工具与杂谈 - 分类 - 星河拾贝录https://blog.liubang.cc/categories/%E5%B7%A5%E5%85%B7%E4%B8%8E%E6%9D%82%E8%B0%88/工具与杂谈 - 分类 - 星河拾贝录Hugo -- gohugo.iozh-CNit.liubang@gmail.com (liubang)it.liubang@gmail.com (liubang)Copyright © 2019-2026 LiuBang. All Rights Reserved.Wed, 10 Jun 2026 00:00:00 +0000打造高效终端 IDE：我的 Neovim 完全配置指南https://blog.liubang.cc/posts/app/2026-06-10-%E6%89%93%E9%80%A0%E9%AB%98%E6%95%88%E7%BB%88%E7%AB%AF-ide-neovim-%E5%AE%8C%E5%85%A8%E9%85%8D%E7%BD%AE%E6%8C%87%E5%8D%97/Wed, 10 Jun 2026 00:00:00 +0000liubanghttps://blog.liubang.cc/posts/app/2026-06-10-%E6%89%93%E9%80%A0%E9%AB%98%E6%95%88%E7%BB%88%E7%AB%AF-ide-neovim-%E5%AE%8C%E5%85%A8%E9%85%8D%E7%BD%AE%E6%8C%87%E5%8D%97/

一套好的编辑器配置，不是插件堆砌，而是对工作流的深度理解。

我最初接触 Vim 的动机非常简单——那会儿市面上没有一款让我满意的 C 语言开发工具。IDE 太重、启动慢，轻量编辑器又缺少代码导航和补全能力。Vim 的模态编辑理念和高度可定制性吸引了我，从一个简单的 .vimrc 开始，这门手艺一直打磨到了今天。

这套配置的 Git 仓库始于 2017 年 12 月 13 日，至今已有 2011 次提交，跨越了八年多时间。它的演进过程本身就是终端编辑器生态变迁的一个缩影：

时间 里程碑 说明
2017.12 VimScript + vim-plug 初始提交，纯 VimScript 配置，使用 vim-plug 管理插件
2018 ~ 2019 功能扩展期 逐步加入 ftplugin、代码补全（YouCompleteMe）、文件树、状态栏等，年度提交量 ~280
2020.06 Lua 试水 第一批 .lua 文件出现，开始在文件类型检测和少量插件配置中使用 Lua
2020.12 init.lua 上线 正式用 init.lua 替代 init.vim，标志着全面转向 Neovim Lua 生态
2021.01 packer.nvim 从 vim-plug 迁移到 packer.nvim，享受 Lua-native 插件管理器的性能提升
2022.12 lazy.nvim 迁移到 lazy.nvim，全面采用懒加载策略，启动速度从 200ms+ 降至 100ms 以内
2023 深度优化期 大规模重构 LSP 配置、精细化 snippet 体系、引入 mini.nvim 生态替代大量独立插件
2025.03 blink.cmp 将 nvim-cmp 替换为 blink.cmp，补全性能获得质的飞跃（Rust 后端 + Frecency 算法）
2026.03 venux 命名 配置框架正式命名为 venux，提取独立的 UI 组件库和工具函数层
2026.05 treesitter 升级 移除 nvim-treesitter，迁移到内置 treesitter + tree-sitter-manager.nvim 的轻量方案

2011 次提交，八年持续打磨。一套好的编辑器配置，不是插件堆砌，而是对工作流的深度理解。

]]>一文讲透 AI 九大核心概念https://blog.liubang.cc/posts/ai/2026-04-12-ai-ai-concepts-explained/Sun, 12 Apr 2026 00:00:00 +0000liubanghttps://blog.liubang.cc/posts/ai/2026-04-12-ai-ai-concepts-explained/

AI 圈每天都在冒新词。但你真的能准确说出每一个概念的确切含义吗？本文从最底层的工程视角出发，逐层拆解，帮你建立完整的 AI 技术认知体系。

LLM —— 一切的基础

LLM，全称 Large Language Model，中文译作大语言模型，简称大模型。

当前几乎所有主流大模型，底层都基于同一套架构——Transformer。这个架构最早由 Google 团队在 2017 年提出，对应的论文标题叫做《Attention Is All You Need》（注意力机制就是全部所需）。

虽然 Google 发明了这把火，但真正点燃全世界的是 OpenAI。

  • 2022 年底，ChatGPT（GPT-3.5）横空出世，成为第一个真正达到"可用级别"的大模型；
  • 2023 年 3 月，GPT-4 发布，把 AI 的能力天花板拉到了新高度。

GPT 系列是这轮 AI 浪潮的绝对引路人。时至今日，GPT 系列依然非常强大，如 GPT-4.5 仍是行业标杆之一。但如今 AI 赛道早已不是 OpenAI 一家独大，Claude、Gemini 等后起之秀都在各自擅长的领域与之同台竞技。

大模型本质上是一个文字接龙游戏。

举个例子，你向大模型提问：「今天天气怎么样」

  1. 模型接收这句话，经过内部运算，预测下一个概率最高的词：「今」
  2. 模型把「今」追加到输入后面，再预测下一个词：「天」
  3. 如此循环，直到预测出特殊的结束标记

最终输出：「今天天气晴朗」

这就是大模型最底层的生成原理——一个词一个词地输出答案，因为它就是这么运作的。

LLM 文字接龙流程图
LLM 文字接龙流程图

Token —— 大模型的"最小单位"

大模型本质上是一个庞大的数学系统，接收的是数字，输出的也是数字，根本不认识人类书写的文字。

因此，在人类和大模型之间必须有一个中间人来做翻译，这个中间人就叫做 Tokenizer。它负责两件事：

  • 编码（Encode）：把文字变成数字
  • 解码（Decode）：把数字还原成文字

编码分两步：

]]>基于公司私有gitlab的go module实践https://blog.liubang.cc/posts/app/2019-10-17-%E5%9F%BA%E4%BA%8E%E5%85%AC%E5%8F%B8%E7%A7%81%E6%9C%89gitlab%E7%9A%84go-module%E5%AE%9E%E8%B7%B5/Thu, 17 Oct 2019 00:00:00 +0000liubanghttps://blog.liubang.cc/posts/app/2019-10-17-%E5%9F%BA%E4%BA%8E%E5%85%AC%E5%8F%B8%E7%A7%81%E6%9C%89gitlab%E7%9A%84go-module%E5%AE%9E%E8%B7%B5/ 背景

我们 laser 存储为了更好的跟引擎对接，适应其他团队的技术生态，决定开发一套 golang 的公共库来给大家使用。于是我们在公司私有的 gitlab 上新建了一个项目:git.yourcomp.com/ad/ads_core/adgo，并且我们想使用单一的 codebase 来管理所有的公共 library.

而且，为了更好的管理模块，我们统一使用了 go mod。

按照平时我们在 github 上拉取 go library 的惯例，我本以为直接使用go get git.yourcomp.com/ad/ads_core/adgo/xxx就能直接拉取到相应的模块了，然而在开发完功能测试的时候却发现，事实并不是想象中那样。

执行go get后，实际上会请求"https://git.yourcomp.com/ad/ads_core/adgo?go-get=1"这个地址，如果使用-insecure选项，则会请求"http://git.yourcomp.com/ad/ads_core/adgo?go-get=1"，正常情况下回返回meta tag：

<html>
  <head>
    <meta
      name="go-import"
      content="git.yourcomp.com/ad/ads_core git http://git.yourcomp.com/ad/ads_core.git"
    />
  </head>
</html>

这是 go remote import 的协议，meta tag 的格式一般为

]]>Spring Boot With BDDhttps://blog.liubang.cc/posts/app/2019-03-15-spring_boot_with_bdd/Fri, 15 Mar 2019 00:00:00 +0000liubanghttps://blog.liubang.cc/posts/app/2019-03-15-spring_boot_with_bdd/ 什么是 BDD

BDD(Behavior Driven Development)，行为驱动开发，是一种敏捷软件开发的技术，它鼓励软件项目中的开发者、QA 和非技术人员或商业参与者之间的协作。

BDD 的重点是通过与利益相关者的讨论取得对预期的软件行为的清醒认识。它通过用自然语言书写非程序员可读的测试用例扩展了测试驱动开发方法。行为驱动开发人员使用混合了领域中统一的语言的母语语言来描述他们的代码的目的。这让开发者得以把精力集中在代码应该怎么写，而不是技术细节上，而且也最大程度的减少了将代码编写者的技术语言与商业客户、用户、利益相关者、项目管理者等的领域语言之间来回翻译的代价。

结合我们项目开发使用的 spring boot 2.x，下面我们来具体说明如何在实际项目中使用 BDD。

<cucumber.version>4.2.5</cucumber.version>

...

<dependency>
    <groupId>io.cucumber</groupId>
    <artifactId>cucumber-junit</artifactId>
    <version>${cucumber.version}</version>
    <scope>test</scope>
</dependency>

<dependency>
    <groupId>io.cucumber</groupId>
    <artifactId>cucumber-java</artifactId>
    <version>${cucumber.version}</version>
    <scope>test</scope>
</dependency>

<dependency>
    <groupId>io.cucumber</groupId>
    <artifactId>cucumber-spring</artifactId>
    <version>${cucumber.version}</version>
    <scope>test</scope>
</dependency>

BDD 其实也是依赖 junit，然后调用Cucumber的 Runner 来运行相应的测试。

]]>