项目概览
- 目标：搭建一个支持秒杀（Spike）的后端购物系统，聚焦 Go 后端常见能力：API 设计、数据库交互、缓存、消息队列与高并发实战。
- 定位：教学与练习项目，仅后端 API（可用 Postman/HTTPie/k6 进行验证与压测）。
- 技术栈：Go、Gin、PostgreSQL、Redis、RabbitMQ、JWT、OpenTelemetry、Docker。
- 规模：小型；建议 2-4 周完成（每天 1-2 小时）。
2025/9/17...大约 4 分钟
Algorithm
算法相关
C++
C++知识总结
Rust
Rust知识总结
Go
Go知识总结
Redis
Redis知识总结
Web Server
Web Server知识总结
OS
操作系统知识总结
Network
计算机网络知识总结
Projects
个人项目
Interview
面试相关
问题1
Rust 最核心的特性之一是 所有权（Ownership）。
请你用自己的话解释一下什么是所有权，以及它和借用（Borrowing）、生命周期（Lifetime）之间的关系。
查看答案
所有权规则： rust中的每一个值都被一个变量拥有，且只能有一个拥有者，当拥有者离开作用域时，这个值会被drop；
借用：分可变和不可变引用；可同时有多个不可变引用，或一个可变引用，但不能混用；
生命周期（Lifetime）
Rust 编译器用“生命周期”来静态检查引用的有效性，确保不会出现悬垂引用。比如函数返回引用时，编译器需要知道这个引用和输入值的生命周期关系。
移动与拷贝
当所有权转移（move）时，旧变量就不能再使用该值；如果类型实现了 Copy trait，才会发生按值拷贝而不是移动。
2025/9/12...大约 21 分钟
1 背景介绍
本文是个人在业务开发过程中，针对由C++实现的FTP协议，重构至Rust语言，重新做一个更加清晰，简洁的分层架构设计的设计思路记录和讲解。
1.1 为什么选择Rust
Rust相对于C++是一门更加现代化的编程语言，首先它具备和C/C++几乎接近的性能，其次它更大的的有个优势在于它是一门将内存安全做到编译阶段的语言。这样既避免了运行时GC带来的额外性能开销，其次也消除了开发者对于手动管理内存的焦虑。
另外，Rust具备更加活跃的社区，有强大的包管理生态，更多的零成本语言抽象，使得你在做复杂的项目时有丰富的手段来完成功能的实现。
2025/9/10...大约 10 分钟
夸克一面问题还是非常多的，大部分都是比较底层一点的基础知识，由于我的项目里面提到了网络协议，Binder机制、没想到这个团队就是做这些的，听面试官讲，这个部门主要是做网络库封装，arkts到移动端的native binding能力，程序冷启动优化等业务。因为个人项目经历和投递岗位重合度比较高，面试官疯狂提问，有些东西都太久远了，我都快记不得了😒😒😒。
本轮面试大大小小共计30个问题，已完成所有问题答案的梳理和更新，有错误欢迎在评论区指出！
1 岗位介绍
负麦夸克鸿蒙/安卓客户端核心功能模块的设计与开发，保障业务性能与稳定性。
优化鸿蒙移动端用户体验，通过技术手段提升交互流畅度与资源利用率。参与技术基础设施建设，推动研发流程标准化与工具链优化。
岗位要求
2025/8/13...大约 37 分钟
模型上下文协议（Model Context Protocol, MCP）是 Anthropic 于 2024 年推出的开放标准，旨在解决 AI 模型与外部数据和工具连接的“最后一公里”问题。您可以将其想象成 AI 应用的“USB-C”接口——标准化、即插即用、且生态丰富。
本专栏将带您深入探索 MCP 的世界，从核心概念的解析到 Python 服务器的实战构建，再到安全性与未来趋势的深度研讨，助您构建下一代连接万物的 AI 智能体。
📚 系列文章
第一部分：基础与概念
-
- 什么是 MCP？它解决了什么痛点？
- 为什么说它是 AI 的 "USB-C" 接口
- 客户端-服务器架构解析
-
- 资源 (Resources)：上下文的“只读原料库”
- 工具 (Tools)：执行操作的“多功能瑞士军刀”
- 提示 (Prompts)：预设的“交互模版”
2026/2/9...大约 2 分钟
简介
MCP 是人工智能领域一项激动人心的技术，它极大地扩展了 AI 模型的能力。您可以将 MCP 想象成 AI 应用的“USB-C”接口。它是由 Anthropic 公司于 2024 年推出的一个开放标准协议，旨在提供一种标准化的方式，让 AI 模型能够与外部世界的数据源和工具无缝连接。
什么是模型上下文协议（MCP）？
模型上下文协议（MCP）是一个开放的、标准化的协议，旨在解决大型语言模型（LLM）在与外部系统交互时遇到的挑战。它正在迅速成为连接 AI 与现实世界数据和工具的桥梁，为下一代 AI 智能体（AI Agents）的演进奠定关键基石。
2026/2/9...大约 3 分钟
MCP 服务器的三大核心能力：资源、工具与提示
MCP 服务器通过“资源”（Resources）、“工具”（Tools）和“提示”（Prompts）这三种核心方式来暴露其能力。这三者协同工作，共同构成了从“获取原料”到“加工烹饪”再到“端盘上桌”的完整智能协作链路。
1. 资源 (Resources)：上下文的“只读原料库”
资源类似于 AI 模型的“只读外部数据库”。它们是服务器想要提供给 AI 模型作为上下文的信息，例如本地文件、API 响应数据或数据库记录。
- 特点： 通常是只读的。AI 可以查看资源，但通常不会通过资源接口直接修改它们。
- 控制权： 由应用程序（Host）控制。 应用程序决定何时将哪些资源提供给 AI 模型。
- 比喻： 就像是厨师（AI）在炒菜前，帮厨（Host）准备好并摆在桌面上的新鲜食材。
2026/2/9...大约 3 分钟
MCP 的强大之处在于它能将 AI 模型与现实世界的复杂工具链无缝整合。以下是两个核心应用领域的案例分析。
1. AI 编程集成：开发者的高效副驾驶
- 传统痛点： AI 编程助手（如 Copilot）对本地项目的完整上下文理解有限，难以执行复杂的文件操作或与版本控制系统深度交互。
- MCP 的应用与价值： MCP 将 AI 深度集成到开发环境（IDE）和代码托管平台中，实现全代码库的上下文感知。
- 案例： Replit 的 AI Agent 可以通过 MCP 连接到 Figma 服务器，开发者只需提供设计稿链接， AI 就能自动生成对应的前端代码，极大提升效率。
- 工具集成： 诸如 Cursor、Codeium 等 AI 优先的 IDE，通过连接
Git、GitHub、Docker等 MCP 服务器，让 AI 能够执行读取文件、分析代码依赖、创建 Pull Request 甚至在隔离容器中执行代码等高级任务。一些先进的 AI 模型（如 GLM-4.5）已原生支持 MCP，能够更精准地实现任务的自主规划和多工具协同调用。
2026/2/9...大约 2 分钟
随着 AI 代理能力的增强，安全性变得至关重要。MCP 服务器在提供便利的同时，也必须遵循严格的安全原则，以防止敏感数据泄露或系统被恶意利用。
1. 核心安全原则：最小权限 (Least Privilege)
最小权限原则是 MCP 安全性的基石。服务器应该只提供完成任务所必需的最少功能和数据访问权限。
- 按需暴露： 仅将必要的函数作为工具（Tools）暴露，仅将必要的文件或 API 数据作为资源（Resources）暴露。
- 作用域限制： 限制工具可以操作的对象。例如，一个文件读取工具应该只能访问特定的目录，而不是整个服务器的文件系统。
2026/2/9...大约 2 分钟
MCP 不仅仅是一个协议，它是通往真正自主的 AI 智能体（AI Agents）的关键一步。
1. AI 智能体的坚实基石
未来的 AI 不再仅仅是聊天机器人，而是能够独立思考并采取行动的“数字员工”。
- 从“对话”到“执行”： 传统的 AI 侧重于回答问题，而 MCP 赋予了 AI “手”和“眼”。通过连接各种 MCP 服务器，AI 可以主动调取信息（Resources）并执行操作（Tools），从而在复杂的任务中表现出更高的自主性。
- Agentic Workflow 的催化剂： MCP 简化了工具集成，使得开发者能够更容易地构建出具备多步推理和复杂任务规划能力的 AI Agent。
2026/2/9...大约 2 分钟