2025，对我而言，是关键词为“沉淀”与“突破”的一年。

这一年，我用一行行代码、一篇篇博文，记录下从 Java 工程基础到 NLP 智能边界的成长轨迹，从巩固核心编程语言，到独立完成完整前后端项目，再到算法刷题与模型架构的进阶研究，每一段学习轨迹，都是对技术热爱的见证。

年终之际，我将这一年的学习历程、项目实践与思维突破，从四个维度进行系统梳理与总结：编程基础构建 | Web 实战开发 | 算法能力提升 | 前沿 AI 技术探索。

一、编程基础构建

1.1 Java

我从 Javase 入门开始，分为三个阶段系统学习：

• 入门篇：掌握数据类型、控制流、OOP三大基石（继承、封装、多态）、异常处理
• 强化篇：深入集合框架与泛型、高效处理文件IO、掌握多线程与网络编程基础
• 提升篇：着眼并发控制机制（线程池、锁机制、CAS）、掌握反射与注解的元编程技巧、深入理解 Stream 流与函数式编程思维背后的原理

我不仅关注语法与机制，更注重应用场景与设计理念的落地。例如：在学习线程池时，我探究了其参数调优的工程实践；在理解 Java I/O 结构时，从装饰器设计模式深入分析其背后的选择逻辑。贯穿整个过程，我将笔记博文化，构建出“知识可查、思考可溯”的学习体系。

1.2 伯克利CS61A

我系统学习了加州大学伯克利 CS61A Python 课程，这不仅仅是一门语言课程，更是一次程序设计范式的洗礼。

课程涵盖高阶函数、数据抽象、面向数据驱动的思维模式、多范式整合（函数式、面向对象、逻辑编程等），甚至使用 Scheme 语言推演编程语言的语法解析与计算属性，为我后续理解编译原理与人工智能推理机制打下了扎实基础。

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。

二、 Web 实战开发

2.1 前端开发

从 HTML/CSS/JavaScript 掌握语义化、布局到响应式页面设计，再到 Vue.js 构建组件化界面响应、单页路由与 Ajax 异步数据通信，我逐步构建起前端完整知识体系。

更重要的是，在实战项目中巩固了“前后端分离”的实际开发模式，体会到了用户体验与系统架构的密切关联。

2.2 后端开发

后端方面，我以 SpringBoot 为主线，构建了包含 SSM（Spring + SpringMVC + MyBatis）、JWT 鉴权、AOP 切面日志、数据持久化管理、事务传播机制等完整后端技术体系。

• 数据库：深入掌握了 MySQL 查询优化、事务隔离级别控制、索引设计技巧
• 框架：熟悉 SpringBoot 注解驱动开发模式，掌握 IoC 容器、Bean 生命周期管理；
• 安全认证：实现 JWT 无状态登录认证机制，结合拦截器与统一异常处理

代表性项目包括完整的“员工管理系统”与“部门管理模块”，涉及文件上传下载、前后端路由对接、权限控制、数据一致性处理等典型企业开发场景。我逐步从“功能开发者”转变为“系统思维实践者”，深入体会中大型项目的架构分层与职责解耦。

三、LeetCode 能力提升

今年，我高频聚焦 LeetCode Hot 100 刷题，采用“专题式归类 + 模型化总结”的方式，从题解中提炼算法本质，不只是为了解题，更是为建立一套长效的算法解题思维模型。

覆盖算法模块详情如下：

• 基础数据结构：数组、链表、哈希表、多指针技巧（双指针、滑动窗口）
• 非线性结构：树（层次/前中后遍历）、图（DFS、BFS、并查集）
• 算法 paradigms：动态规划、贪心、回溯、递归、分治
• 实用技巧：位运算、前缀和、状态压缩、LRU 缓存

刷题之外，我强调“解法归纳”与“变式训练”，例如将多个动态规划题归纳为“状态 + 转移 + 初始条件”三维模型，让算法学习从“战术突破”走向“战略掌控”。

四、前沿 AI 领域探索

4.1 大语言模型理论体系

今年后半年，我将重心转移到 NLP 与大型语言模型（LLM）的理论与实践学习上，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。

系统学习了大型语言模型发展的三阶段，包括无监督预训练（Self-Supervised Learning）、微调策略（Supervised Fine-tuning - SFT）、强化学习人类反馈（RLHF）。学习的内容横跨多个重点模块，包含模型能力评估指标（BLEU/ROUGE/Perplexity）、幻觉控制与可信输出方向研究、语言模型如何进行“推理”，即深入 In-Context Learning，理解 emergence（涌现能力）。还包括安全性维度的数据对抗攻击与隐私泄露防范策略、多模态生成（文生图、图修复等）及 Diffusion 模型初步研究。

通过理论学习与实践调研，我初步构建起从模型构建 → 参数调优 → 安全审查 → 应用部署的闭环认知视角，为未来深入参与 LLM 项目研发与落地打下基础。

4.2 Transformer 架构

我聚焦分析 Transformer 模型的架构模块：

• Tokenization：对比 BPE、WordPiece、Unigram 等子词划分策略
• Embedding：从 One-hot 到 Word2Vec / GloVe / FastText 的语义向量演进
• Attention：自注意力（Self-Attention）、多头注意力（Multi-Head Attention）
• Positional Encoding：绝对位置编码、相对位置编码、旋转位置编码

通过代码阅读、框图解析、论文笔记等方式，我进一步理解了为何 Transformer 能成为新一代通用 AI 架构的底座。

五、答卷 · 记录 · 展望

技能树
├── 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

回首 2025 年，我的技术博客累计发布 93 篇，其中，Java 基础与进阶博文占比 35%，Web 全栈项目开发博文占比 30%，算法与面试笔记占比 20%，LLM 与前沿科技梳理占比 15%。

展望 2026 年，我将重点方向聚焦在以下几个核心上。第一，在大模型领域继续深挖，尝试多模态模型、微调实战；第二，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）；第三，可能参与开源项目，向社区贡献文档与代码；第四，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。

我相信，每一篇认真书写的技术博客，都是成长的注脚，是与更好自己的对话。

代码改变世界的过程，也同样在改变着我。

感谢 CSDN 博客之星给予的平台，也感谢每一位读我博文的朋友。

愿我们在技术这条路上，永远脚踏实地，也心向远方。

2026，我们不见不散！