阿里妹导读

MCP (Model Context Protocol) 代表了 AI 与外部工具和数据交互的标准建立。通过本文，我们可以了解到MCP的本质、价值、使用与开发。

RAG，全称检索增强生成（Retrieval-Augmented Generation），作为当前 AI 应用中常见的辅助方法，有效提升了 LLM 输出的准确性和可靠性。但总有人戏言，RAG 不过是“把文档丢进 Dify”这么简单，真的吗？

关于 RAG 的技术流程，网上已经有非常多高质量的文章介绍，因此笔者想从 RAG 的技术发展角度来写这篇文章，从最基本的 RAG 到当前热门的 Graph RAG、Agentic RAG，介绍 RAG 的不同类型和区别，希望大家能够从文中受益。

01、RAG 是什么

介绍 RAG 前，先介绍大语言模型（LLM）面临的两个问题，一是 LLM 的知识截止，二是 LLM 存在幻觉现象。

星球一位球友问：面试的时候遇到一个问题，如果有人通过抓包获取jwt，应该如何应对？

本来想亲自写一篇，但刚好在货拉拉技术公众号上看到了这篇帖子，写得竟然很详细，于是就直接收录了进来，简单进行了一些细节调整，大家可以好好看一下，干货啊

这是一道场景题，有些面试中会遇到，于是二哥就来给大家聊聊，文章主题思想来自二哥的好朋友松哥：评论系统设计思路

无论是阅读公众号文章还是刷短视频，现在都有评论功能，而且这些评论基本上都是支持“楼中楼”，也就是文章下面有评论，评论下面有回复，回复下面又有回复，回复还可以继续回复...

这是一道场景题，当面试官问：

• 订单超时怎么处理？
• 用户下单后有一个延迟 15 分钟的支付订单，怎么处理？

我们该怎么回答呢？我在阿里云开发者账号上看到一个非常不错的内容，这里整理了一下分享给大家作为参考。

参考答案：

延迟支付订单的场景可以采用消息队列的延迟任务方案。即在用户下单时，将订单放入一个延迟队列中，延迟 15 分钟检查支付状态，超时未支付则取消订单。这种方式可以在高并发下有效降低系统负担，减少数据库轮询压力，并通过消息队列的自动调度机制确保订单准时处理。同时，这个设计可以通过消息的幂等性、分布式部署等手段提升系统的可靠性和扩展性。

mall学习教程官网：macrozheng.com

线上项目遇到问题无法调试，线下又无法重现，难道只能加日志再重新发布么？有了这款神器，既可以线上调试，又可以实现热修复，推荐给大家！

作为一款高效的垃圾收集器，G1在JDK7中加入JVM，在JDK9中取代CMS成为了默认的垃圾收集器。

1 垃圾收集器回顾

1.1 新生代

新生代采用复制算法，主要的垃圾收集器有三个，Serial、Parallel New 和 Parallel Scavenge，特性如下：

• Serial:单线程收集器，串行方式运行，GC 进行时，其他线程都会停止工作。在单核 CPU 下，收集效率最高。
• Parallel New：Serial 的多线程版本，新生代默认收集器。在多核 CPU 下，效率更高，可以跟CMS收集器配合使用。
• Parallel Scavenge：多线程收集器，更加注重吞吐量，适合交互少的任务，不能跟 CMS 配合使用。

前言

大家好，我是田螺。

金三银四很快就要来啦，准备了索引的15连问，相信大家看完肯定会有帮助的。

基本简介

Apache Kafka是由LinkedIn采用Scala和Java开发的开源流处理软件平台，并捐赠给了Apache Software Foundation。

BigDecimal是Java中用于浮点数数值计算的类，其主要适合用于处理需要精确表示和运算的场景。「BigDecimal不仅能精确表示非常大的或非常小的数字，同时还提供任意精度的运算。其有效的解决了浮点数（float和double）在进行精确计算时可能出现的舍入误差问题。」

BigDecimal简介

在处理金融、科学等领域的计算时，为了解决double或float在计算值存在的精度缺失问题BigDecimal应运而生。BigDecimal在设计之初**「皆在提供更高的精度和准确性，以确保浮点数运算的准确性」**。因此其具有如下特点：