网站地图
A list of all the posts and pages found on the site. For you robots out there is an XML version available for digesting as well.
Pages
Posts
跨系统发布的一致性：幂等、版本锁、不可变快照与 Saga
发布时间：
数据库事务无法覆盖远端 HTTP。本文从不可变正式快照出发，讨论如何用请求幂等、版本控制与 Saga 管理跨系统部分成功。
可恢复的长任务：SSE 断流、页面刷新与双路径恢复
发布时间：
长任务的连接断开不等于任务失败。通过任务状态、订阅重连、轮询兜底和快照覆盖，可以让用户刷新页面后继续原有执行。
AG-UI 与 A2A 之间：多智能体流式事件如何保持语义一致
发布时间：
多智能体系统往往横跨多种流式协议。比传输文本更难的是正确映射 partial、final、等待输入和任务终态。
用内容指纹构建增量同步：从全量扫描到变化集处理
发布时间：
增量同步的关键不是定时拉取，而是稳定判断什么真正发生了变化，并为通知失败、来源失效和版本漂移设计恢复路径。
从工具调用到领域 Skill：让智能体能力可复用、可治理
发布时间：
Tool 解决一次操作，Skill 则承载完整的领域流程。本文讨论如何通过显式契约、阶段状态与确定性终点，让智能体能力真正可维护。
人工智能课程总结
发布时间：
模拟题
人工智能课程复习
发布时间：
NDDL复习
计算机网络
发布时间：
This is a note on computer network
计算机组成原理
发布时间：
This is a notebook on the principles of computer organization
MySQL 学习笔记（一）
发布时间：
mysql的执行流程
首先，MySQL架构分成Server 层和存储引擎层，Server 层负责建立连接、分析和执行 SQL。存储引擎层负责数据的存储和提取。
portfolio
活动内容智能治理与发布平台
从定时采集、内容判更和 AI 结构化理解，到版本化审批与受控投放的一体化活动生命周期治理链路。
营销活动多智能体平台
采用 Runtime、Supervisor、Specialist 与 Domain Skill 四层架构，将自然语言需求转化为可澄清、可确认、可恢复的营销活动执行流程。
安全无人机通信研究
围绕物理层安全、图注意力强化学习、6G 无人机网络与安全通感一体化开展的系列研究。
publications
Joint Trajectory and Resource Optimization for Secure UAV Communications Based on Graph Attention Reinforcement Learning
Accepted · IEEE International Conference on Communications (ICC) · 2026
A graph-attention reinforcement-learning framework for jointly optimizing UAV trajectory, transmit power, and bandwidth under physical-layer security constraints.
推荐引用： Liang Wang, Wenshuai Cui, Bomin Mao, Qu Luo, and Qihao Peng. Joint Trajectory and Resource Optimization for Secure UAV Communications Based on Graph Attention Reinforcement Learning.
AI-Enabled UAV Networks for 6G: A Paradigm Shift
Accepted · IEEE Communications Standards Magazine · 2026
A perspective on how deep reinforcement learning and graph neural networks can support intelligent, adaptive, and secure UAV networking in 6G.
推荐引用： Liang Wang, Wenshuai Cui, Qihao Peng, Zhiqiang Liu, and Rugui Yao. AI-Enabled UAV Networks for 6G: A Paradigm Shift.
LEP-HDRL: Hierarchical Deep Reinforcement Learning With LLM-Generated Scheduling Priors for Energy-Efficient UAV-Enabled Secure ISAC
Under review · Manuscript under review · 2026
A hierarchical deep-RL method that injects LLM-generated scheduling priors into energy-efficient UAV-enabled secure integrated sensing and communications.
推荐引用： Wenshuai Cui. LEP-HDRL: Hierarchical Deep Reinforcement Learning With LLM-Generated Scheduling Priors for Energy-Efficient UAV-Enabled Secure ISAC.
talks
学术分享记录
发布时间：
该页面用于记录学术报告与技术分享。
teaching
本科课程助教经历
本科课程, 课程教学, 2014
该页面用于记录课程教学、助教工作与相关资料。
专题研讨与实践
专题研讨, 教学实践, 2015
该页面用于记录专题研讨、实践活动与相关资料。