AI 背后的数据结构

一条可以继续验证的思路

哈希与缓存:空间换时间

这里有 2 篇文章,从一个词走向真实工作里的选择;先读懂,再决定要不要使用。

阅读线程开放
2篇札记
阅读方式先找到你卡住的地方,再顺着证据和取舍走

每篇可以独立阅读,也可以沿着这条线程继续。

AI 背后的数据结构无需登录

本页解决的问题

先给结论

什么是「哈希与缓存:空间换时间」,它会影响哪些 AI 决策?

把 key 亲手塞进桶里,看哈希函数怎么把「翻一遍」变成「直达」;再看两个 key 撞进同一个桶时怎么收场 本页把相关概念、常见误区和实践文章放在同一条阅读线程里。

判断标准

先判断你卡在定义、选择还是验证,再从下方 2 篇文章中选择最接近的一篇。

下一步

从「哈希表:为什么它找东西快到不讲理」开始,读完后用自己的任务复述结论。

常见误区

不要把同一主题下的所有方法当成可互换方案;输入、风险和验收标准变化时,答案也会变化。

这条问题线程

把一个词放回它真正影响的选择里。

2 篇札记
交互

哈希表:为什么它找东西快到不讲理

把 key 亲手塞进桶里,看哈希函数怎么把「翻一遍」变成「直达」;再看两个 key 撞进同一个桶时怎么收场

AI 背后的数据结构 3 min →
交互

缓存:AI 账单的隐形折扣

KV Cache 和语义缓存都是同一招:算过的别再算。拖动命中率滑块实时看账单变化——Harness 核心篇成本优化的底层原理

AI 背后的数据结构 3 min →