装饰者模式学习笔记

简介: 快速学习装饰者模式

开发者学堂课程【JDBC数据库开发进阶:装饰者模式】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/32



内容介绍

1.对象增强的手段

2.对象增强的手段

3.继承的缺点:

4.方法摘要

1.对象增强的手段

继承

装饰者模式

动态代理

2.对象增强的手段

继承

被增强的对象固定的

增强的内容也是固定的装饰者模式

被增强的对象是可以切换的增强的内容是固定的

动态代理

被增强的对象可以切换

增强的内容也可以切换

3.继承的缺点:

1.增强的内容是固定的不能动

2.被增强的对象也是固定的

3.使用继承会使类增多

4.方法摘要

image.png


四大家:


1.字节:Inputstream、outputstream

2.字符: Reader、writer

InputStream
FileInputsteram:它是节点流,和一个资源绑定在一起的文件
BufferedInputStream:它是装饰流,创建我是一定要给我一个底层对象,然后不管是什么流,都会给它添加缓冲区

new BufferedInputstream(任意的InputStream)

FileInputstream in = new FileInputstream ( "E:/a.jpg") ;

BufferedInputstream b = new BufferedInputstream (in) ;

0bjectInputstream o = new ObjectInputstream (b) ;

Connection con = ...

装饰:不知道被增强对象的具体类型时,可以使用

image.png

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
293 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6