3,4为例,详细展示了递归调用过程及表格填充步骤,最终得出最大价值为35,对应选择物品1和物品2相比普通递归和表格法,记忆化递归兼具直观性和高效性,是自顶向下动态规划的经典实现方式
习题8.2
习题8.2
本文介绍使用自底向上动态规划求解背包问题的方法给定背包承重为6,5个物品的重量和价值,通过构建二维dp表,定义状态dpiw表示前i个物品在容量w下的最大价值,利用状态转移方程逐步填充表格算法通过比较放入与不放入当前物品的价值,选择最大值同时,通过检查状态转移中的平局情况,可判断是否存在多个最优子集伪代码实现了dp表的构建与回溯求解最优物品组合的过程,确保高效求解并识别解的唯一性