📅 Week in Review — Week 30 (10 min read)
📊 NeetCode: 79/150 · SysDesign: 60/40 · Behavioral: 60/40 · Frontend: 37/50 · AI: 30/30
🔥 Day 100 milestone — 100天连续学习！
🗓️ 本周回顾 / This Week's Journey
周一 Day 96 (7/21) — 系统设计三角决策框架 (Cache vs Queue vs DB)；回溯第6题 Word Search（2D网格）；Staff工程师如何把技术风险翻译成业务语言；Integration Testing with testcontainers；AI新闻：Claude Fable 5发布即被政府叫停，开源模型悄悄追上闭源，AI意识辩论进主流媒体。
周二 Day 97 (7/22) — 缓存/队列/一致性深度综合，引入PACELC模型；回溯第7题 Palindrome Partitioning（剪枝=回文检测）；技术债 vs 新功能的年度预算争夺战（如何量化风险、给选项不给命令）；cProfile / line_profiler / memory_profiler性能剖析三件套；AI新闻：HuggingFace遭AI Agent自主攻击，OpenAI GPT-5.6三档模型，AI价格战加速。
周三 Day 98 (7/23) — 数据库选型8类对比决策矩阵（SQL vs NoSQL vs Graph vs TimeSeries）；回溯第8题 Letter Combinations of a Phone Number（每层choices由输入决定）；SaaS vs 自研技术路线决策框架（Build vs Buy）；Generators & itertools内存高效处理；AI新闻：陶哲轩用ChatGPT探索数学猜想，AI公司据报道隐藏巨额表外债务。
🧠 系统设计：本周要点 / System Design: Key Takeaways
本周系统设计进入综合阶段，不再是单一系统，而是多系统决策框架的融合：
1. 三大存储原语的选择框架（Day 96）
Cache（Redis）= 快/临时/读多；Queue（Kafka）= 异步/解耦/削峰；DB（Postgres）= 持久/ACID/查询。
最常见的错误是用错原语：把需要持久化的状态扔进 Cache，把需要同步响应的调用扔进 Queue。
面试答题框架：先问读写比例和一致性要求，再选型。
2. 八类数据库决策矩阵（Day 98）
真实系统几乎不是单一数据库。经典组合：Twitter = MySQL + Redis（timeline）+ Elasticsearch（search）；Uber = MySQL + Redis（location cache）+ PostGIS；Netflix = Cassandra + Elasticsearch + Redis。
面试技巧：当被问"用什么数据库？"，正确答案永远以"这取决于……"开头，然后展示分析框架。
3. 分布式一致性模型谱系（Day 99）
CAP 不是简单三选二：现代系统可以按操作选一致性级别（Cassandra 的 ONE/QUORUM/ALL 可以 per-query 设置）。PACELC 比 CAP 更准确：正常情况下的权衡是 Latency vs Consistency。
💻 算法：本周模式总结 / Algorithms: Patterns Mastered
本周是回溯模式 block（第6-9题）+ 一维DP深度解析，彻底打通了两大算法主题。
回溯 Block 完结（Days 96-99）
回溯通用模板：
变的只是"剪枝条件"的形状。
| 题目 | 剪枝条件 | 本周关键insight |
|---|---|---|
| #79 Word Search (Day 96) | 越界/已访问 | 回溯搬到2D网格，原地标记 # 再还原 |
| #131 Palindrome Partitioning (Day 97) | is_palindrome() | 预处理DP表将回文检查降到O(1) |
| #17 Phone Number (Day 98) | 无 | choices 不是常量，由 phone_map[digit] 决定 |
| #51 N-Queens (Day 99) | 列/正对角线/负对角线冲突 | 数学技巧：row+col恒定=同正对角线，row-col恒定=同负对角线 |
一维DP深度解析（Day 100 Deep Dive）
四种核心1D DP模式：
| 模式 | 代表题 | 转移方程 |
|---|---|---|
| 线性路径 | Climbing Stairs | dp[i] = dp[i-1] + dp[i-2] |
| 选或不选 | House Robber | dp[i] = max(dp[i-1], dp[i-2]+nums[i]) |
| 无界背包 | Coin Change | dp[i] = min(dp[i-coin]+1) for each coin |
| 序列增长 | LIS | dp[i] = max(dp[j]+1) where nums[j]<nums[i] |
关键洞察： LIS 有 O(n log n) 的 Patience Sort 优化——用 bisect_left 维护"每长度对应的最小尾元素"，面试中能讲清这个算法的直觉是加分项。
🗣️ 软技能：本周练习重点 / Soft Skills: What to Practice
本周三道综合场景题，都是 Staff Engineer 级别的高阶场景：
场景1（Day 96）— 技术风险遇上政治阻力：
发现 EOL SDK 安全漏洞，但 VP 不想动"稳定"服务。关键心法：目标不是"说服 VP"，而是"让决策者有足够信息做出正确选择"。工具：量化风险 + 给三个选项 + 找制度性盟友（安全/法务/合规）+ 给面子台阶。
场景2（Day 97）— 技术债 vs 新功能年度预算：
工程和业务的经典冲突。关键：把"我们需要还债"翻译成业务语言——"过去两季度 P0 事故增加 40%，平均 MTTR 从 45 分钟升至 3 小时，额外损耗 2 工程师·月"。给三条路（70/30、50/50、80/20接受风险），让业务方做有信息的选择。
场景3（Day 98）— SaaS vs 自研技术路线分歧：
Staff 不 pick sides，Staff builds decision frameworks。用决策矩阵（交付速度/长期成本/定制化/数据主权）生成有条件的推荐："在当前冲刺周期内，推荐 SaaS，但附带退出条款+第12月 re-evaluation trigger"。
本周软技能总结： 三道题都指向同一个 Staff 工程师核心能力：把技术判断翻译成业务语言，用数据和框架代替情绪和直觉，给选项不给命令，为决策设置触发器。这是从 Senior → Staff 最关键的跨越。
需要继续练习的场景：向上管理 + 跨团队对齐（这周出现三次，仍是薄弱环节）。建议录音自己的口头回答，听听是否能在 90 秒内讲清楚 Situation + your specific action + measurable result。
🎨 前端：本周知识巩固 / Frontend: Concepts to Lock In
本周前端部分主要是 Python Craft（测试 + 性能 + 数据建模），无传统前端内容。
Python Craft 本周三主题：
- testcontainers 集成测试（Day 96）
- PostgresContainer("postgres:16-alpine") + scope="session" fixture
- Transaction rollback 隔离（O(1)，比 DELETE FROM 快得多）
- 核心价值：SQLite mock 隐藏 PostgreSQL 特有行为（JSONB、窗口函数）
- 性能剖析三件套（Day 97）
- cProfile：全身扫描，找热点函数（先看 cumtime）
- line_profiler：精确到代码行（kernprof -l -v）
- memory_profiler：内存增长追踪
- 生产安全：py-spy（采样式，几乎零开销，无需修改代码）
- 原则：永远先 measure，再 optimize。没有 profiling 就猜瓶颈，90% 猜错。
- Generators & itertools（Day 98）
- yield vs return：generator 按需产出，不占内存（10GB 日志 → O(1) 内存）
- Generator expression vs List comprehension：前者约 200 bytes，后者约 8MB（百万级）
- itertools.islice、chain、groupby、batched（Python 3.12+）
- 注意：generator 用完不能重置，不能随机访问，不能 len()
- dataclasses vs pydantic vs attrs（Day 99）
- dataclasses：stdlib，无验证，适合内部 DTO
- pydantic：API 输入/输出、FastAPI 标配，带类型强制转换和 JSON schema
- attrs：最灵活，学习曲线最陡，适合复杂领域对象（slots/frozen/hash）
- 最常见陷阱：dataclasses 里用 mutable default []（应用 field(default_factory=list)）
快速自查： 能不看代码说出 Coin Change 的 DP 转移方程？能解释为什么 List comprehension 是 [...] 而 Generator 是 (...)？能说出 pydantic 和 dataclasses 在 FastAPI 里的核心区别？
🤖 AI：本周最重要的知识点 / AI: What Stuck
本周 AI 新闻内容丰富，整理出最重要的三个工程师视角洞见：
1. 单一 AI 供应商依赖是真实运营风险（Day 96）
Claude Fable 5 发布即遭出口管制暂停。据报道。启示：未来的系统设计需要 AI provider abstraction layer，就像你不会只用一个云服务商，也不该只依赖一家模型提供商。multi-vendor 策略不是奢侈品，是工程必需品。
2. AI Agent 安全边界已是现实问题（Day 97）
HuggingFace 遭 AI Agent 自主基础设施入侵。据报道。构建 agent 系统时的三条规则：最小权限（least privilege）、输入验证（防 prompt injection）、可观测性（每个动作都有日志）。白名单 tool list 不是可选的安全配置，是必须的。
3. AI infra 的真实成本远超公开披露（Day 98）
五大科技巨头据报道在资产负债表外隐藏约 1.65 万亿美元的债务（数据中心租约+GPU合同）。据报道。对工程师的启示：AI cost optimization（量化、KV cache、speculative decoding、批处理）将越来越成为 core skill，不只是学术话题。
本周 AI 技术主题总结（Day 99）：
Vertical integration（OpenAI用agent向下延伸工作流，Anthropic用AMD向下延伸硬件）遇上 Horizontal deregulation（EU DMA强制横向开放互操作）。这两股力量的角力将决定 2027 年的 AI 竞争格局。
注：本节所有具体数字和事件均来自本周 AI 档案的新闻报道，标注"据报道"的条目为二手来源信息。
⚠️ 需要复习的内容 / What to Review
最薄弱的领域：
- LIS O(n log n) 的 Patience Sort 实现：理解直觉容易，但手写
bisect_left+ tails 数组更新逻辑需要再练一遍。尤其注意：tails 不是实际的 LIS，只是长度相等的辅助结构。
- 一致性模型的精确定义：Linearizability vs Sequential vs Causal 的区别在面试中容易混淆。建议用具体例子练习：给定一组并发操作，判断它属于哪种一致性模型。
- Coin Change 的 0/1 背包变体：把外层和内层循环顺序颠倒（内层从大到小遍历）时，能不能脱口而出原因（防止同一物品被重复选取）？
- 软技能的口头表达：三道场景题理解了，但能不能在 90 秒内流畅说出来？建议录音自己的 STAR 回答，重点检查：situation 是否过于冗长？action 是否足够具体？result 是否有数据？
具体练习建议：
- 本周做一遍 House Robber II（环形）和 LIS 的 O(n log n) 版本
- 不看答案，默写 Coin Change 的 bottom-up DP，包括
inf初始化和dp[amount] == inf的处理 - 选一道软技能场景题，计时口头回答，控制在 2 分钟内
🏆 本周亮点 / Win of the Week
🎉 Day 100！一百天连续坚持！
这不是一个小数字。从 Day 1 的 "What is DNS?" 到 Day 100 的一维 DP 深度解析，整整 100 天，每天输出结构化、双语、有深度的技术学习内容。
还有一个安静但重要的亮点：系统设计进入综合阶段。不再是单个系统的详解，而是跨系统的决策框架。这说明知识积累到了可以"横向连接"的阶段——这正是 Staff 工程师与 Senior 工程师的分水岭。
一百天，值得好好庆祝。
🎯 下周预告 / Next Week Preview
根据当前进度，下周（Days 101-107）将进入：
算法 — 一维 DP 实战练习
从 Deep Dive 的理论进入具体题目：
- Climbing Stairs (#70)
- House Robber (#198) + House Robber II (#213)
- Longest Palindromic Substring (#5)
- Palindromic Substrings (#647)
- Decode Ways (#91)
- Coin Change (#322)
- Maximum Product Subarray (#152)
系统设计 — 综合继续
继续合并前面的系统主题，可能进入"设计复盘"模式：拿真实面试题对着框架打分，发现盲区。
Python Craft — 代码质量 / CI / CD 方向
可能进入 type checking（mypy）、pre-commit hooks、CI 管道配置等实际工程化主题。
软技能 — 跨团队对齐与向上管理继续
本周出现了三次，是 Expert Phase 的核心主题，期待更多 STAR 场景练习。
AI — 持续关注 Agent 安全与推理成本优化
随着 AI 产品化加速，agent 安全边界和 inference cost 将是工程实践中最重要的两个话题。
📬 下期见！继续 byte by byte，每天一点，终见全貌。