告别死记硬背:用“变化点”思维真正掌握23种设计模式

1. 评审了上百份设计模式作业和面试简历,我发现多数人卡在同一个地方

每年设计模式期末、设计模式大作业这两个词一上热搜,我就知道又有一批同学正对着UML类图发愁。说实话,我这些年看过的设计模式相关作业、开源PR和面试代码,少说也有几百份,能真正把模式用对场合的人,可能两成都不到。

大部分人的状态是这样的:单例模式的懒汉饿汉倒背如流,工厂模式和抽象工厂的区别能写出八百字小论文,但一拿到真实需求——比如"把一段订单状态流转的逻辑改得可维护一些"——瞬间回到面向过程编程,一个switch下去恨不得写两百行,运维看到都摇头。

问题出在哪?不是大家不努力,而是学设计模式的方式错了。当时背的是"定义+结构图+代码例子",代码例子还是网上抄的Cat extends Animal、Pizza工厂那种玩具例子。等你到了真实项目里,面前是Spring Boot的Bean容器、MyBatis的Mapper代理、Android的Binder通信,你根本对不上号——因为真实框架里的设计模式全都披着"封装后的外衣",和你背的教科书形态差着十万八千里。

所以我今天想换一个讲法。不按GoF那本红书从头到尾念经,而是把23种设计模式放在"真实业务演进"这条线上重新拆一遍。你会看到:模式不是拿来背的,是拿来"填空"的——哪里感觉代码散发着坏味道,哪里就有某个模式在等着你。

这篇文章适合三类人:正在为设计模式期末/大作业发愁的学生,写了两三年业务代码开始觉得系统难维护的CRUD选手,以及在面试前想真正建立设计模式体系的人。我会尽量用Java作为示例语言,但思路对所有面向对象语言通用。

需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 先扔掉GoF分类,用"变化点"重新理解23种模式

2.1 GoF三大分类为什么容易把人带沟里

课本上把23种模式分成创建型、结构型、行为型三大类,这个分类本身没错,但它是给"目录查阅"用的,不是给"学习理解"用的。

你想想,当老师说"建造者模式属于创建型模式"时,你记住了什么?你记住了"它属于创建型"。但当你面对一个实际需求时,你能根据"这是创建型"推出"所以我应该用建造者"吗?根本推不出来。分类标签只告诉你在图书馆哪一排书架找书,没告诉你什么情况下需要读哪本书。

我的建议是:忘掉GoF的分类,换成"变化点"思维。什么叫变化点?就是你的程序里,哪个部分的需求最可能变,哪个部分就该被单独封装起来。设计模式本质上就是一本"封装变化"的武功秘籍——每个模式都在回答同一个问题:你这段代码里,什么东西以后会变?

以订单金额计算为例。今天只有一个普通订单,你直接写amount = price * count完事。明天来了个会员折扣需求,你加了行if (isVip) amount *= 0.9。后天又来了个满减活动,你继续往方法里塞if。到了大后天,这个方法的圈复杂度能把你自己绕晕。这时候你回头看,会发现"计价规则"就是变化点。怎么处理?策略模式:把每种计价规则封装成一个类,让它们可以互相替换。

2.2 一张表看清23种模式各在防什么"变"

为了让你有全局观,我先把23种模式按"它们封装的变因"重新归一下类。你会发现这样归类之后,模式之间的关系一下子清晰多了。

变化的维度 对应模式 一句话概括
对象怎么创建 单例、原型、工厂方法、抽象工厂、建造者 把"创建谁、怎么创建、何时创建"的控制权从业务代码中剥离
对象间怎么协作 策略、状态、命令、观察者、中介者、责任链、模板方法、迭代器、访问者、解释器、备忘录 把对象间的交互逻辑从硬编码改为可扩展的约定
对象的结构怎么组合 适配器、装饰器、代理、外观、组合、桥接、享元 把类与类的静态关系改成可灵活组装的结构

注意看,这三行和GoF三大类的覆盖范围基本一样,但阅读视角完全不同。GoF分类是"这些模式在结构上有什么共同特征",变化点分类是"你的代码哪里在变,去对应的行里找模式"。

打个比方:GoF分类好比按菜系给你列菜单——川菜、粤菜、鲁菜;变化点分类好比按场景给你推荐——想开胃去哪个菜系、想吃清淡去哪个菜系。解决的是"点菜"这个真实决策问题。

2.3 用变化点定位模式的三个步骤

实战中我用这个方法,只需要三步。

第一步:找变化点。把需求里"未来可能调整"的部分列出来。比如:支付方式可能增加、折扣规则可能变化、订单状态流转可能复杂、报表导出格式可能增多。

第二步:定变化时机。如果只有一个实现且永远不会变,别用模式,直接写。如果有两个以上实现,或者明确知道下个迭代就要加需求,再考虑模式。

第三步:选模式。看变化发生在创建阶段、组装阶段还是交互阶段,回到上表对应行挑选。

举个例子,我在一个电商项目里接到需求:"接入新的物流查询接口,但第三方返回的数据格式与现有系统不一致。"变化点是"外部接口数据格式不统一",发生在组装对接阶段,对应的模式就是适配器。加一个LogisticsAdapter,把第三方数据转换成系统内部标准VO,问题解决。

这套方法的威力在于,它逼你先思考"哪里会变",再思考"用什么模式"。顺序一换,思路就通了。

3. 创建型模式实战:把"new"的权力收归己有

创建型模式的共性是:它们都盯着new关键字。new本身不是坏东西,坏的是new散落在业务代码的各个角落。一旦创建逻辑变了,你要把所有new的地方全部找出来改一遍,这就是典型的"修改分散"坏味道。

3.1 单例模式:双重检查锁的坑与枚举方案

先聊最常被问的单例。单例解决的是"全局只需要一个实例"的场景——配置文件读取器、数据库连接池、Spring容器本身。

教科书里通常给双重检查锁写法:

java复制public class ConfigManager {
    private static volatile ConfigManager instance;
    private Properties props;

    private ConfigManager() {
        // 加载配置文件
    }

    public static ConfigManager getInstance() {
        if (instance == null) {
            synchronized (ConfigManager.class) {
                if (instance == null) {
                    instance = new ConfigManager();
                }
            }
        }
        return instance;
    }
}

这里最关键的是volatile关键字。很多人漏写,以为synchronized就够了。其实synchronized保证的是原子性和可见性,但instance = new ConfigManager()在JVM里是三步操作:分配内存、初始化对象、把引用指向内存。这三步可能被指令重排,导致线程A先赋值了引用但还没执行完构造函数,线程B进来发现instance != null直接拿去用,拿到一个半初始化对象。

不过说实话,如果你在写新代码,我更推荐用枚举实现单例:

java复制public enum ConfigManager {
    INSTANCE;
    private Properties props;

    public void load(String path) {
        // 加载逻辑
    }
}

枚举天然单例、天然线程安全、天然防反序列化破坏,代码量还少。Joshua Bloch在《Effective Java》里也明确推荐过,这不是什么冷门技巧,只是很多教材没更新。

3.2 工厂三兄弟:从if-else到开闭原则

工厂方法、抽象工厂、简单工厂这三兄弟经常被人搞混。我的理解方式是这样的:

  • 简单工厂:一个工厂类里用switch/if分支创建不同产品。它不是GoF 23种模式之一,但很常用。
  • 工厂方法:把"创建哪个产品"下沉到子类。基类定义创建接口,子类决定实例化谁。
  • 抽象工厂:创建的不是单个产品,而是一族产品。比如"支付处理族"里有支付宝处理器、微信处理器、银联处理器。

真实项目里,我处理支付渠道的需求是这么做的:先定义一个PaymentFactory接口,里面放createPayment(channel)方法,然后微信支付工厂、支付宝工厂各自实现。业务代码只依赖PaymentFactory接口,新增渠道时新增工厂类,老代码一行不用动。

但这里要提醒一句:抽象工厂不要一上来就用。如果你的产品族只有一个类型,用抽象工厂等于拿大炮打蚊子,徒增类数量。我就见过有人为了三五个产品硬写二十几个类,评审会上大家看着类爆炸图谁也不说话。

3.3 建造者与原型:复杂对象与对象克隆的实践场景

建造者模式解决的是"对象参数太多、构造方法炸了"的问题。

java复制public class HttpRequest {
    private String url;
    private String method;
    private Map<String, String> headers;
    private byte[] body;
    private int timeout;
    // ...

    private HttpRequest(Builder builder) {
        this.url = builder.url;
        // ...
    }

    public static class Builder {
        private String url;
        // ...

        public Builder url(String url) {
            this.url = url;
            return this;
        }

        public Builder timeout(int timeout) {
            this.timeout = timeout;
            return this;
        }

        public HttpRequest build() {
            return new HttpRequest(this);
        }
    }
}

现在用起来是new HttpRequest.Builder().url("https://api.example.com").timeout(5000).build(),比十多个参数的构造方法清晰得多。但注意,如果你的对象就三五个字段,别用建造者,直接构造方法或setter就够,模式贵在匹配场景。

原型模式在Java里最典型的落地是Object.clone()加Cloneable接口。但它有个深水区:默认的clone()是浅拷贝,对象里的引用类型字段还是同一个。处理深拷贝时,我一般不用手写clone链,而是直接序列化再反序列化——用Jackson或Gson把对象转成JSON再转回来,简单粗暴,但要注意性能,高频调用场景不适用。

4. 结构型模式实战:把类的形状打磨成可维护的样子

结构型模式关注的是"如何把类和对象组织成更大的结构"。翻译成人话:当你的代码变成一堆纠缠不清的类时,怎么把它梳理得清爽、可扩展。

4.1 适配器、外观与代理:三个"中间层"用错的代价

这三个模式都是"中间层",但解决的问题完全不同。适配器是为了"接口不兼容"——你的代码期望A接口,第三方库只提供B接口,加个适配器把B转成A。外观是为了"简化复杂子系统"——你不想让调用方跟五个模块直接耦合,提供一个门面方法搞定。代理是为了"控制访问"——你不希望把真实对象直接暴露给客户端,加个代理层管权限、管延迟加载。

很多读者一开始区分不了三者的核心差异。我提供一个判别法:适配器是"不得不接",外观是"主动封装",代理是"代为管控"。

举实际案例。公司要做统一短信发送平台,底层接了三家短信服务商,每家SDK的API都不一样。这时候适配器模式上场,我定义了一个SmsSender接口,然后写AliyunSmsAdapter、TencentSmsAdapter、YunpianSmsAdapter,业务层只面向SmsSender编程。将来换服务商,新写一个Adapter就行,业务代码无感。

外观模式的典型例子是java.util.logging或者SLF4J。你调用logger.info("..."),背后管着格式器、处理器、过滤器一大堆组件,但你完全不用关心。这就是一个门面。

代理模式最出名的案例是Spring AOP。你标注@Transactional,Spring会生成一个代理对象,在调用你的业务方法前开启事务,方法结束提交或回滚。你感觉不到,是好事,说明代理做到了透明。

但中间层别乱加。我见过一个新来的同事,为了"以后可能扩展日志权限",给一个只有两个方法的Service加了代理+接口+实现类三个文件,最后评审会上被我们一致毙掉。没有明确的需求驱动,中间层就是负担。

4.2 装饰器与组合:Java I/O为什么被奉为教科书案例

以前我在另外一篇文章里写过怎么分析复杂系统,那些方法论放在Java I/O这棵类树上同样适用。你看下面这段代码:

java复制BufferedReader reader = new BufferedReader(
        new InputStreamReader(
                new FileInputStream("data.txt"), StandardCharsets.UTF_8));

很常见的写法,但里面藏了两个模式。FileInputStream是源头,InputStreamReader是适配器(把字节流转字符流),BufferedReader是装饰器(给Reader增加缓冲功能)。

装饰器模式的核心魅力在于"层层叠加能力"而不修改原类。这里的关键是:装饰器和原类实现同一个接口或继承同一个抽象类。你看BufferedReader和FileInputStream虽然都在Reader体系里生根发芽,但运行时他们构成嵌套结构。

好处是自由组合。要缓冲就包BufferedReader,不要就去掉;要带行号就再套一层LineNumberReader。你没法想象如果用继承来实现这些组合,得写出多少个排列组合类——这就是装饰器碾压继承的原因。

组合模式解决的是"部分-整体"结构。最经典的例子是文件和文件夹:文件夹里可以装文件,也可以装子文件夹,两者都应该支持delete()、getSize()这类操作。

我在做权限系统菜单树时用过组合模式。菜单节点分两种:叶子节点(具体功能项)和容器节点(菜单目录),但对外都实现MenuComponent接口,统一提供render()、getPermissionCode()等方法。前端渲染和权限校验直接递归整棵树,代码非常整洁。

4.3 桥接与享元:维度拆分与细粒度共享的两把钥匙

桥接模式是我觉得最被低估的结构型模式。它解决的核心问题是"多维变化"——比如一个消息通知系统,发送渠道有短信、邮件、站内信,消息类型有普通通知、告警、营销。如果把渠道和类型组合起来用继承实现,你需要3×3=9个类。

有了桥接模式就不一样了。把"发送渠道"和"消息类型"拆成两个独立的维度,都走组合而不是继承:

java复制public abstract class Notification {
    protected MessageChannel channel;

    public Notification(MessageChannel channel) {
        this.channel = channel;
    }

    public abstract void notify(String content);
}

public class AlertNotification extends Notification {
    public AlertNotification(MessageChannel channel) {
        super(channel);
    }

    @Override
    public void notify(String content) {
        channel.send("[告警] " + content);
    }
}

渠道实现类SmsChannel、MailChannel自己维护发送逻辑。以后新增一个"语音通知"类型,只需新增一个VoiceNotification类,渠道复用;新增一个渠道,也只加一个Channel类,类型复用。类数量从乘法变为加法。

共享的意义在于"复用细粒度对象"。我在做报表系统时,导出大量单元格对象,每个单元格包含字体、颜色、边框等属性。如果每次创建几百个不同样式的Font对象,内存会吃紧。这时候享元模式出场:相同样式的Font对象共享同一个实例,内部状态(字体名、字号、是否加粗)放在享元内部,外部状态(文字内容)由客户端传入,不放进Font对象。

一个朴素但有效的判断方法是看"对象的差异点"在哪里:差异点如果能外部传入,就可以共享内部状态。这种思路在缓存、线程池、对象池里到处都是,理解了享元,很多框架的设计意图就一目了然了。

5. 行为型模式实战:对象之间的协作靠"约定"而不是"干预"

行为型模式是我面试时最爱问的部分。因为创建型和结构型解决静态问题的偏多,行为型解决的才是"运行时对象之间怎么打交道"这种动态问题。

5.1 策略、状态与模板方法:算法家族的三种演进方式

策略模式是入门必学。它的本质是"把算法封装成独立的策略对象,运行时可替换"。Spring框架里最经典的实践就是Resource接口,ClassPathResource、FileUrlResource、ByteArrayResource这些不同的资源访问策略通过同一个接口暴露。

网上那些DiscountStrategy的Demo我就不重复了,我说一个容易被忽视的细节:策略模式一定要搭配"策略工厂"或者"策略注册表"一起用,否则客户端还是在用if-else选策略,变换了战场没换打法。

我自己常用的方案是Spring的ApplicationContext.getBeansOfType,一次性拿到所有策略Bean,用一个Map按channelType存起来:

java复制@Component
public class PayStrategyRegistry {
    private final Map<String, PayStrategy> strategyMap;

    public PayStrategyRegistry(List<PayStrategy> strategies) {
        this.strategyMap = strategies.stream()
                .collect(Collectors.toMap(
                        s -> s.getChannelType(),
                        Function.identity()
                ));
    }

    public PayStrategy getStrategy(String channelType) {
        return strategyMap.get(channelType);
    }
}

这样新增支付渠道只需实现PayStrategy接口并注册为Spring Bean,业务代码零改动,完美契合开闭原则。

状态模式和策略模式,新手容易混淆。二者的结构几乎一样——都是把逻辑拆到多个子类里,通过组合持有接口。区别在于:策略模式是客户端主动选择算法,哪个策略之间互相独立,无状态迁移;状态模式是根据状态自动触发行为,并且状态之间会流转。

我做过一个工单系统,工单状态有:待分配、处理中、已解决、已关闭。每个状态下能执行的操作不同,操作后状态会跳转。这个场景用状态模式非常合适。我把状态定义成枚举或类,每个状态实现handleEvent(WorkOrderContext context, WorkOrderEvent event)方法,内部负责自己的行为并调用context.setState(newState)完成流转。整个工单的状态机清晰又优雅,后来产品想加"重新打开"功能,我只要加一个ReopenedState并修改对应状态的流转逻辑就行。

模板方法模式解决的是"算法骨架固定,步骤实现可变"的场景。它倒着用就是"控制反转"的一种体现——父类定义流程,子类填充细节。

我在数据同步工具里就用模板方法定义了全流程:

java复制public abstract class AbstractDataSyncer {
    public final void sync() {
        validateConfig();
        SourceData data = fetchSourceData();
        TransformResult transformed = transform(data);
        TargetResult result = pushToTarget(transformed);
        logSyncResult(result);
    }

    protected abstract void validateConfig();
    protected abstract SourceData fetchSourceData();
    protected abstract TransformResult transform(SourceData data);
    protected abstract TargetResult pushToTarget(TransformResult data);
    protected void logSyncResult(TargetResult result) {
        // 默认日志实现,子类可覆盖
    }
}

每个数据源(MySQL、API、FTP)写一个子类,只关心自己怎么取数、转换、推送,同步骨架完全复用。注意这里final关键字很关键,它保证子类不能改动业务流程的顺序——这是设计上的一种强制约束。

5.2 观察者与责任链:从事件驱动到请求传递

观察者模式可能是设计模式里应用最广、也最容易被"裸写"的一个。它的本质是"发布-订阅":主题对象状态变化时,自动通知所有注册过的观察者。

Spring的事件机制就是完美实现。ApplicationEventPublisher发布事件,@EventListener注解监听事件——你在业务代码里发一个OrderPaidEvent,然后所有关心"订单支付成功"的模块(短信通知、积分累计、库存更新)各自监听处理。模块之间完全解耦,新增一个关心方不影响发布者和其他监听者。

Android里观察者模式也到处都是。Button.setOnClickListener就是一个观察者注册,LiveData的observe方法也是,BroadcastReceiver本质上还是——组件与组件之间通过系统来发布广播、注册接收、响应事件。

我在做IM系统的私聊消息推送时也用了观察者思路:每个用户的在线会话维护一个SessionListener列表,收到新消息时遍历推送。不过这里有个天然的坑:监听器没有在合适时机注销。Fragment.onDestroyView里忘了解绑,就会导致内存泄漏,在Android里尤其致命。

责任链模式解决的是"多个对象都有机会处理请求,把处理者串成一条链"。我们日常写过滤器时几乎都会遇到它——Servlet的FilterChain、Spring的HandlerInterceptor、MyBatis的Interceptor,全都是责任链思想的实现。

我在网关项目里做参数校验时用过:一个校验链由长度校验、格式校验、白名单校验、敏感词校验四个节点组成,每个节点通过next.handle()把请求传递给下一环。好处是新增一个校验规则不用改旧代码,加一个节点就行,维护起来很清爽。

但责任链有个需要注意的地方:链上节点顺序很重要,而且容易形成"死链"——某节点忘了调next,请求流程就在那截断了。我一般会约定:每个处理器必须明确是"终止"还是"放行",并在文档里画清链路顺序,防止后人改出bug。

5.3 命令、迭代器、备忘录等:小模式的大用途

经常有人问:"访问者、中介者、解释器这些是不是面试造火箭,实际用不上?"其实不然,这些冷门模式在某些场景下反而是解药。

命令模式我在做"操作撤销重做"时真的救过命。编辑器里用户执行的操作——插入文字、删除表格、调整缩进——都封装成一个个Command对象。每个命令有execute()和undo()方法,操作历史栈里压入Command,Ctrl+Z就出栈调用undo()。如果没有命令模式,撤销会变成一场精心策划的混乱,因为你需要记住每个操作的反操作细节,而命令对象把这一切都封装了。

迭代器模式的精髓不是"遍历接口",而是"遍历与实现解耦"。你用for-each遍历ArrayList和HashSet的时候,不需要关心底层是数组还是链表还是哈希表,这就是迭代器的功劳。如果哪天你的自定义集合类想让外部也支持for-each,实现Iterable接口就可以了。

备忘录模式在做"草稿箱"、"快照恢复"时很实用。我在做表单编辑器时,每次用户输入暂停两秒,就自动存一版草稿快照。快照对象保存了表单完整状态,用户误关页面重新打开后能恢复到最近快照。这本质上就是备忘录模式:发起人是表单状态,备忘录是快照,负责人是草稿箱管理器。

中介者模式最适合"多对多交互"的混乱场景。以前有一个客服系统,用户、客服、主管、质检四个角色互相通知,直接对象引用会形成网状依赖。引入一个ChatMediator作为中介后,所有消息都发给中介,再由中介分发给对应角色,网状结构变成星状结构,依赖关系一目了然。很多消息中间件如MQ,某种意义上是中介者的分布式增强版。

访问者模式比较抽象,我用的场景是"在同一批对象上增加新操作"——比如给报表里所有节点增加一个"导出JSON"动作。把操作写在Visitor里,每个节点作为被访问者回调visitor对应方法。缺点是节点类要加accept方法,第一次用会绕,需要在合适场景下才划算。

解释器模式就别硬用了。真正需要你写语法解释器的场景非常少,除非你在做规则引擎、SQL解析器、模板引擎这类底层组件。学习它主要是理解"上下文+语法树+非终结符解析"的组合思想,对理解Lombok、MyBatis等框架源码有帮助。

6. 从"读过模式"到"写出模式":四个台阶的刻意练习

前面讲了原理和案例,但我知道,绝大多数人还是卡在"我看懂了,但不会用"。这个坎绕不过去,只能靠练。我把自己的练习路径总结成四个台阶,按顺序踩,基本能完成从"读者"到"作者"的转变。

6.1 第一步:在现有框架源码里找模式

先不急着写代码,先做"找茬"训练。把自己工作的框架源码翻开,挨个找设计模式。

Spring框架里,BeanFactory就是工厂模式的祖师爷,ApplicationContext是它的扩展;AopProxyFactory根据配置生成JdkDynamicAopProxy或CglibAopProxy,这是工厂方法模式;TransactionTemplate包了一个事务管理的模板方法;Environment体系里一堆PropertyResolver是策略模式;EventMulticaster在广播事件,是观察者模式。

即使在Android源码里也能找到大量模式:BroadcastReceiver是观察者,Intent传递数据的方式有点组合和原型结合的味道,LayoutInflater在解析XML时构建View树就是组合模式构建器,Binder的代理机制不用说了,Handler消息循环里Looper是个单例。

找茬训练的最大价值是,让你明白"模式不是虚构的培训班知识点,而是真实世界的共同演化结果"。一旦你在Spring、MyBatis、Android源码里看到了它们,以后你再见到新框架,就能看出套路来,读源码效率翻倍。

6.2 第二步:用模式重构一段烂代码

找茬之后,动手改造自己以前写过的代码。选那些你最想销毁的模块——基本上都有明显的坏味道。

如果你的代码里有一堆if-else判断类型,考虑策略模式或状态模式。如果你的一个类有七八个职责、方法巨长,考虑拆成多个小类,也许中间会用上外观模式提供统一入口。如果你频繁在业务代码里new对象,考虑工厂方法或建造者。

我记得自己刚学设计模式时,拿一个老项目里300多行的OrderService开刀。里面订单创建、支付、取消、确认收货全揉在一个方法里,if嵌套看得人头皮发麻。我花了一整天,拆出OrderStateMachine处理状态流转,抽出PayStrategy处理多渠道支付,把通知逻辑用Spring事件解耦,把参数组装用建造者重写。改完以后,核心方法从300行缩到不到50行,一眼能看懂。

那次重构让我明白了一件事:设计模式不是装饰,而是给代码"减负"的工具。同一份功能,设计良好的代码在增加新需求时,你只需要"加类、加配置",而不是"改老代码",这就是我追求的效果。

6.3 第三步:在真实需求中识别"重构信号"

新需求来的时候,先不急着动手,先问自己一个问题:这段代码在未来三个月内,可能要面对几种变化?

我在具体复盘自己负责的订单流程时,经常问:"如果下周产品说,我要加一个拼团优惠,改动的地方会是多少?"如果答案超过两处,说明设计有问题,模式该上场了。

真实业务中的信号很明确:

  • 看到长长的if-else或者switch分支,闻到"变化分支"的坏味道,考虑策略或工厂。
  • 看到一个new关键字出现在业务方法深水区,考虑把创建过程上提到工厂。
  • 看到对象被改得面目全非,参数太多,考虑建造者模式。
  • 看到组件和组件之间强耦合,谁都离不了谁,考虑中介者或观察者。
  • 看到数据转换逻辑散落各处,考虑适配器。

这里有一个非常重要的原则:你不需要一次性引入模式,可以在演进中重构。这部分我特别强调一点:别学太多模式去生搬硬套。你手头的业务,变化点通常只有两三个,能用到的模式可能就四五个,剩下的模式只需要知道存在、知道结构、知道适用场景,等真遇到的时候再深入学习。

6.4 第四步:用反模式审视自己的代码

最后这个台阶,其实是我在面试和带人时最强调的一步:别成为"模式中毒者"。设计模式的初衷是简化代码,不是复杂化代码。如果一个模式让你的代码多出十来个类,但并没有真正带来可维护性和扩展性,那它就是"为了模式而模式"。

反模式信号有哪些呢?我举几个自己常纠正的例子:

  • 空转的接口:接口只有一个实现类,也没有任何未来扩展迹象,却硬编出接口+实现类两套结构。这通常是过度设计。
  • SSL(字面量闪烁):看到常量就用策略模式去拆,看到集合就用迭代器模式去封装,最后业务逻辑被打散到十几个类里,阅读困难。
  • God Object:一个类引用了十几个Manager、Service、Helper,DTO上一层又一层包装,这种类基本上已被模式堆成了屎山。

真实项目里,设计模式应该让类数量降下来、职责清晰、阅读负担减轻。我在代码评审时最常说的一句话是:"你这里少一点模式,代码反而更好看。"不要怕自己用少了模式,要怕自己为了炫技把代码搞复杂。

7. 面试和期末大作业中怎么答出"高级感"

7.1 为什么"背定义"的答案永远拿不了高分

设计模式面试,网上最多的标准答案是:

单例模式是一种创建型模式,它的目的是保证一个类仅有一个实例,并提供一个全局访问点。通过将构造函数私有化……

这段话错吗?没错。但如果是面试官,我听完内心毫无波澜。因为它只证明了你读过《Head First设计模式》的第X章。在真实代码评审里,没人关心你能背出多少定义,大家关心的是:这个模式在你的项目里解决了什么问题?你为什幺用这个而不是那个?

期末大作业同理。老师们看多了"XXX系统的设计与实现"里面硬塞六个设计模式。如果每个模式都是单独一个Demo类,跟系统其他部分毫不相关,老师一眼就能看出来。你要做的,是让模式"长在"你的系统里面——它们是系统演化的自然选择,而不是作业的标签。

7.2 面试官真正想听到的回答框架

我在面试别人时,如果问到设计模式,我希望听到的是这个框架:

  • 场景:我在做一个XX系统,里面遇到了XX问题。
  • 痛点:原来的代码用了if-else实现了功能,但加需求时改动太多。
  • 方案:我引入XX模式,把变化的这部分封装起来。
  • 效果:后来新增XX需求时,我只加了一个类/改了一个配置。
  • 取舍:这个模式带来了一些额外成本,比如类数量变多了,但换来的可维护性是我们团队当时更看重的。

比如你说策略模式,不要只说"我用了策略模式",要说"我负责的支付模块有微信、支付宝、银联三种渠道,原先在Controller里用switch分发,每次加一个新渠道要把整个方法从头看一遍。后来我用策略模式+Spring注入,把每种渠道的支付封装成一个Strategy类,用一个Map按渠道类型注册。上一个季度新对接了云闪付,我一行老代码都没改,就加了一个类。"

这个回答一出来,里面包含的不只是策略模式,还有工厂模式(Map注册表)、开闭原则,以及你真正在实战中思考过。这才是"深度解析"应该有的味道。

7.3 期末大作业怎么让模式融入系统

给学生党一个设计模式大作业的实操建议。不要做一个"图书管理系统"然后硬套模式。选一个业务规则稍微复杂一点的场景,比如"在线订餐平台"或"审批工作流引擎",让模式自己冒出来。

拿在线订餐平台举例:

  • 不同商家类型(快餐、正餐、火锅)做不同的折扣计算 → 策略模式。
  • 订单有已支付、制作中、配送中、已完成、已取消五种状态,每种状态下不同操作有不同的响应 → 状态模式。
  • 新订单产生后,通知后厨打印机、通知骑手App、通知用户 → 观察者模式。
  • 外卖配送费按距离和重量计算 → 模板方法或者策略。
  • 对接多家第三方物流 → 适配器模式。

这个结构下,每个模式都有明确的业务存在感。写报告的时候,重点写"没有这个模式会怎样,有了之后改需求时的对比",这正是老师想看到的"深度"。

8. 我最想让你带走的一句话

如果让我用一个词概括23种设计模式,我会选"约定"。它们本质上是软件开发社区经过长期博弈形成的一系列"约定",告诉我们:哪些变化该封装、对象之间该怎样协作、结构该怎么搭。

写代码这些年,我最大的体会是:设计模式不是银弹,它不能把你从烂代码里救出来,但它能给那些"表达能力不足"的类划清边界。模式出现在需要它们的地方时,代码会自己说话;模式出现在错误的地方时,类图会变成一团废线。

所以每次遇到一个问题,我都先问自己:"这坨代码里,什么才会变?"找到那个变化点,再去翻模式目录。23种模式背得滚瓜烂熟不如判断力准确——你那颗随时准备"封装变化"的心,才是这篇长文真正想交给你的东西。

内容推荐

VMware虚拟机搭建Kubernetes三节点集群实战指南
Kubernetes · VMware · 虚拟机集群
Kubernetes作为容器编排的核心平台,其生产级能力依赖于多节点协同而非单机模拟。理解调度、网络、故障迁移等机制,需要在真实集群中观察实践。通过VMware虚拟化技术,可以低成本构建一套1主2从的三节点Kubernetes集群,用于验证Deployment滚动更新、跨节点通信及节点故障自愈等核心场景。本文从资源规划、网络模式选择、模板克隆、kubeadm初始化到CNI部署,系统梳理了搭建过程中的关键步骤与常见陷阱,帮助开发者建立更接近生产形态的K8s实验环境,为后续深入运维和故障排查打下基础。
Agent性能优化:慢的不是模型,而是调用次数过多
Agent · 性能优化 · 模型调用次数
在AI应用落地中,Agent性能优化常被简单归因于模型推理速度。然而从工程实践看,端到端延迟往往由任务内的模型调用次数、上下文长度与工具交互共同决定。理解单次请求与整体调度之间的倍数放大关系,是定位性能瓶颈的第一步。通过添加调用日志、设置终止条件、采用结构化输出、压缩上下文以及执行规则分流等手段,可有效降低无意义的模型请求。这类方案在基于LangChain、LangGraph等编排框架以及DeepSeek开源模型的本地化部署中尤为适用。从诊断思路到批量并发改造,系统性减少问答轮次,才是提升Agent响应速度的关键路径。
VMware虚拟机去虚拟化:隐藏特征,改善商业软件的兼容性
VMware去虚拟化 · 虚拟机特征隐藏 · 虚拟机检测
在软件开发与测试领域,虚拟机检测是一个常见的技术关卡。许多商业软件会通过CPUID、SMBIOS、MAC地址等手段识别虚拟化环境,并拒绝在VMware虚拟机中运行,从而带来兼容性问题。去虚拟化的核心原理在于理解五大类检测信号,并通过对VMware配置文件(.vmx)的调整、SMBIOS硬件信息的伪装、网卡与磁盘类型的更换以及VMware Tools的清理,系统性地消除明显的虚拟机指纹。这项技术适用于已获授权的软件兼容性测试、开发与QA验证等合规场景,能有效改善专属软件在虚拟化平台的可用性。本文结合PowerShell命令,提供了一套从环境准备、硬件信息采集到效果验证的完整实施路径,是解决此类兼容性问题的实用参考。
Claude Code 完整学习路径:安装、Skill 与 MCP 配置实战
Claude Code · AI Agent · MCP
AI Agent 正在重构软件开发的执行方式,它不再局限于代码补全,而是能够自主理解任务、规划步骤并操作工程链路。作为这一理念的典型实践,Anthropic 推出的 Claude Code 以终端为交互入口,帮助开发者将模糊需求拆解为可执行任务。理解它的核心机制,需要掌握 Skill(教模型按规范执行)与 MCP(模型上下文协议,连接外部数据和服务)的配合方式。从环境准备、账号注册、模型接入,到权限控制与安全红线,企业级项目的落地离不开对 Agent 边界的清晰认知。本文梳理一条从零开始的学习路径,结合代码审查 Skill 和 MCP 服务器的真实配置方法,演示如何在自动化流水线中安全地引入 AI 编程助手,并为后续团队规范化使用提供可复用的工程建议。
从零开发dsh皮肤插件:结构、变量与调试指南
dsh皮肤插件 · dsh插件开发 · 命令行主题
命令行工具的自定义外观通常依赖插件机制实现,视觉层与业务逻辑的分离是这类设计的核心原理。通过描述文件声明插件入口和适用场景,再以语义化变量定义颜色与控件样式,即可在不改动工具源码的前提下完成主题定制。这种模式不仅便于回滚和同步,也适合团队分享。常见应用包括终端交互、桌面版渲染与导出预览,但不同环境的渲染能力存在差异。dsh的皮肤插件正是基于这一思路,覆盖列表高亮、状态颜色、进度条等界面元素,同时与归档插件、文档解析插件明确区分。文中还涉及dshmarket插件市场的安装与发布流程,帮助开发者从本地调试平滑过渡到远程分发。
AI大模型应用实战全家桶:LLM+RAG+Agent+MCP+工作流双版本落地指南
AI大模型应用 · LLM · RAG
大模型应用开发正从单点调用走向体系化工程。理解LLM的对话生成、RAG的知识检索增强、Agent的自主决策,以及工具调用与统一协议的价值,是从原型走向生产的关键。在AI应用架构中,每一层各司其职:模型负责理解与生成,外部知识通过检索注入,智能体循环执行任务,MCP则让工具生态标准化。它们共同构成了覆盖智能问答、自动化处理和企业系统集成等场景的完整链路。本文以FastAPI与SpringBoot双版本为例,拆解这套AI大模型应用实战全家桶的分层设计、核心代码与工程化要点,帮助开发者建立端到端的落地方案。
AI Agent 性能优化:少问几次比换更强模型更有效
AI Agent · 性能优化 · Harness
在 AI Agent 应用落地中,性能瓶颈往往不在单次模型推理,而在 Harness 层的模型调用次数。一次端到端 15 秒的 Agent 请求,单次模型回答可能只要 300ms;若任务串行触发 30 次模型调用,仅决策开销就被放大到秒级。这种“每步都问模型”的现象,类似数据库的 N+1 查询:把可预判的固定流程交给规则引擎,把真正需要推理的意图识别与结果生成留给模型,能将调用次数从 8 次压到 2 次。配合并行调用、缓存、上下文压缩和可观测性埋点,AI Agent 的延迟与成本都能大幅下降。对后端开发者和 Agent 工程师而言,先统计调用次数、再优化 Harness 决策策略,往往比盲目更换更强模型更有效。
Codex CLI安装实战:从Node.js环境到登录认证全流程
Codex · 安装教程 · Node.js
命令行AI编程助手正在改变开发者的日常工作方式,它通过自然语言交互完成代码编写、调试与任务执行,本质上是将大模型能力下沉到终端场景。要发挥这类工具的工程价值,前提是搭建一套完整可用的本地运行环境。Node.js作为npm包管理器的运行基础,Git作为项目状态感知的依赖组件,登录认证作为模型服务调用的准入凭证,三者缺一不可。在实际落地中,开发者往往先关注网络方案,却忽略了环境变量刷新、全局权限配置、模型Provider映射等技术细节。本文从终端生态与工程实践角度,系统拆解Codex CLI的安装流程,覆盖Node.js与Git的验证方法、npm全局安装常见问题、ChatGPT账号与API Key两种认证方式的区别,以及config.toml中模型与服务商的配置逻辑,帮助开发者在真实项目中少走弯路。
Agent Skills实战:从原理到代码审查技能编写
Agent Skills · MCP · 提示词工程
随着AI Agent应用深入,提示词工程正面临新的挑战:将规则写进System Prompt已难以应对复杂多变的自动化任务。Agent Skills作为一种按需加载的能力文件机制,改变了传统上下文注入方式,让Agent在运行时根据任务描述自动匹配并加载对应技能文件。它与管理外部连接的工具协议MCP形成互补——前者定义'如何做',后者解决'连接谁'。对于代码审查、日志分析、流程检查等规则明确的重复性任务,Agent Skills能够提供结构化执行路径,减少模型注意力分散,提升输出稳定性。本文从通用概念出发,讲解技能目录结构、SKILL.md编写原则,并通过一个Python代码审查技能实例,演示从创建到验证的完整流程,帮助开发者建立正确心智模型。
Claude Code完整指南:从安装配置到Skill与MCP实战
Claude Code · AI编程 · AI智能体
AI编程工具正加速改变软件开发流程,智能体(Agent)与模型上下文协议(MCP)成为关键技术。本文从基础概念出发,讲解Claude Code作为终端AI编程助手的核心原理:它通过感知-规划-行动-观察循环,在项目上下文中自动完成代码检索、修改与测试验证。文章详细介绍了环境准备、账号接入、模型选择、Skill自定义和MCP集成,并结合一个Flask+SQLite项目演示企业级工作流。通过合理运用Skill和MCP,开发者可将团队规范与外部工具标准化接入,实现从需求到验证的闭环,显著提升交付效率与质量。
从零认识Agent Skills:用结构化技能替代冗长提示词,实战Python代码审查
Agent Skills · SKILL.md · 大模型
在大模型应用开发中,依赖冗长提示词约束复杂任务的方式正逐渐触顶。Agent Skills(智能体技能)提供了一种更优雅的范式:将特定领域能力封装为包含说明、脚本与示例的结构化技能包,使模型按需调用而非被动承受长篇指令。本文从智能体、工具与函数调用的关系切入,拆解SKILL.md核心语法与目录规范,并基于Python代码审查实战,展示如何用AST静态分析生成JSON报告,让技能包兼顾稳定性与可复用性。适合追求高效工程实践的开发者参考。
Codex深度解析:用自然语言驱动项目开发与测试验证的AI软件工程师
Codex · AI编程 · 代码生成
在大模型能力快速演进的今天,AI编程助手已从简单的代码补全工具,进化为能够独立规划、执行和验证任务的智能体。其背后的核心逻辑是通过自然语言理解用户意图,借助Agent循环完成代码读取、命令执行、测试反馈与自我修复,从而把开发者的关注点从繁琐的工程操作中解放出来。这种技术价值不仅体现在生成代码片段,更在于覆盖从需求描述到可运行仓库的完整流程,适用于原型搭建、接口实现和自动化测试等典型工程场景。OpenAI Codex正是这一方向的代表性产品,本文从工具定位、环境配置到真实项目实战,系统展示了如何利用命令行工具和云端代理完成一个带验证的工程任务,帮助开发者快速上手并规避常见坑点。
Claude Code 接本地大模型:从环境配置到全栈实战的完整指南
Claude Code · 本地大模型 · Ollama
本地部署大模型是当前开发者兼顾数据安全与离线开发的重要技术路径。通过 OpenAI 兼容接口与 API 转换层,命令行工具可以绕过云端服务,直接调用本机模型完成代码读取、修改与执行命令等任务。这种架构的价值在于,在敏感项目或内网环境中仍能保持高效的 AI 辅助开发流程,同时把推理延迟和成本控制在可预期范围内。从工程实践看,模型参数量、上下文长度、量化方式以及工具调用能力决定了任务质量,而环境变量配置和故障排查则是链路稳定运行的关键。本文以 Claude Code 接入本地模型为例,详细拆解硬件分档、最小可运行配置、CRUD 项目实战验证,以及常见报错的处理顺序,帮助开发者在数据不出本机的前提下,构建一套可用、可控、可维护的终端 AI 开发工作流。
Claude工作流引擎:提示词、Projects、Skills与连接器实战
Claude · 提示词 · Projects
在AI工程化落地中,如何让大模型从简单的问答工具进化为稳定输出的工作流引擎,是开发者关注的核心问题。提示词工程、上下文管理、可复用技能封装以及外部数据接入,构成了自动化任务的基础要素。通过将任务指令模块化、利用项目空间维护长对话上下文、预定义技能模板并连接数据源,可以有效提升模型在内容生产、代码审查、文档处理等场景的可靠性与效率。本文以Claude为例,梳理提示词设计、Projects组织、Skills配置与连接器接入的方法,结合API调用和批量任务实践,帮助开发者构建可复用的AI工作流。
WorkBuddy 工作台使用指南:从最小流程到 Skill 配置
WorkBuddy · 工作台 · Skill
AI 对话工具虽能即时回答问题,但每次使用都要重新描述需求,难以沉淀为可复用的流程。真正高效的自动化工作流,需要将输入、处理、输出固化为标准步骤,并允许随时调整和复用。工作台正是承载这种流程的载体,而 Skill 则是一份打包好的流程说明书,通过自定义指令约定处理规则和输出格式。在科研文献整理、客服话术库建设、内容写作等高频重复场景中,配置一套清晰的 Skill 与目录结构,能显著减少人工搬运和返工。WorkBuddy 不是高级聊天框,而是流程执行器,只有先跑通最小任务,再逐步沉淀规则,才能让工具真正为你所用。
AI编程工具实战:从代码生成到反馈闭环的完整工作流
AI编程工具 · 代码生成 · GitHub开源项目
自然语言处理能力的普及让“写代码”这一行为从逐行手写演变为“描述需求、复核输出、修复缺陷、验证结果”的循环。以GitHub上高星开源项目为代表的AI编程工具,其本质并非简单的代码补全,而是通过编辑器入口、模型网关与上下文组装层构成的完整对话式开发闭环。这种工作流将开发者从繁琐的语法细节中解放出来,使其聚焦于需求边界、验收标准与安全底线,同时借助自动化测试和错误日志反馈,实现可重复的工程实践。从环境配置到最小Flask项目落地,再到让AI修复错误与补全测试,该模式已适配脚本编写、接口开发与代码重构等多类应用场景。本文以一个持久化TODO接口为例,完整走通这一流程,帮助开发者从散点问答升级为独立交付小功能,也正是AI编程工具在真实开发环境中的核心价值所在。
Codex占满C盘?符号链接迁移数据目录,彻底释放开发缓存空间
Codex · C盘清理 · 缓存迁移
AI编程助手通过云端推理提供代码生成与解释能力,本地无需高性能GPU,但会在用户目录中持续积累会话记录、日志和依赖缓存。与此同时,npm、pip、HuggingFace等开发工具的默认缓存路径均指向系统盘,随着使用频率增加,C盘空间会被快速消耗,甚至导致系统卡顿或编译失败。理解符号链接(Junction)的数据重定向原理,可以将应用的数据目录平滑迁移至其他磁盘,在保持工具正常读取写入的同时释放C盘存储压力。这一技术适用于频繁使用AI编程辅助、批量任务处理的开发者,也适用于长期被C盘空间不足困扰的Windows用户。本文以Codex为例,系统讲解从空间占用定位、数据目录迁移、开发缓存搬移到系统级清理的完整实践流程。
Agent性能优化实战:从“问得太多”到“问得准、问得少”
Agent · 大模型推理延迟 · 上下文膨胀
大模型应用开发中,单次推理速度并不能决定系统整体响应。Agent系统的延迟往往来自反复调用模型:规划、工具执行、结果观察均触发推理,叠加上下文膨胀后,总耗时呈指数级上升。工程实践表明,通过工具结果压缩、减少推理轮次、设计Harness约束层等方式,可显著降低无效计算。以DeepSeek等低成本模型为基础的Agent应用,更需要从调用次数和上下文长度入手优化,才能兼顾延迟与成本。本文从延迟构成、上下文管理、工具粒度等角度剖析问题,并给出可落地的优化方案与验证方法。
大模型应用开发全家桶:LLM/RAG/Agent/MCP双技术栈实战指南
大模型应用开发 · LLM · RAG
大模型应用开发已从简单的API调用演变为涵盖检索增强生成、智能体协作、工具调用与标准化协议的完整工程体系。RAG通过外挂知识库解决模型私有数据缺失问题,工具调用让模型具备实时交互能力,Agent则进一步将工具调用组织成自主任务闭环,而工作流与MCP协议为复杂业务提供了确定性与标准化集成路径。本文以FastAPI和SpringBoot双技术栈为落地载体,系统拆解这些核心概念的分层架构、模块设计与实战代码,帮助Python与Java团队快速构建可维护的AI应用。适合正在学习大模型开发、需要从原型走向工程化的开发者参考。
Agent为什么慢:端到端延迟背后的LLM调用次数优化指南
Agent · 大模型 · LLM调用
在大模型应用中,智能体(Agent)的响应速度直接决定用户体验。许多开发者误以为模型推理慢是罪魁祸首,实际瓶颈往往源于Agent在循环中反复调用LLM,导致端到端延迟被放大数倍。理解单次推理延迟与总调用次数之间的关系,是性能调优的第一步。通过延迟模型拆解和Token消耗分析,可以量化无效调用带来的成本;借助Harness等评测框架,则能精准定位调用链路中的冗余环节。从工程实践角度,探讨如何通过收敛规划频率、提前终止机制、上下文压缩及并行工具调用等策略,将Agent交互次数从几十次压缩到个位数,显著降低端到端延迟。对于正在构建AI自动化流程的开发者,这是一份实用的性能优化指南。
已经到底了哦
精选内容
热门内容
最新内容
工业5G独立专网落地指南:数据不出厂与UPF/MEC架构拆解
在工业网络向无线化、智能化演进的过程中,UPF(用户面功能)与MEC(边缘计算平台)的下沉部署,是构建确定性低时延网络的关键技术路径。传统工厂依赖Wi-Fi和工业以太网,难以兼顾移动性、实时性与数据安全;而5G核心网用户面本地化,通过UPF本地分流实现业务数据在园区内闭环,从物理架构上保障数据不出厂。这种模式让控制指令、质检图像、AGV调度等敏感业务流量不再经过运营商承载网,显著降低时延抖动,并增强网络的可管理性与定制化能力。独立专网尤适用于高价值产线、机器视觉检测、PLC无线化及数字孪生等场景。结合5G LAN二三层互通能力与工业网关适配,企业可在不改动现网的前提下,为移动设备提供高可靠无线连接,推动IT/OT深度融合。工业5G独立专网正从概念验证走向规模试点,成为智能工厂网络底座的重要选项。
WorkBuddy 免费实战:从安装到批量任务,避开高额学费
AI 智能体工作台正在成为流程编排与自动化任务的核心工具,它通过 Skill 技能调用、自定义指令和批量处理,把重复性工作固化为可复用的工作流。理解其工作原理,比盲目购买高价课程更有价值。无论是搭建个人工作台、修改系统缓存目录以规避白屏问题,还是通过 API 扩展批量任务能力,均属于可自行验证的工程实践。这类工具适合客服、科研、运营等场景,但需明确合规边界。本文基于常见的安装教程与高频搜索问题,提供从环境准备到效果验证的完整路径,帮助你低成本掌握并判断是否值得为进阶内容付费。
冶金起重机制动器间隙实时监测:原理、架构与Python实战
制动器闸瓦间隙与制动时间是起重机安全运行的核心指标,尤其对于冶金行业吊运高温熔融金属的钢水包,任何异常都可能导致严重事故。制动器在制动力矩作用下通过弹簧压紧闸瓦产生制动效果,但闸瓦磨损会导致间隙增大、制动时间延长,传统人工巡检难以捕捉渐进式风险。工业物联网与传感器技术的发展,使得非接触式间隙测量、边缘采集、阈值判定与报警联动成为可能,形成从感知层到平台层的完整监控链路。此类方案可应用于起重机械运维、特种设备安全监控、预测性维护等场景。本文以某智能监控系统为例,详细拆解制动器间隙测量原理、磨损超标判定逻辑、分级报警机制,并给出可直接运行的Python模拟程序与MySQL建表脚本,为工程实施提供落地参考。
Claude Code接入本地大模型:终端AI编程与协议转换网关实战
在AI辅助开发快速演进的背景下,终端型AI编程工具正成为开发者工作流的重要补充。与依赖云端API的聊天式助手不同,Agent型命令行工具可以直接在项目目录中完成代码读取、文件修改和命令执行,真正实现从需求描述到改动落地的闭环。其核心原理在于模型通过工具调用能力理解并操作真实代码环境,而灵活的API端点配置则让它能够对接本地推理服务。借助协议转换网关,可将Anthropic消息格式翻译为OpenAI兼容接口,从而接通Ollama、vLLM等本地大模型,实现数据不出内网的安全编码体验。这种方案特别适合内网开发、敏感项目及对代码隐私有严格要求的场景。本文围绕Claude Code的部署、本地模型接入、网关配置及全栈开发实战,梳理了从安装到批处理自动化的完整链路,为开发者提供了一条可验证、可落地的工程路径。
大模型应用开发路线:六大核心能力与FastAPI/Spring Boot双版本实战
大模型应用开发不仅是调用API,更是一套融合检索增强、智能体编排与工程化实践的复杂体系。RAG通过外挂知识库解决模型私有数据缺失与幻觉问题,Agent借助工具调用实现自主决策,MCP统一工具接入标准,而工作流将确定流程固化提升稳定性。这些技术共同构成AI应用的核心骨架,广泛适用于企业知识库问答、智能客服、业务系统自动化等场景。面对Python与Java技术栈分裂的现状,本文梳理了LLM、RAG、Agent、MCP、工作流、工具调用六大能力地图,并提供FastAPI与Spring Boot双版本对照实现,帮助开发者快速建立从0到1的AI应用实战路线。
DeepSeek Harness 从零搭建本地大模型批量问答实践指南
大模型能力的价值很大程度上取决于如何高效调用与工程化落地。理解Token、上下文窗口、Temperature等基础概念,是掌握大模型API调用与提示词工程的第一步。然而,当开发者面临批量处理、提示词模板复用、结构化输出等真实场景时,仅靠原始接口往往显得繁琐且易错。DeepSeek Harness 正是为解决这类问题而生的封装框架,它通过YAML配置统一管理模型参数与API Key,提供CLI、桌面端与插件三种形态,帮助开发者快速构建本地自动化工具。本文从环境配置到完整实战,演示了如何利用Harness搭建批量问答脚本、优化上下文控制并实现稳健的工程输出,是衔接大模型原理与业务落地的实用参考。
Claude Code入门:记忆配置、MCP接入与权限管理实战
终端型AI编程工具近年来逐渐成为工程师的得力助手,其核心价值在于让AI能够直接读取本地文件、执行命令并调用外部服务。这类工具的底层原理通常围绕三个关键机制展开:记忆文件负责保存项目背景与工作规则,模型上下文协议(MCP)为AI提供标准化的外部工具接口,权限模型则确保每一次高风险操作都在用户掌控之下。理解这三者的协作关系,就能明白为什么AI助理能从单纯的对话窗口进化为真正可落地的生产力工具。在实际应用中,无论是批量整理文件、合并多份文档,还是生成结构化报告,只要正确配置记忆与MCP,非工程师也能轻松驾驭。本文以Claude Code为例,从账号准备、环境安装到记忆配置和MCP接入,逐步演示如何打造一套属于自己的本地AI助理,帮助读者避开常见配置误区,安全高效地开启智能化工作流。
GPT6-Astra与VLA模型组合实现机器人长程导航
大模型在语言理解与视觉推理上进步显著,但真正落地到机器人动作控制,仍需要跨越从“理解”到“移动”的鸿沟。多模态语言模型与视觉-语言-动作模型(VLA)的协同,为长程导航任务提供了有效方案。GPT6-Astra负责自然语言指令理解、子目标拆分和空间推理,VLA模型则将意图转化为机器人底盘的具体运动指令,二者串联后可稳定执行跨房间、多步骤的导航任务,弥补底层控制模型在全局记忆和目标跟踪上的不足。该组合适用于室内轮式机器人、仿真验证、楼层级导航及多模态智能体研究等场景。本文围绕环境准备、模型部署、中间层设计、功能测试及性能调优展开,帮助开发者快速搭建可用的长程导航系统,并为后续扩展语义地图、目标检测与强化学习微调提供实践参考。
Agent Skills入门到实战:可复用技能规范与MCP工程化
大模型应用开发正从提示词调试走向工程化落地,工具调用与工作流编排成为构建智能体的关键基础。Agent Skills作为一套标准化、可复用的技能封装规范,将模型思考与脚本执行分离,让智能体不再依赖每次即时生成代码,而是按需调用预设技能。通过SKILL.md描述触发条件、scripts承载执行逻辑,配合MCP协议实现跨客户端复用,可有效支撑批量数据处理、企业内部自动化及AI工作流编排等真实场景。理解其与Tool、MCP、Workflow的边界,掌握环境准备、脚本编写与桥接接入方法,是快速上手并推动Agent能力落地的重要路径。
OpenAI Codex 实战:AI编程Agent实现任务式自动化
AI编程正从代码补全走向任务式自动化,核心不再是生成一段代码,而是让Agent在真实环境中自主完成读取仓库、修改文件、执行命令、验证结果的闭环。OpenAI Codex 正是这一方向的代表性工具,它区别于Cursor、Copilot等聊天式助手,强调工程执行链路。理解Agent的审批模式与沙箱机制,是安全落地的关键。本文从Codex的环境配置、实际修复Bug、实现新功能到云端任务编排,给出可复现的工程路径,帮助开发者在选型和技术实践中找到适合的自动化边界。
已经到底了哦