• 需显式引导推理步骤（如通过CoT提 示），否则可能跳过关键逻辑。 • 依赖提示语补偿能力短板（如要求分 步思考、提供示例）。 关键原则 3 2 1 模型选择 • 优先根据任务类型而非模型热度选择（如数学任务选推理模型，创意任务选通用 模型）。 提示语设计 • 推理模型：简洁指令，聚焦目标，信任其内化能力。（“要什么直接说”）。 • 通用模型：结构化、补偿性引导（“缺什么补什么”）。 避免误区 • 不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线。 • 不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果）。 从“下达指令”到“表达需求” 策略类型 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。” ✅ 结果精准高效 么”“如何”） 探索性问题、需模型解 释逻辑 “为什么选择梯度下降法解 决此优化问题？请对比其他 算法。” ✅ 触发模型自解释能力 ❌ 可能偏离核心目标 任务需求与提示语策略 任务类型 适用模型 提示语侧重点 示例（有效提示） 需避免的提示策略 数学证明 推理模型 直接提问，无需分步引导 “证明勾股定理” 冗余拆解（如“先画图，再列公式”） 通用模型 显式要求分步思考，提供示例

2、对数据集进行深入分析和数据挖掘 任务 DeepSeek R1 能够准确对数据进行分类，从多个维度进行梳理和分析，借助可视化图表进行数据挖掘，基于分析结 果提供可行建议，但整体数据挖掘深度较浅，缺少对不同类型数据直接关联性的探究。 第一轮对话： 第二轮对话： （基于初步分析结果，选择其中一部分或某个方 向进行深入的数据挖掘） 提示词 测试结果受到数据样本、测试环境、AI抽卡、提示词模板等因 策制定、质量评估或产品验证的最终依据。 数据可视化 基于titanic遇难者数据分析结果绘制可 视化图表 任务  Open AI o3mini的数据可视化能力突出，能够直接高效地生成多种类型可视化图表，准确度高；  DeepSeek R1、Kimi k1.5均能基于分析结果提供多种可视化图表绘制方案，但都需要依靠运行 Python代码才能完成绘图任务，部分代码会出现错误 Open “mollusks” 将“molluscs”替换为“mollusks” 将“show”替换为“exhibit” 将“show”替换为“exhibit” 重新组织句子结构 重新组织句子结构 在每个引用年份后添加逗号 在每个引用年份后添加逗号 修改 解释 用 “可以降低捕食的易 感性 ”代替 “可以降低 捕食的易感性” 使用更简洁的动词，更好地表达原意。 将 “产生 ”改为 “导 致” 使用更准确、更简洁的动词，更好地

26 3.1.2. 分支结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.2. 分组引用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2.1. 提取数据 . . . 3.2.2. 替换 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.3. 反向引用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.3.1. 括号嵌套怎么办？ . 31 3.3.2. \10 表示什么呢？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3.3. 引用不存在的分组会怎样？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3.4. 分组后面有量词会怎样？ . . . .

26 3.1.2. 分支结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.2. 分组引用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2.1. 提取数据 . . . 3.2.2. 替换 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.3. 反向引用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.3.1. 括号嵌套怎么办？ . 31 3.3.2. \10 表示什么呢？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3.3. 引用不存在的分组会怎样？ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.3.4. 分组后面有量词会怎样？ . . . .

com/alibaba/RocketMQ 1 1 前言 本文档旨在描述 RocketMQ 的多个关键特性的实现原理，幵对消息中间件遇到的各种问题迕行总结，阐述 RocketMQ 如何解决返些问题。文中主要引用了 JMS 规范不 CORBA Notification 规范，规范为我们设计系统挃明了 方吐，但是仍有丌少问题规范没有提及，对亍消息中间件又至关重要。RocketMQ 幵丌遵循任何规范，但是参考了 RocketMQ 中，所有消息队列都是持丽化，长度无限的数据结构，所谓长度无限是挃队列中的每个存储 单元都是定长，访问其中的存储单元使用 Offset 来访问，offset 为 java long 类型，64 位，理论上在 100 年内丌会溢出，所以讣为是长度无限，另外队列中只保存最近几天的数据，乀前的数据会挄照过期时间来 删除。 也可以讣为 Message Queue 是一个长度无限的数组，offset Consumer 的要求做过滤，优点是减少了对亍 Consumer 无用消息的网络传输。 缺点是增加了 Broker 的负担，实现相对复杂。 (1). 淘宝 Notify 支持多种过滤方式，包含直接挄照消息类型过滤，灵活的诧法表达式过滤，几乎可以满足 最苛刻的过滤需求。 (2). 淘宝 RocketMQ 支持挄照简单的 Message Tag 过滤，也支持挄照 Message Header、body

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 III.27 为接收邮件选择服务器类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 III.28 提供 POP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 IV.39 选择图表类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458 IX.22 多种支持类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

随机选择一台 producer 查询消息，根据 commitLogOffset 和 msgSize 到 commitlog 查找消息 向 Producder 发起请求,请求 code 类型为 CHECK_TRANSACTION_STATE，producer 的 DefaultMQProducerImpl. checkTransactionState()方法来处理 broker 定时回调的请求， 30W 条 = 300000 * CQStoreUnitSize(每条大小) filename: filename 文件名称但不仅仅是名称还表示文件记录的初始偏移量， 文件名其 实是个 long 类型的值 4） MapedFileQueue 存储队列，数据定时删除，无限增长。 队列有多个文件（MapedFile）组成，由集合对象 List 表示升序排列，前面讲到文件名即 是消息在此文 mapedFile 组成一个逻辑上连续的队 列 d) 加载事物模块 e) 加载存储检查点 加载${user.home} \store\checkpoint 这个文件存储了 3 个 long 类型的值来记录存储 模型最终一致的时间点，这个 3 个 long 的值为 physicMsgTimestamp 为 commitLog 最后刷盘的时间 logicMsgTimestamp 为 consumeQueue

不用 bigint ，为什么 ? 省空间啊。空间是什么 ? 空间就是效率！按 4 个字节和按 32 个字节定位一条记 录，谁快谁慢太明显了。涉及几个表做 join 时， 效果 就更明显了。更小的字段类型占用的内存就更少，占用 的磁盘空间和磁盘 I/O 也会更少，而且还会占用更少的 带宽。因此 . 在日常选择字段时必须要遵守这一规则。 应用优化 应用优化 索引建立原则（一） 索引建立原则（一） 、 、 date/tim date/tim e e 等 等 类型的字段建立索引 类型的字段建立索引  需要的时候建立联合索引，但是要注意查询 需要的时候建立联合索引，但是要注意查询 SQL SQL 语句的编写 语句的编写  谨慎建立 谨慎建立 unique unique 类型的索引（唯一索引） 类型的索引（唯一索引）  大文本字段不建立为索引，如果要对大文本字段进行检索， where 字句 字句 的 的 update update ， ， Delete SQL Delete SQL 性能。 性能。  Decimal Decimal 类型字段不要单独建立为索引，但覆盖索引可以 类型字段不要单独建立为索引，但覆盖索引可以 包 包 含这些字段。 含这些字段。  只有建立索引以后，表内的行才按照特地的顺序存储，按照 只有建立索引以后，表内的行才按照特地的顺序存储，按照

le.mp4 从视频中提取出字幕 ffmpeg -i video_with_soft_subtitle.mp4 -map 0:s:0 extracted_subtitle.srt 字幕类型转换 srt转换为ass ffmpeg -i subtitle.srt subtitle.ass 另外还有： ffmpeg 被其他⼯具调⽤：⽤于解析和操作⾳视频 Python的⾳频处理库： 脚本说明 Script Info: 脚本的⼀般全局信息: Title：标题 Original Script：脚本原作 Script Updated By：脚本优化 Script Type：类型 ⽤于兼容性设置 SSA=4.00 ASS=4.00+ PlayResX & PlayResY：屏幕宽⾼ PlayDepth：决定颜⾊数量 Timer：定时器 V4 Styles: 定 powered by Gitbook最后更新： 2021-09-13 16:39:24 获取 56 指定字幕⽂字属性 此处介绍嵌⼊字幕时，指定字幕⽂字的各种属性，⽐如 字体⼤⼩ 、 字体 类型 、 颜⾊ 、 透明度 等 srt字幕：加force_style参数 ass字幕：在ass字幕中设置参数 具体设置成什么值，以及效果如何，可借助于软件Aegisub去设置和预览 举例1

ü custom resource definition(CRD) ü custom controller Operator 是什么 • Kubernetes 中一切都可视为资源 • 默认资源类型：如 Pod、Service、Volume 等 • Kubernetes 1.7 之后增加了 CRD 自定义资源 • 二次开发扩展 Kubernetes API CRD 的基本原理 ① 观察资源的当前状态