feat: init

Author: xiaomeng79

01语言/1go/16channel.md

@@ -7,34 +7,49 @@
 ## 底层结构
 ```go
 type hchan struct {
-    // chan 里元素数量
-    qcount   uint
-    // chan 底层循环数组的长度
-    dataqsiz uint
-    // 指向底层循环数组的指针
-    // 只针对有缓冲的 channel
-    buf      unsafe.Pointer
-    // chan 中元素大小
-    elemsize uint16
-    // chan 是否被关闭的标志
-    closed   uint32
-    // chan 中元素类型
-    elemtype *_type // element type
-    // 已发送元素在循环数组中的索引
-    sendx    uint   // send index
-    // 已接收元素在循环数组中的索引
-    recvx    uint   // receive index
-    // 等待接收的 goroutine 队列
-    recvq    waitq  // list of recv waiters
-    // 等待发送的 goroutine 队列
-    sendq    waitq  // list of send waiters
-    // 保护 hchan 中所有字段
-    lock mutex
+    qcount   uint           // 当前队列中元素数量
+    dataqsiz uint           // 缓冲区大小（容量）
+    buf      unsafe.Pointer // 指向环形缓冲区的指针
+    elemsize uint16         // 元素类型大小
+    closed   uint32         // 关闭标记（0-未关闭，1-已关闭）
+    sendx    uint           // 发送索引（缓冲区位置）
+    recvx    uint           // 接收索引（缓冲区位置）
+    recvq    waitq          // 接收等待队列（sudog 链表）
+    sendq    waitq          // 发送等待队列（sudog 链表）
+    lock     mutex          // 互斥锁（保护并发操作）
 }
 ```
 
+# 发送与接收流程
+
+## 加锁
+- 操作前获取 `hchan.lock` 互斥锁。
+
+## 快速路径
+- ​**发送**：缓冲区未满时直接写入 `buf`，更新索引。
+- ​**接收**：缓冲区非空时直接读取 `buf`，更新索引。
+
+## 阻塞路径
+- ​**发送阻塞**：缓冲区满时，Goroutine 封装为 `sudog` 加入 `sendq` 队列，并进入等待状态。
+- ​**接收阻塞**：缓冲区空时，Goroutine 封装为 `sudog` 加入 `recvq` 队列，并进入等待状态。
+
+## 唤醒机制
+- 当对端操作完成（如接收方读取数据），检查等待队列并唤醒对应的 Goroutine。
+
+---
+
+## 关闭
+
+## 关闭标记
+- 设置 `hchan.closed = 1`。
+
+## 唤醒所有等待的 Goroutine
+- ​**接收方**被唤醒后读取剩余数据，后续返回零值和 `false`。
+- ​**发送方**被唤醒后触发 panic（向已关闭 Channel 发送数据）。
+
 #### 通道死锁
 
 - 当无缓存通道,不具备同时写入和读取就绪的情况下,写入数据或者读取数据
 - 全部取出的管道，再取会出现死锁
 - 已经塞满的管道，在塞也会死锁
+- 重复关闭

01语言/1go/17interface.md

@@ -6,18 +6,18 @@ iface 和 eface 都是 Go 中描述接口的底层结构体，区别在于 iface
 ## iface
 ```go
 type iface struct {
-    tab  *itab
-    data unsafe.Pointer
+    tab  *itab           // 接口类型和方法表
+    data unsafe.Pointer // 指向实际数据的指针
 }
 type itab struct {
-    inter  *interfacetype
-    _type  *_type
+    inter  *interfacetype // 接口的类型信息
+    _type  *_type          // 动态类型（具体类型的元信息）
     link   *itab
-    hash   uint32 // copy of _type.hash. Used for type switches.
+    hash   uint32 // 类型哈希值（用于类型断言）
     bad    bool   // type does not implement interface
     inhash bool   // has this itab been added to hash?
     unused [2]byte
-    fun    [1]uintptr // variable sized
+    fun    [1]uintptr // 方法地址数组（动态派发入口）
 }
 ```
 - iface包含两个字段：tab 是接口表指针，指向类型信息；data 是数据指针，则指向具体的数据。它们分别被称为动态类型和动态值。而接口值包括动态类型和动态值。

25AI应用/医疗/README.md

@@ -0,0 +1,60 @@
+# 医疗AI
+
+## 如何基于大模型构建一个医疗AI
+- 医学知识库构建
+- 大模型训练与微调
+    - ​基座模型选择：
+        - ​中文场景：DeepSeek-67B（医疗语料增强版）
+        - ​英文场景：PubMedGPT 或 BioMedLM
+    - 训练策略：
+        - DAPT：领域自适应预训练
+        - SFT：监督微调
+- 诊断推理引擎
+    - ​多阶段推理：
+        - ​症状编码：将患者主诉映射到SNOMED CT标准术语
+        - ​贝叶斯网络：计算疾病先验概率（基于流行病学数据）
+        - ​大模型推理：生成鉴别诊断列表
+        - ​决策验证：对比UpToDate最新指南
+    - ​置信度控制：
+        - <0.8:建议做什么检查。
+```mermaid
+graph TD
+    A[患者输入] --> B(症状解析模块)
+    B --> C{是否需要追问}
+    C -->|是| D[智能追问引擎]
+    C -->|否| E(医学知识检索)
+    E --> F[诊断推理引擎]
+    F --> G[鉴别诊断生成]
+    G --> H[输出诊断建议]
+    H --> I[风险预警与转诊建议]
+```
+
+## 问诊系统步骤
+1. 症状解析
+2. 动态追问
+3. 检索增强
+4. 生成诊断
+5. 输出格式化
+    - 安全护栏
+
+## 本地知识库
+
+- [ragflow](https://github.com/infiniflow/ragflow)
+
+RAG（检索增强生成）引擎。它的作用是可以让用户创建自有知识库，根据设定的参数对知识库中的文件进行切块处理，用户向大模型提问时，RAGFlow先查找自有知识库中的切块内容，接着把查找到的知识库数据输入到对话大模型中再生成答案输出。
+
+
+## Agent
+传统大模型像“百科全书式学者”，只能根据输入生成文本；而 Agent 更像“具备执行能力的助手”，能拆解任务、调用工具（如搜索、计算、写代码）并迭代优化结果。
+- ​关键能力：
+    - ​任务分解：将复杂问题拆解为可执行的子任务（如“订机票→查天气→推荐行李”）。
+    - ​工具调用：使用外部 API、数据库、代码解释器等扩展能力边界。
+    - ​记忆与反思：保留历史交互记录，通过自我纠错提升表现。
+- 代表框架与工具：
+    - ​AutoGPT：开源自主 Agent，可联网搜索、读写文件、持续迭代任务。
+    - ​LangChain Agent：支持自定义工具链（如 Wikipedia + Python REPL）。
+    - ​MetaGPT：多角色协作 Agent，模拟软件公司工作流程（产品经理→工程师→测试员）。
+    - ​OpenAI API Function Calling：通过函数描述让模型自主选择调用工具。
+
+## ui
+-[open-webui](https://github.com/open-webui/open-webui/pkgs/container/open-webui)

25AI应用/框架/模型蒸馏.md

@@ -0,0 +1,6 @@
+# 模型蒸馏
+
+## 方式
+- 数据蒸馏：大模型(老师)生成Q&A,来SFT小模型。
+- Logits蒸馏：学生模型被训练以模仿教师的 logits，而不仅仅是其最终预测结果，从而保留了教师模型更多的信息。
+- 特征蒸馏：蒸馏教师模型的中间层。