chagumu's blog

一、Indexing 到底是什么？Indexing = 给你的知识库做 “超级目录” 你有一堆文档： PDF Word 网页 笔记 表格 书籍 不能直接理解文字 不能快速查找 把 “杂乱无章的文字” → 变成 “计算机能快速检索的结构化向量数据” 它是 RAG 的前置基建，没有 Indexing，就没有检索，就没有准确回答。 二、Indexing 的完整 5 步流程（标准 RAG 架构）所有 RAG 系统的 Indexing 都遵循这 5 步，一步都不能少： 1. 文档加载（Load）作用：把非结构化文件 → 纯文本 2. 文本清洗（Clean）去掉没用的东西： 多余空格、换行 水印、页眉页脚 乱码、符号 表格乱码 作用：让向量更纯净，避免噪声影响语义 3. 文本分块（Chunk） 太长 → 向量无法完整表达语义 太长 → 检索不精准 太长 → 大模型读不完 切分规则（最关键）： 按段落 按句子 按固定长度 按语义（最推荐） 保留重叠（避免语义切断） Chunk 质量 = 检索效果 = RAG 回答效果 4. 文本向量化（Embedding）就是你刚才问的：把文字变成 ...

一、为什么需要扩容？HashMap 底层是一个 数组 + 链表/红黑树 的结构。数组长度是固定的，随着元素不断插入，哈希冲突概率增大，链表越来越长，查询效率从 O(1) 退化为 O(n)。 为了维持高效的查询性能，HashMap 在元素数量达到一定阈值后会自动进行扩容（resize）。 二、核心参数 参数 默认值 说明 DEFAULT_INITIAL_CAPACITY 16 初始容量，必须是 2 的幂 DEFAULT_LOAD_FACTOR 0.75f 负载因子 MAXIMUM_CAPACITY 2^30 最大容量 threshold capacity × loadFactor 扩容阈值 扩容触发条件： 1当前元素数量（size）> threshold（容量 × 负载因子） 默认情况下：16 × 0.75 = 12，即插入第 13 个元素时触发扩容。 三、扩容策略：容量翻倍编辑 每次扩容，新数组容量 = 旧容量 × 2。 123// JDK 8 源码（resize 方法节选）int newCap = oldCap << 1; // ...

(Model Context Protocol)简单比喻：MCP就像是给AI装了一套”插件系统” 想象一下，Claude本身就像一个很聪明的大脑，但它被”困”在一个对话框里。MCP就是让Claude能够”伸出手”去操作外部工具的协议。 具体来说： Claude原本只能聊天，不能直接访问你的文件、数据库、API等 有了MCP，你可以给Claude连接各种”服务器”（MCP servers） 比如连接GitHub的MCP服务器后，Claude就能帮你查看代码、创建issue 连接Google Drive后，Claude就能读取、搜索你的文档 连接数据库后，Claude就能查询、分析数据 技术角度：这是Anthropic开发的一个标准化协议，让AI模型能够安全地调用外部工具和数据源。 技术文档：https://juejin.cn/post/7604037348607082534?share_token=2684000a-90a2-44c4-9bdb-22930deaab35 主流支持 MCP 的软件 Claude Code - cursor - Vscode 的roo code插件- t ...