📅 Week in Review — Week 41 (8 min read)
📊 NeetCode: 106/150 · SysDesign: 60/40✅ · Behavioral: 60/40✅ · Frontend: 37/50 · AI: 30/30✅
🔥 Day 137 — Expert Phase, Synthesis Mode!
🗓️ 本周回顾 / This Week's Journey
| 日期 | Day | 主题概要 |
|---|---|---|
| Mon Oct 5 | — | 休整 / Rest week |
| Tue Oct 6 | — | 休整 / Rest week |
| Wed Oct 7 | — | 休整 / Rest week |
| Thu Oct 8 | — | 休整 / Rest week |
| Fri Oct 9 | — | 测试内容 / Test run only |
| Sat Oct 10 | 137 | 综合日 / Synthesis Day — LLM后端·最大乘积子数组·Python并发·软技能·AI新闻 |
本周是一个轻量周，但周六的综合内容质量非常高——将过去137天的知识点串联成一个完整的系统设计全景。
A lighter volume week, but Saturday's synthesis content was dense and high-quality — connecting 137 days of learning into one cohesive architecture picture.
🧠 系统设计：核心要点 / System Design: Key Takeaways
Day 137 主题：LLM 应用后端架构全景
这一天的系统设计做了一件很有价值的事：把过去60个系统设计主题"连线"到一个真实的 AI 产品后端中。
三大核心概念：
- 语义缓存（Semantic Cache）
LLM 调用 $0.01/次，缓存命中 $0.0001/次。对相似问题（不需完全相同）使用向量相似度检索缓存结果，覆盖率约 30-40%，大幅降低成本。真实系统中这是"降本最快"的一步。
Semantic caching on similar (not identical) queries reduces costs 100x. The ~30-40% hit rate makes this the fastest ROI optimization in LLM backends.
- 流式响应（Streaming / SSE）
不等完整结果，SSE 流式推送 token，将 TTFB 从 2s 降到 200ms。这是用户体验的分水岭——用户感知到"在回答"和"还没回答"的区别。
Streaming SSE drops perceived latency from 2s to 200ms — the difference between "it's thinking" and "it's broken."
- 多模块串联（Module Integration）
一个 AI 编程助手后端用到了过去60天覆盖的几乎所有模块：API Gateway（Day 16）、Rate Limiter（Day 17-18）、Load Balancer（Day 4）、Redis Cache（Day 6）、Message Queue（Day 13）、Vector DB（RAG）、Distributed Tracing（Day 68）、Circuit Breaker（Python Craft）、Multi-region Active-Active（Day 54）。
No topic in system design is isolated. Real systems are always module combinations — this week's synthesis proved it.
💻 算法：模式总结 / Algorithms: Patterns Mastered
Day 137 题目：#152 Maximum Product Subarray（Medium）— 1-D DP 模式第 9/12 题
模式进度（1-D Dynamic Programming）：9/12 完成
- Day 127: #70 Climbing Stairs →
dp[i] = dp[i-1] + dp[i-2] - Day 129: #198 House Robber →
dp[i] = max(dp[i-1], dp[i-2] + nums[i]) - Day 131: #213 House Robber II → 环形数组分两段
- Day 132: #5 Longest Palindromic Substring → 二维 DP
- Day 133: #647 Palindromic Substrings → 中心扩展
- Day 134: #91 Decode Ways → 条件版斐波那契
- Day 136: #322 Coin Change → 完全背包
- Day 137: #152 Maximum Product Subarray ← 本周新解锁
本周核心洞察（Key Insight）：
乘法 DP 的"陷阱"：负数 × 负数 = 正数，所以必须同时追踪当前最大值和当前最小值。最小值随时可能翻身成最大值（当下一个数是负数时）。
# 关键技巧：一次遍历，同时维护 max 和 min
for n in nums[1:]:
candidates = (n, cur_max * n, cur_min * n)
cur_max = max(candidates)
cur_min = min(candidates)
result = max(result, cur_max)规律总结： 当操作不是单调的（乘法、异或等），考虑同时维护多个 DP 状态。这是从加法 DP 到乘法 DP 的关键跨越。
Pattern: When the operation isn't monotonic (multiplication, XOR), maintain multiple DP states simultaneously.
🗣️ 软技能：练习重点 / Soft Skills: What to Practice
Day 137 场景：当你满怀信心的技术决策被事后证明是错的
这道题超越了标准"我犯了个错"的框架，考察的是 Senior/Staff 工程师的自我意识、透明度、以及系统性学习能力。
本周覆盖的核心场景：
- 技术选型失误（Postgres sharding hot spot 在 5× 流量下暴露）
- 如何在团队和 stakeholder 面前承认错误
- 带方案，不带问题（三条修复路径 + 风险评估）
- 将个人错误转化为团队 checklist（blameless postmortem）
Senior vs Staff 的区别点（需要练习）：
- 速度：承认错误要快，不要等问题更大
- 校准感（Calibration）：你知道自己的判断在哪些情况下可能失效——这比"从不出错"更值钱
- 机制化：个人错误 → 团队决策 checklist → Staff 级影响力
练习建议： 回顾一个你做过但现在会做不同决策的技术选型，按 STAR 框架写一段 2 分钟的口述。重点练习"我当时没有考虑到 X"的自我归因表达，以及后续的修复动作描述。
Practice: Recall a past technical decision you'd make differently. Narrate it in 2 minutes with STAR, focusing on self-attribution ("I didn't account for X") and systematic fix.
🎨 前端：知识巩固 / Frontend: Concepts to Lock In
本周无新前端内容（轻量周）。当前进度：37/50，还有 13 个主题待覆盖。
建议自查（复习 Day 34-37 的 React 性能系列）：
- [ ] 你能解释
React.memo、useMemo、useCallback三者的应用场景差异吗？ - [ ] 什么情况下虚拟化（Virtualization）是必要的？
- [ ] Code Splitting 的
React.lazy+Suspense模式能徒手写出来吗？
下周预计覆盖的前端主题： 继续推进 React 高级模式或框架深度内容。
No new frontend content this week. Self-check: Can you explain the React.memo / useMemo / useCallback triangle without notes?
🤖 AI：本周亮点 / AI: What Stuck
Day 137 AI 新闻（来源网络搜索，数据标注"据报道"）：
三大新闻：
- 据报道，智能体 AI（Agentic AI）时代全面到来
行业焦点从"对话式 AI"转向"自主完成多步骤任务"的智能体系统。Microsoft Copilot 推出按量付费智能体（据报道），Replit Agent 4 据报道让非程序员可通过自然语言构建并部署软件。
Reportedly, the industry pivot from chat AI to agentic AI is complete — systems that autonomously execute tasks across apps.
- 据报道，新模型密集发布
据报道本周新模型包括：OpenAI GPT-6.1 Sol（高性价比编程场景）、Anthropic Claude Opus 5.5、Mistral Large 4（据报道万亿参数 MoE 多模态，欧洲开发托管）、Google Nano Banana 2.1。Mistral Large 4 万亿参数仍可实用，印证了稀疏激活（MoE）架构正主导超大模型设计。
Reportedly, Mistral Large 4 at 1T parameters being practical validates MoE (sparse activation) as the dominant architecture for large models.
- AI 内容水印与治理
据报道 OpenAI 在欧洲为 ChatGPT 生成文本嵌入不可见水印，Google 扩展 SynthID 验证系统。核心工程挑战：水印要对抗改写、翻译、截断攻击，同时不影响文本质量。
Reportedly, AI watermarking faces robustness vs. quality tradeoffs — paraphrasing, translation, and truncation attacks can all defeat naive implementations.
工程师最重要的 takeaway： 智能体化意味着你的 API 需要"智能体友好"——幂等性、明确的错误信息、细粒度速率限制、可审计的执行链路。
🐍 Python Craft：本周技巧 / Python Craft: This Week's Skill
Day 137 主题：Python 并发三大模型终极对比
这是系统学习 Python 并发的最佳总结——threading、multiprocessing、asyncio 一张决策树打通：
关键陷阱： 在 asyncio 中调用 time.sleep() 会阻塞整个事件循环！正确做法：await loop.run_in_executor(None, blocking_func)。
The cardinal sin: calling blocking code inside async functions. Use run_in_executor to push sync code into threads.
⚠️ 需要复习的内容 / What to Review
- 1-D DP 剩余题目（3/12 待完成）：
#139 Word Break、#300 LIS（Longest Increasing Subsequence）。这两题模式各有变体，LIS 有 O(n²) 和 O(n log n) 两种解法，后者需要二分搜索，难度更高。建议下周集中完成。
- Python asyncio 陷阱实战：本周覆盖了理论，建议动手写一个"在 asyncio 中误调同步阻塞函数"的例子，亲自感受卡死的效果，再用
run_in_executor修复——肌肉记忆比读代码更可靠。
- 前端进度落后：37/50，距离完成还有 13 个主题，但本周没有推进。需要注意不要让前端部分进度过于滞后于其他模块。
Top review priority: Finish the 1-D DP block (2 problems left) and squeeze in 1-2 frontend topics next week.
🏆 本周亮点 / Win of the Week
系统设计毕业级综合 🎓
Day 137 的系统设计内容达到了课程的一个里程碑——把过去 60 个系统设计主题用一个 AI 编程助手后端串联起来，画出了完整的架构图，并且标注了每个模块对应的学习日。这不是新知识，而是知识整合能力的体现。
能从零画出这张图，解释每个模块的选型理由和权衡，就已经具备了通过 Staff 级系统设计面试的基础能力。
🎉 系统设计：60/40，超额完成！行为面试：60/40，超额完成！AI：30/30，全部完成！三大模块已满！
The week's synthesis diagram — mapping 60 system design topics onto one real AI backend — represents a graduation milestone. Being able to draw that from memory and explain every tradeoff is Staff-level system design.
🎯 下周预告 / Next Week Preview
| 模块 | 预计内容 |
|---|---|
| 算法 | 1-D DP 最后 3 题：#139 Word Break、#300 LIS（含二分优化）、#152 变体巩固 → 完成 1-D DP 模块后进入 2-D DP |
| 系统设计 | 综合模式持续：可能进入最终 mock interview 形式的综合演练 |
| Python Craft | 综合阶段：分布式系统相关 Python 工具或测试工程深化 |
| 前端 | 补足进度：目标推进 2-3 个主题（建议 Next.js 或 TypeScript 高级内容） |
| AI | 新闻速递 + 可能深入智能体架构（Agent Architecture）主题 |
重点提醒： 1-D DP 模块只剩 3 题，下周有望完整闭环——这将是第一个从 Easy 到 Hard 全部刷完的算法大模块！
Key milestone incoming: Completing the 1-D DP block (12/12) next week would be the first full algorithm pattern completed end-to-end.
byte-by-byte · Week 41 · Day 137 · Expert Phase 🔥