分类:科技

【FFI】 Python 侧——用 Rust 扩展 Python 的三种方式

20 阅读 0 1512 字 · 约 6 分钟

Python 是数据科学最顺手的语言,但纯 Python 跑计算密集型任务慢得离谱。一个斐波那契递归,纯 Python 算 fib(40) 要几十秒。Rust 算同样的东西,毫秒级。问题是怎么让 Python 用上 Rust 的速度?FFI 提供了三条路。 一个例子看清三道门 先用 PyO3 写个最

【FFI】 Java 侧演化——从 JNI 到 Panama

18 阅读 0 1796 字 · 约 6 分钟

Java 从 JDK 1.1 就能调 C,但这条路走了二十多年,一直在"方便"和"快"之间做取舍。四个方案串起来看,就是 Java FFI 的演化史。 JNI:最底层,也最麻烦 JNI(Java Native Interface)是 Java 调 C 的标准姿势。Java 侧写 native 方法,

【FFI】 内存管理——跨语言边界最难的问题

16 阅读 0 1232 字 · 约 5 分钟

跨语言调用的核心矛盾只有三个:数据类型怎么传、函数怎么调、内存怎么管。前两个靠 ABI 和绑定工具解决,第三个是最难的——GC 语言和手动管理语言各有自己的内存世界观,边界上谁说了算? 两个世界,一个边界 Rust 说:每个值有且仅有一个 owner,owner 离开作用域就 drop。Python

参加完一场智能眼镜黑客松,我开始重新理解这个行业

25 阅读 0 7059 字 · 约 24 分钟

智能眼镜在互联网上已经赢麻了 能力早就不是问题 如果你最近刷过一点智能眼镜相关内容,大概率会看到一套很熟悉的叙事:它是下一代计算平台,是第一视角 AI 助手,可以导航、翻译、语音问答、记录生活,甚至能在你走路、开会、旅行的时候一直陪着你。 这些东西也不全是吹的。至少导航、翻译、问答这类能力,今天确实

Agent 学习路径(入门到进阶)

31 阅读 0 1053 字 · 约 4 分钟

学习背景 基础:Python + Rust 高级后端、大数据开发 - 基础:Python + Rust 高级后端、大数据开发 环境:国内开发环境 - 环境:国内开发环境 目标:构建复杂 Agent,覆盖面试常见问题 - 目标:构建复杂 Agent,覆盖面试常见问题 时间:每天 1 小时 - 时间:每

实时数据湖技术选型:Hudi、Iceberg、Delta Lake、Paimon 怎么选

27 阅读 0 2370 字 · 约 8 分钟

实时数据湖技术选型:Hudi、Iceberg、Delta Lake、Paimon 怎么选 为什么需要数据湖格式? 传统数仓的痛点很明显:数据先入 Kafka 或 MySQL,再通过离线 ETL 写入 HDFS/Hive。这个链路里,更新和删除是老大难问题——Hive 不支持行级 UPDATE,只能全

Rust高频面试问题

24 阅读 0 1204 字 · 约 5 分钟

所有权/借用/生命周期 解释下所有权模型 所有权模型是为了解决在无GC的前提下,进行内存管理并保证内存安全。 其核心规则有3个: 每个值同一时间有且只有一个所有者 1. 每个值同一时间有且只有一个所有者 当值超出作用域内存即被释放 2. 当值超出作用域内存即被释放 当所有权转移后,原先的变量就失效了

VibeCoding的实践总结与反思

37 阅读 0 4041 字 · 约 14 分钟

近几年,AI进化非常迅速且强大,尤其在编程领域,身边的朋友包括我自己,现在也基本上不会手写代码了,从最开始与AI进行问答对话解决具体问题,到使用AI IDE如Cursor、Trae进行辅助式编程,再到现在使用Trae SOLO、Claude code全程通过对话构建项目。 这种使用自然语言完成编程项