2025 年对我而言是高强度技术沉淀的一年，从基础语言 Java 的巩固再到前后端项目开发的实践，从 LeetCode 刷题打基础到深入理解算法原理，再到专注于前沿的 NLP 与大语言模型（LLM）技术，我用一篇篇博客记录我求知的轨迹与思考的深度，这些文章，不只是知识点的堆砌，更是我技术成长中的里程碑，同时也希望能为后来者提供些许指引。

本文将从编程基础、Web开发实战、算法能力提升、前沿AI技术四个维度，全面总结我这一年的技术成长轨迹。

1 编程基础

1.1 Java核心技术体系

我从 Javase 入门开始，分为三个阶段系统学习：

• 入门篇：数据类型、流程结构、继承、多态、异常处理等；
• 加强篇：集合、泛型 2.0、文件 IO、线程、网络、Stream 流操作等；
• 高级篇：反射、注解、IO 原理、并发编程等（多线程+线程池+网络编程）；

每一章节的笔记都配合理论、代码与应用场景，重视实战化思维（比如 Java I/O 设计模式背后的选择逻辑，线程池合理参数配置技巧等），并结合 Java 新特性，提升代码性能和可维护性。

1.2 伯克利CS61A课程

2025年我以伯克利 CS61A Python 课程为基础进行了系统学习笔记撰写。课程从函数式编程出发，完善了程序设计的架构思维。课程模块涵盖：函数、递归、高阶函数、可变性（Mutability）、数据抽象、树结构、语法解析、List 表达式、多范式集成。我学习收获了数据抽象优于对象替代带来的结构设计思维、Scheme 风格语法提升编译原理意会以及用代码组织哲学思考问题本质！

此外，我也撰写了 C/C++ 快速入门内容，为将算法部署在嵌入式或高性能场景中打下基础。

2 Web开发实战

2.1 前端技术栈

前端技术栈包含三大基础技术，即HTML、CSS和JavaScript。HTML掌握语义化标签、表单设计，CSS学习布局技术（Flexbox、Grid）、响应式设计，JavaScript接触DOM操作、事件处理、ES6新特性。前端框架实战包含Vue.js的学习组件化开发、响应式数据绑定、路由管理，以及Ajax的异步数据交互，实现前后端分离。

2.2 后端开发技术栈

关于MySQL，我系统学习了DDL、DML、DQL语句，掌握多表查询（内连接、外连接、子查询）、事务管理（ACID特性、隔离级别）以及索引优化与性能调优。

关于SpringBoot，我构建了完整的SSM + SpringBoot技术栈，MyBatis持久层框架包含XML与注解两种配置方式，以及动态SQL、结果映射、Mapper接口设计。关于SpringBoot核心特性，我深入理解了@SpringBootApplication注解机制，完成Web案例的文件上传/下载功能实现（支持单文件与多文件）和员工管理系统（增删改查完整实现）。关于部门管理模块，有AOP面向切面编程、日志记录、权限控制的优雅实现。对于事务管理模块，实现@Transactional注解的深入理解与传播机制。关于Bean管理，我了解到Spring IoC容器原理、依赖注入的三种方式以及Bean生命周期管理。关于登录认证，我学习到JWT令牌技术实现无状态认证和统一异常处理与拦截器设计。

通过完整的员工管理系统开发，我掌握了从前端请求到后端响应的完整流程，理解了企业级项目的分层架构设计。这一部分让我明白了“全链路开发”中每一层的职责与协作，也让我具备了独立开发中后台 Web 系统的能力。

3 算法能力提升

我完成了力扣HOT100的练习和总结，包括数组与链表的双指针技巧（Leetcode 01-02）、字符串处理的子串匹配算法（Leetcode 04）、二叉树遍历（前序、中序、后序）（Leetcode 10-11）、二叉树的经典问题（Leetcode 12-14）、链表的环形链表检测（Leetcode 08-09）、搜索算法的多维动态规划（Leetcode 20）、动态规划入门（Leetcode 19）、贪心与回溯的贪心算法经典问题（Leetcode 18）
、回溯算法（Leetcode 17）、位运算（Leetcode 05-06）、技巧总结（Leetcode 21）等等等等…

算法能力的提升需要持续刷题，分类总结非常重要，树和图的递归思想是难点，需要反复练习才能形成肌肉记忆。这一阶段我显著提升了解题层次，从刷题到归类，甚至逐步建立起“算法解题模型库”，为日后的面试实战和系统开发提供全面助力。

4 前沿技术探索

4.1 大语言模型理论体系

这是今年最激动人心的学习内容，我系统学习了LLM的核心技术和模型训练全流程。

首先，是大型语言模型修炼史。大型语言模型修炼包含三个阶段，分别是 Self-supervised Learning（无监督预训练）、Supervised Learning（监督微调、SFT）以及RLHF（基于人类反馈的强化学习）。其次，是大语言模型能力评估。大语言模型能力评估有两个标准，分别是文本生成评估指标（BLEU、ROUGE）和模型输出可信度检测，能力评估的难点是大语言模型识别与幻觉问题。

然后，是大语言模型安全性评估。大语言模型安全性评估也有两个方面，分别是对抗攻击与防御和隐私泄露风险，安全性评估的重点是模型安全策略。再然后，是为什么语言模型用文字接龙能做推理，期间探讨了自回归语言模型（AR）与非自回归模型（NAR）的优缺点，Scaling Law关于模型能力随规模增长的规律，以及In-Context Learning的涌现能力。最后，是有关影像的生成式AI，讨论了有关影像生成的五大类型（文生图、图像修复等）、AI处理影像的三种方式、训练策略与评估方法。

这些内容真正帮助我打通了“从原理 → 架构 → 训练流程 → 应用部署”的链条，也让我思考 LLM 在未来产业落地中的挑战与可能。

4.2 Transformer核心机制

Transformer的核心机制包含Tokenization、Embedding、Self-Attention、Multi-Head Attention和Positional Encoding。

Tokenization（分词）包含BPE、WordPiece、SentencePiece、Unigram四种分词方法对比，Embedding（嵌入）包含One-hot编码、Word2Vec、GloVe、FastText技术演进，Transformer架构包含自注意力机制（Self-Attention）、多头注意力（Multi-Head Attention）以及位置编码（Positional Encoding）。Transformer的并行化能力是其超越RNN的关键，注意力机制让模型能够"关注"输入序列的不同位置。

5 经验总结与未来规划

2025年，我创作的技术博客总计93篇，其中，Java基础与进阶占35%，Web开发实战占30%，算法与数据结构占20%，前沿AI技术占15%。

技术方向	成果亮点
Java 基础与进阶	完成从基础到多线程、IO、泛型及注解全面掌握
JavaWeb 项目开发	独立设计实现完整后端项目，掌握主流开发框架
算法题解	系列优化高频 LeetCode 逻辑，初步具备 ACM 式解题模型库
LLM 笔记体系	打通从理论到实战的语言模型理解链条，具备论文复现与应用能力
课程笔记	高质量梳理 CS61A 全课程内容，掌握函数式系统化编程模式

关于学习的方法论，首先，通过系统化学习，从基础到进阶，构建完整知识体系；其次，通过实战项目巩固理论知识；与此同书，写博客是最好的学习方式；另外，还要关注AI大模型等前沿技术动态。2025年，进行了一些技术难点的突破，包含并发编程，其中线程安全、锁机制需要反复实践，Spring原理中IoC和AOP的底层实现需要源码级理解，动态规划、回溯等需要大量练习形成数据结构算法思维模式。

技术能力体系树
├── 编程语言
│   ├── Java（精通）
│   └── Python（熟练）
├── Web开发
│   ├── 前端（HTML/CSS/JavaScript/Vue）
│   └── 后端（Spring/MyBatis/SpringBoot）
├── 数据库
│   └── MySQL（设计与优化）
├── 算法
│   └── LeetCode（HOT100）
└── AI前沿
    └── LLM理论与Transformer架构

2026年，我将重点方向聚焦在以下几个核心上：

• 在大模型领域继续深挖，尝试多模态模型、微调实战
• 全面学习分布式系统原理，补全后端中间件技术栈（消息队列、网关等）
• 可能参与开源项目，向社区贡献文档与代码
• 准备算法/工程岗位面试，同时保持持续输出知识博文的习惯

写博文对我来说，不仅是记录所学，更是深化认知、融会贯通的过程，当笔尖定格在技术与思辨之间，成长也悄然发生。我很荣幸能将一年所学倾囊分享，并希望这篇总结可以对更多技术爱好者有所启发。

未来的路仍长，我会继续敲下每一行代码，也会写下每一个“值得纪念的 bug 与灵感”。

感谢CSDN博客之星给予的平台，也感谢每一位读过我文章的朋友。愿我们都保持对技术的热爱，在时代的浪潮中奋力前行，留下浓墨重彩的一笔！