AI时代下的焦虑

写于2026年某个深夜。近期无论是个人输出还是配合友人写作，笔者逐渐感知到个人心态的转变。随着AI的高速发展，笔者的写作也变得愈发浮躁。正如知乎《为什么我会感觉vibe coding让程序员越来越浮躁了？》一文中的类比——我们失去了那种主动思考的摩擦感。所谓「摩擦感」，即主动思考与输出过程中的认知阻力——正是这种阻力，促使大脑深度加工信息，从而真正掌握知识。这与学习科学中「合意困难（Desirable Difficulties）」的概念不谋而合：适当的学习阻力不是障碍，而是深度学习的必要条件。

你好，我是 SharkChili ，Java Guide 核心维护者之一，对 Redis、Nightingale 等知名开源项目有深度源码研究经验。熟悉 Java、Go 等多语言技术栈，现任某知名黑厂高级研发。

🌟 开源项目贡献

• mini-redis：教学级 Redis 精简实现，助力分布式缓存原理学习
  🔗 https://github.com/shark-ctrl/mini-redis (opens new window)（欢迎 Star & Contribute）

📚 公众号价值 分享企业级架构设计、性能优化、源码解析等核心技术干货，涵盖分布式系统、微服务治理、大数据处理等实战领域，并探索面向AI的vibe coding等现代开发范式。

👥 加入技术社群 关注公众号，回复 【加群】 获取联系方式，与众多技术爱好者交流分布式架构、微服务等前沿技术！

为什么要持续输出

结合上述知乎回答的观点，传统写作的流程也与此类似：

1. 明确学习目标或主题
2. 搜集素材并整理实践
3. 汇总生成文章纲要
4. 逐步填充知识内容
5. 核对校正
6. 阅读润色
7. 发表分享，结合读者反馈再次迭代复盘

但现在的问题是，随着AI的发展，许多人在内容填充和纲要生成阶段就变得非常浮躁，内心存在一种 差不多写写，后续让AI帮我优化就行了 的想法。随着时间推移，这种心态逐渐演变为：不用写，给个想法让AI完成就好了。这种做法虽在效率上有所提升，却让笔者逐渐丧失了创造性的规划与书写能力。所以本着自我反思的目的，笔者想借这篇文章重新谈谈对写作的看法。

传统写作模式下，写作者都存在主动思考和主动输出，这使得以学习或工作复盘为目的的写作具备以下价值：

1. 通过对既有知识进行细致的输出，发现不足之处，进而深入研究对应知识点，透彻理解知识
2. 重塑大脑，即学习观中的有效训练——通过主动思考（实际执行）和校验校正（反馈答案）完成神经结构的更新，巩固既有知识
3. 通过主动调动手、眼、脑多个器官完成知识复盘梳理，加深印象辅助记忆
4. 写作物理持久化，周期性的复盘迭代回顾，可以认识到自己的不足，逐步成长
5. 心理学中存在一种名为CBT（认知行为疗法）的心理干预方法，其中一项核心技术是认知重构，要求通过写作将内心想法表述出来，审视并校验自身思维模式的合理性

总的来说，写作是一个将思考结果输出的过程，即构建元认知的步骤。通过主动思考、倒逼输出的方式，能够有效获得所谓的摩擦感，从而提升个人认知能力。

明确了写作的价值后，下面笔者结合自身经验，详细拆解传统写作的具体执行步骤。

详解传统写作的执行步骤

明确目标

以笔者个人为例，写作的目的主要是对个人学习内容或灵感的复盘，即通过《断墨寻径》所说的转换表述和新例预测（用自己的话表达和举例说明）进行技术写作。通过这种主动输出的思考方式，不仅可以检验所构建知识的准确性，还能让大脑获得正向反馈以促进知识泛化，从而完成学习闭环和巩固。

所以无论是针对个人灵感的复盘还是既有学习内容的梳理自检，写作的第一步都包含学习或提升个人认知维度的目标确认，即通过规划的方式确定学习和写作的方向。按照传统的技术博客写作方式，该阶段笔者会通过搜索引擎或书籍检索相关知识的内容，通过宏观阅读了解知识核心要点，而非所有细节。

计算机是一门无穷无尽的科学与哲学学科，每个知识点都可以无限延伸。所以，笔者在学习新技术或知识点时，都会通过通读的方式了解知识点的核心脉络，将一些细节上的使用简要概括，后续按需回顾。

以笔者23年写的这篇《写给Java开发的Go语言协程实践》为例：https://mp.weixin.qq.com/s/JBTxdiHz4wW_6zoGuEH5_A (opens new window)。作为Java程序员对舒适区之外技术的探索，确定目标时，笔者检索资料套路为：

1. 检索非编程语言维度的协程相关概念
2. 检索go语言协程基本教程文章
3. 结合权威教程或开源项目了解go语言协程最佳实践

整体思路即通过基本概念扫盲->核心基础知识->进阶实践->原理剖析逐步递进获取资料，从而构建一个宏观且明确重点的知识框架：

可以看到，通过对大量材料的收集、通读和归纳，整个学习和写作的执行路径就会非常明确且清晰：

素材学习实践

完成知识材料收集和学习目标制定之后，就可以着手学习了。以笔者为例，目标制定阶段已收集所有高质量的资料，这一阶段笔者会扫荡式学习与实践，即阅读资料中每个核心概念，对于不理解的知识点会通过扩充资料来理解掌握，确保知识泛化。

在理论学习的基础上，对于涉及代码实践的部分，则需要更进一步地动手验证。若是代码量比较庞大的案例，笔者会将其拆分为若干个小步骤，逐步实践并逐一核对，以主动思考独立实现的方式完整地实践下来。这样做的好处是——在眼、脑协同工作之上，增加手这个实践步骤，刺激更多的相关神经细胞群，让大脑做好更新的准备，注意笔者所强调的——做好更新的准备。

完成一次完整的实践之后，再结合教程中的案例进行比对核验，将实践结果反馈给大脑，让大脑明白当前的问题是什么，确保其能够正确完成自动归纳，完成神经细胞间的结构更新，从而完成一次有效训练的闭环。

我们还是以Go语言协程为例，阅读了解协程的工作机制时，对于 goroutine 模型的 M:N 设计感到困惑，为充分理解，笔者检索操作系统级别的权威资料，从系统底层了解其工作机制。这正是学习观中解决欠拟合问题的实践——通过扩充资料，建立新旧知识之间的联系，让所拟合的规律能够满足更多旧情况。

在此基础之上，完成协程模型的经典案例实践，构建一个理论与实践的闭环：

纲要先行

通过整体的学习和实践，对于既有学习知识就具备相对全面的认知，为了更好地归纳总结和复盘梳理，以及后续写作的条理性和连贯性，笔者在写作时首先会拟定标题，通过声明标题的方式，完成脑图式总结和梳理。

以笔者 Go 协程文章为例，整体的纲要与学习路径类似：

• 开篇介绍痛点、本文内容、收获
• 基础理论概念扫盲
• Go语言协程理论知识
• 实践落地
• 进阶知识点升华
• 总结梳理

写作风格与表述收益

写作风格因人而异，以笔者为例，整体表述追求严谨、清晰、规范，避免过于哗众取宠，行文上强调流畅和读者的舒适度。不会像常规公众号软文一样，通过花哨的表情包和过于庸俗的比喻影响知识的连贯性和权威性。以「分布式锁」这一概念为例，不同的写作风格会带来截然不同的阅读体验：

花哨庸俗（堆砌网络用语和表情，损害专业性和知识连贯性）：

今天咱们来聊聊分布式锁这个骚东西，保证你看完直呼内行！🔥🔥🔥

过于学术晦涩（堆砌术语，读者需要反复咀嚼才能理解）：

分布式锁是一种在分布式系统环境下，通过共享存储介质实现跨进程互斥访问的同步原语，其实现依赖于共识协议与租约机制。

严谨且易读（准确、清晰、有场景铺垫）：

在分布式系统中，多个服务实例可能同时访问共享资源，此时需要一种协调机制来保证数据一致性，分布式锁就是解决这一问题的常见方案。

所以在写作风格上，笔者的建议是追求严谨且易读——既不花哨庸俗，也不过于学术晦涩。

无论选择何种风格，写作的表述都应遵循一个底层原则——让目标读者群能够准确理解你想要传达的技术或理论。这一点与费曼学习法的核心理念不谋而合：假设你在向任何一位技术同仁分享某个技术概念，用简单的词、短句和日常场景来类比。

表述技巧：当你试图简化表述时，会逼迫自己摈弃复杂的术语，主动思考并寻找更贴合读者认知的表述方式。

表述收益：这个过程不仅能让读者准确理解，更能倒逼作者发现自身理解上隐藏的空白。正如费曼所说：只有当你能用简单的话把一个概念解释清楚时，你才是真正理解了它。

基于上述风格与理念完成写作后，最后一步是跳出作者视角，以读者的视角审视文章内容。主动思考并输出，发现自己理解上隐藏的空白，并检验表述是否清晰准确、易于理解，由此找到适合自己也适合读者的写作风格。

写作工具

资料检索渠道推荐

学习观指出，当我们对同一材料学习到一定程度时，就会遇到材料瓶颈——重复的材料无法继续提升泛化能力。因此需要从不同渠道获取新的学习材料，多角度理解同一知识点。

对于资料的检索，除了通过豆瓣检索高分书籍以外，对于互联网资料，笔者推荐以下几个渠道：

1. BestBlogs：一个非盈利的 AI 驱动技术内容聚合平台，帮助开发者获取最相关技术内容，避免信息过载：

2. 公众号搜索：微信搜索能触达大量公众号独家技术内容，且通过阅读量、点赞等社交数据天然筛选出高质量文章。

3. 谷歌 AI 模式：通过英文检索让 Google 推荐相关参考文献

脑图工具：ProcessOn

写文时需要构建清晰文章脉络，辅助作者和读者把握文章结构，参考网上一些不错的文章分享，推荐使用 ProcessOn 进行大纲规划和脑图构建：

绘图工具：Draw.io

经常会有人强调"一图胜千言"，所以写文时，笔者会大量绘制图片来表述观点。对于绘图工具，鉴于 Java Guide 的推荐，Draw.io 这款工具无论是图形风格还是颜色都比较舒服，符合笔者的审美。长期使用后，笔者更偏向使用它作为日常工作和写作的绘图工具。

关于图片的表达和绘制，更多是作者主观的抽象，这里笔者仅对配色和装饰做一些建议：

1. 尽可能使用红黄蓝三基色，相较于大红大紫的颜色，红黄蓝更舒适。以笔者为例，使用 Draw.io 进行配色时，更多使用的是下面这几种配色风格。

2. 背景色尽可能淡一些，使用淡黄背景更加清爽舒适。

3. 图形可选用草图或 Comic 进行装饰。如果读者希望图形更特别，可在添加图形后选择草图：

当然，若希望配图有草稿纸风格，也可通过勾选 Comic 实现这种效果：

写作表达技巧

开篇引入方式

基于认知心理学，设问方式引导具有以下作用：

• 制造认知冲突，通过设问制造问题缺口，激发读者求知欲
• 明确学习目标，提升工作注意力和分配效率
• 给出具体场景，给予读者沉浸式阅读体验，增强记忆效果
• 主动引发读者思考，促使其完成知识提取，提升学习效率

以AQS源码讲解为例，如果我们开篇直接这样写:

谈到并发，我们不得不说AQS(AbstractQueuedSynchronizer)，所谓的AQS即是抽象的队列式的同步器，内部定义了很多锁相关的方法，我们熟知的ReentrantLock、ReentrantReadWriteLock、CountDownLatch、Semaphore等都是基于AQS来实现的。

讲完之后直接贴出一张十分突兀的类图，试问读者还有深入了解这个知识点的热情吗？

反观闪客这篇文章的做法，它并没有以上帝的视角说所谓的"大话"，而是直接用轻松诙谐的对话引入 AQS 的概念和基本作用，渐进式披露知识点：

10 点整，我到了公司，又成为全组最后一个到的员工。 正准备刷刷手机摸摸鱼，看见老板神秘兮兮地走了过来。 老板：闪客，你写个工具，基于 AQS 实现一个锁，给咱们组其他开发用 我：哦，好的 老板：你多久能搞好？ 我：就是一个工具类是吧，嗯今天下午就给你吧 老板：嗯，那你抓紧时间搞吧，大家都等着用呢 我：哦，好的

所以笔者认为，在写硬核的技术文章时，应注意：

1. 避免没有导向性的开篇
2. 避免在开篇堆砌大量突兀的概念
3. 采用渐进式披露的方式，在读者的记忆容量内逐步完成知识点覆盖学习

图文结合表述

对于知识点的讲解，我们还是强调要"讲清楚"而不是"堆名词"，基于认知心理学的双重编码理论：文字信息由语言系统编码和存储，图片信息由视觉系统编码和存储，通过图文结合表述可以带来如下好处：

对读者：

• 通过视觉系统减少工作记忆上语言处理的负担，引导视觉注意力，促进语言系统上的语义理解
• 图片信息更紧凑密集，可以更快理解当前学习观点，并通过语言完成补充
• 两个系统互相激活，促进知识点关联网的形成，提升记忆效果

对作者：

• 这也印证了费曼学习法中"创造性重复"的观点——大脑喜欢多样性，把同一个概念用不同角度和形式讲述，会建立更多连接。当你试图用图画来解释一个技术概念时，会逼迫自己从文字表达的逻辑线中跳出来，为知识的桥梁建立更多支柱，巩固对知识的准确理解

我们还是以 AQS 为例，很多作者在进行源码讲解时，会直接列出源码中所有方法的说明，这种写法笔者之前也做过：

AQS 中提供了很多关于锁的实现方法， getState()：获取锁的标志 state 值。 setState()：设置锁的标志 state 值。 tryAcquire(int)：独占方式获取锁。尝试获取资源，成功则返回 true，失败则返回 false。 tryRelease(int)：独占方式释放锁。尝试释放资源，成功则返回 true，失败则返回 false。

写完后笔者以读者的方式代入这篇文章阅读时发现，它会有这样的问题：

1. 锁是什么？在源码哪个位置？是什么锁？
2. state 是什么？做什么用的？
3. tryAcquire 中的资源又是什么？什么样的东西可以定位为资源？
4. 最重要的一点，这几个方法有什么用？作者列出来的目的是什么？
5. 了解这些知识点后对我有什么帮助？

相比之下，下面的做法更为可取，闪客在介绍 AQS 时的做法是：

1. 将知识点自行消化
2. 总结出核心的部分
3. 用连贯的表述串联这些变量的关系
4. 再用图解的方式辅助学习梳理

当这些前置铺垫都讲解清楚之后，他才将相关方法和变量进行细化展开，确保读者明确目的且阅读时不会感到突兀。

核心代码精简

在源码讲解的文章中，代码解读至关重要，笔者读过很多书籍博客，最常见的负面反馈就是："这篇文章只是贴代码"。

所以笔者认为，对于源码讲解的文章，讲解细致工作流程之后，贴出最核心的代码是最佳的做法，这样写出来的文章既简洁又清晰。从认知负荷理论的角度来看：

• 提取核心代码段，减少非必要的信息干扰
• 提升信息密度，突出关键技术点，避免概念分散
• 方便知识点抽取和提炼，基于有限记忆容量完成知识的高效讲解

就以 AQS 源码为例，讲解细致工作流程之后，就无需用长篇源码带动读者去走读，取而代之的是引出核心部分的代码让读者自行学习，这样既保证了文章篇幅的简洁，又不会陷入文字级别的 debug 导致源码解读流程不流畅：

public abstract class AbstractQueuedSynchronizer {
    private transient volatile Node head;
    private transient volatile Node tail;
    private volatile int state;
    static final class Node {}
}

static final class Node {
    // ... 省略一些暂不关注的
    volatile Node prev;
    volatile Node next;
    volatile Thread thread;
}

同样的如果能够通过文字连贯地讲线程池七大参数讲解完成，那么我们索性贴出这些参数的核心部分也是可以的：

public FlashExecutor(
        int corePoolSize,
        int maximumPoolSize,
        long keepAliveTime,
        TimeUnit unit,
        BlockingQueue<Runnable> workQueue,
        ThreadFactory threadFactory,
        RejectedExecutionHandler handler) 
{
    ... // 省略一些参数校验
    this.corePoolSize = corePoolSize;
    this.maximumPoolSize = maximumPoolSize;
    this.workQueue = workQueue;
    this.keepAliveTime = unit.toNanos(keepAliveTime);
    this.threadFactory = threadFactory;
    this.handler = handler;
}

知识点递进衔接

根据认知心理学研究，人类工作记忆容量有限（约 3~5 个信息组块，Cowan, 2001），因此，学习和写作都应采用递进式方法，以做到：

• 分块处理：将复杂技术概念分解为符合记忆容量的信息单元
• 渐进式披露：递进式加载知识，避免认知过载
• 上下文关联：利用工作记忆的上下文关联

如果在表述过程中突然出现很突兀的概念，对读者来说是非常灾难的，以这篇 AQS 源码讲解为例：

关于 state 的 get、set 方法就不贴了，重要的是有个通过 CAS 修改 state 的方法。 相关代码 除此之外，还维护了等待队列（也叫 CLH 队列、同步队列）的头节点和尾节点。 相关代码 CLH 队列由链表实现，以自旋的方式获取资源，是可阻塞的先进先出双向队列。通过自旋和 CAS 操作保证节点插入和移除的原子性。当有线程获取锁失败，就被添加到队列末尾。下面我们来看看每个节点是怎么实现的。

整个段落阅读完后，最直观的感受就是：

1. 整个知识点变得很突兀
2. 技术性概念没有很好的串联
3. AQS 核心流程还是没有很直观的了解

反观这篇关于线程池核心参数的做法，在前文中用有限的文字将 worker 和任务队列都讲述清楚之后，以递进式披露的方式提出任务过多而无脑丢弃这个不合理的设计，从而引出拒绝策略的概念：

## 阐明线程异步机制，提出性能瓶颈，递进式披露引出核心线程数概念
小宇：哦，的确，只有一个线程在某些场景下是很吃力的，那我把 Worker 线程的数量增加？
闪客：没错，Worker 线程的数量要增加，但是具体数量要让使用者决定，调用时传入，就叫核心线程数 corePoolSize 吧。
## 增加线程数后，递进披露线程空转等一系列并发设计需要思考的问题
小宇：好的，那我这样设计
引出 worker 和队列的关系
闪客：好，你边吃我边说。现在我们已经实现了一个至少不那么丑陋的线程池了，但还有几处小瑕疵，比如初始化的时候，就创建了一堆 Worker 线程在那空跑着，假如此时并没有异步任务提交过来执行，这就有点浪费了。
小宇：哦好像是诶！
闪客：还有，你这队列一满，就直接把新任务丢弃了，这样有些粗暴，能不能让调用者自己决定该怎么处理呢？
小宇：哎呀，想不到我这么温柔的妹纸居然写出了这么粗暴的代码。
闪客：加拒绝策略 xxxxx

所以我们写文时切记一定要保持递进，前者一定要能带出后文的概念，确保读者阅读文章时连贯的感觉。

总结梳理

最后就是总结梳理。碍于篇幅，读者阅读后常有局部懂了而整体模糊的感觉，所以笔者建议在讲述完所有知识点之后，对文章中每一段知识点的内容进行简要总结，辅助读者梳理知识和回顾，构建完整体系的知识框架。按照现代科学研究，总结梳理技巧符合记忆巩固的认知规律：

• 回顾目标：回顾写作之初设定的学习目标，检验知识覆盖的完整性
• 知识整合：将分散的知识点整合为完整的认知图式，形成由点到面的认识
• 提取练习：通过主动回忆和提炼完成知识的二次加工，巩固记忆
• 迭代优化：结合读者反馈再次复盘迭代，逐步提升文章质量

所以，对于知识点的讲解，碍于篇幅，读者阅读后常有局部懂了而整体模糊的感觉，所以我们建议在讲述完所有知识点之后，通过一个段落帮助读者进行复盘梳理，帮助读者串联知识点，例如线程池源码讲解后的图片总结：

又比如这篇文章对于 LongAdder 源码讲解完成之后的总结：

至此，设计思路和实现过程，就都搞定了，我们来看一下整个流程：xxxxx

适时的总结，能够让读者对知识点形成由点到面的认识，所以笔者建议在文章中进行总结，从而保证文章的学习质量。

升华文章

升华文章是笔者构建进阶知识图谱的常用手段，通过将不同领域的知识建立深度链接，让作者和读者都能获得这些收益：

• 概念性挖掘：在既有知识图谱中发现概念间的隐含关系
• 跨领域链接：构建不同技术领域之间的关联，建立一个更庞大的知识体系
• 抽象层次递进：从具体实现上升到设计思想的抽象提升

如果作者对于技术有着不错的理解，完全可以理清所有概念之后，通过深入核心知识点去剖析底层原理，讲述经典的生产问题、难度较大的面试题或进阶知识点。依然是渐进式递进到进阶知识点，通过类比思维降低理解难度，给出通用的解决模式。

就例如闪客这篇文章，在讲解完 LongAdder 基础概念、实践与源码级核心流程之后，为了加深读者对于 LongAdder 的理解，引出伪共享问题的概念。通过伪共享这一操作系统级别的理论知识，让读者在 LongAdder 日常运用中，具备一个更加底层的视角，确保技术选型和方案落地的精准性：

借助AI润色文章

内容润色是笔者最新补充的一个概念，也是比较重要的一环，笔者必须强调，写作是主动思考和复盘梳理的过程，只有写作者主动思考的实践才能确保这一过程的有效性，即学习观中的有效训练概念。

润色仅仅是现代写作中一个锦上添花的操作，该步骤是利用大语言模型（LLM）的知识储备，对文章中可能遗漏的错误或不当的表述进行纠正。必须清楚地认识到，AI润色只能提供描述性材料，而真正让大脑完成神经结构更新的是实际执行这一步——主动思考并动手写出内容，让相关神经细胞群受到刺激，做好更新的准备。随后通过校验、比对、纠正完成反馈答案，让大脑知道该如何更新。只有经历这两个过程，才算一次有效训练。跳过主动思考直接让AI生成，等同于只接收指令性材料而不经历实际执行，大脑无法完成有效的结构更新。

所以笔者的建议是：先自己主动完成写作和核对，再让AI辅助修改。前者完成有效训练的闭环，后者提供额外的反馈信号，进一步优化知识结构。

以笔者为例，针对既有学习和复盘的写作，收尾阶段一般会通过以下提词进行辅助调整：

作为一名计算机编程技术博客写作助手，请对指定文本执行以下专业编辑任务：
1. 语法与拼写修正：全面检查并修正文本中的语法错误、拼写错误及标点符号使用不当问题
2. 技术准确性提升：核实并纠正所有知识点的表述错误，确保技术概念、术语使用及代码示例的准确性
3. 内容优化：
   - 提升文章整体清晰度与专业表达
   - 增强文本简洁度，删除冗余表述
   - 分解冗长复杂句子，优化句式结构
   - 消除内容重复，确保信息传达高效
4. 可读性改进：调整段落结构，优化逻辑 flow，提升文章整体可读性

大胆分享，拥抱错误

费曼学习法中有一个关键观点：错误不是障碍，而是地图。当你讲不顺利的地方，正是将其转为清晰表达的原材料。这个理念同样适用于写作。

很多技术写作者有一个共同的心理障碍：怕写错，所以不敢写。担心被读者指出错误，担心表述不够严谨，担心观点经不起推敲——于是反复打磨迟迟不敢发表，甚至直接放弃。但实际上，正如学习观所指出的，当我们对同一材料学习到一定程度时，就会遇到模型瓶颈——仅凭自己的思考已经无法继续提升认知，此时需要外部反馈来打破这个瓶颈，而读者的意见恰恰是最直接的外部反馈。

写作中的错误并不可怕，可怕的是：

• 害怕犯错而不写：你永远无法发现自己理解上的空白
• 回避读者反馈：你永远无法突破模型瓶颈
• 把批评当成否定：批评恰恰是帮你打通知识桥梁的外力

大胆把你的思考分享给读者，哪怕不够完美。当读者指出你的错误时，这不是否定，而是一次免费的"费曼复习"——它帮你精确定位了知识的缺口，甚至暴露出你从未意识到的问题，让你知道该在哪里补强。每一次纠正，都是对知识模型的迭代升级。

真正的学习，不是等到完美才输出，而是在输出中走向完美。

我对AI写作的一些看法

AI时代快速发展，其发展速度远超过人类的思考速度，使得我们在单位时间窗口内的理解成本急剧增加，导致人类愈发浮躁，进而出现某些元能力的退步。笔者不知道这是否算一种进步，但现阶段，笔者还是试着将这些原本自己具备的元能力捡回来，保持写作时那种所谓的大脑思考与输出之间的摩擦感，使其成为笔者日常学习和工作的有效整理手段。

希望我的理解对你有所帮助。

你好，我是 SharkChili ，Java Guide 核心维护者之一，对 Redis、Nightingale 等知名开源项目有深度源码研究经验。熟悉 Java、Go 等多语言技术栈，现任某知名黑厂高级研发。

🌟 开源项目贡献

• mini-redis：教学级 Redis 精简实现，助力分布式缓存原理学习
  🔗 https://github.com/shark-ctrl/mini-redis (opens new window)（欢迎 Star & Contribute）

📚 公众号价值 分享企业级架构设计、性能优化、源码解析等核心技术干货，涵盖分布式系统、微服务治理、大数据处理等实战领域，并探索面向AI的vibe coding等现代开发范式。

👥 加入技术社群 关注公众号，回复 【加群】 获取联系方式，与众多技术爱好者交流分布式架构、微服务等前沿技术！

参考

老板让只懂Java基本语法的我，基于AQS实现一个锁:https://mp.weixin.qq.com/s/1Nq_izUkOGmtvkIQ9c0QRQ (opens new window)

图解 | 你管这破玩意叫线程池？:https://mp.weixin.qq.com/s?__biz=Mzk0MjE3NDE0Ng==&mid=2247491549&idx=1&sn=1d5728754e8c06a621bbdca336d85452&chksm=c2c66570f5b1ec66df623e5300084257bd943b134d34e16abaacdb58834702dbbc4599868b89&scene=178&cur_album_id=1703494881072955395#rd (opens new window)

破玩意 | 多线程 +1 的最快操作:https://mp.weixin.qq.com/s/Hbz1k5bDhdfPSb05PAZNrw (opens new window)

你管这破玩意叫操作系统源码 | 第二回 自己给自己挪个地儿 :https://mp.weixin.qq.com/s?__biz=Mzk0MjE3NDE0Ng==&mid=2247499274&idx=1&sn=23885b5b1344a1425f5a971d06ad2e7d&chksm=c2c584a7f5b20db1b0a75ea896e7218a9f8bcd006e68f53693bab240b13f9e2fb0ec0c9b9a6a&cur_album_id=2123743679373688834&scene=189#wechat_redirect (opens new window)

写公众号文章，我其实用了这些工具！ :https://mp.weixin.qq.com/s/gyM5E5RZKGNko0dhL-hLVw (opens new window)

为什么我会感觉vibe coding让程序员越来越浮躁了？:https://www.zhihu.com/question/1951716962645288920/answer/2015813714209701999 (opens new window)

断墨寻径摘录:https://blog.csdn.net/qq_54088234/article/details/135237324 (opens new window)

【断墨寻径】学习笔记 ：https://zhuanlan.zhihu.com/p/443948940 (opens new window)

鹅厂写码13年，我总结的程序员高效阅读方法论:https://cloud.tencent.cn/developer/article/2453570?policyId=1&traceId= (opens new window)

费曼的学习心智模型 | 用来学任何你想学的东西 :https://www.bilibili.com/video/BV1bBCcBtEnA?buvid=Y942A991A168E31D4296B54F9D22E6B8C782&from_spmid=united.player-video-detail.drama-float.0&is_story_h5=false&mid=3URzpfGDRykbWghI4MoSYg%3D%3D&plat_id=116&share_from=ugc&share_medium=iphone&share_plat=ios&share_session_id=853BBE43-6733-4458-AB15-CBD7C0161D94&share_source=weixin&share_tag=s_i&spmid=united.player-video-detail.0.0&timestamp=1775705372&unique_k=FHGWCwf&up_id=403776507 (opens new window)