开源之夏ospp结项

1.countdownlatch为什么配合线程池使用，为什么不过来一个任务new一个thread2.线程池如何设置3.虚拟线程十万量级为什么还要用线程池4.mcp怎么设计的5.对于微服务场景怎么根据下游去动态修改线程池6.怎么监控线程池，从哪些维度去做切入监控，有用过对应工具吗7.java的锁讲一下8.分布式锁怎么做，除了nx锁9.热key问题10.java哪个版本用到的虚拟线程，spring哪个版本支持的sse11. threadlocal会遇到哪些问题12. threadlocal里的信息是怎么传递下去的13.线上full gc怎么去排查14.新生代向老年代哪几种情况下会传送数据

大家好，我是马丁。应该挺多同学都认识我，毕竟在牛客上关注比点赞多的，应该也不是很多，哈哈。前段时间开源的 Ragent AI，在牛客上获得了大家的广泛关注，非常感谢大家的认可。GitHub 现在也已经 1.7k Star 了，而且还在高速增长，这些都说明 Ragent 是个好项目。简单介绍一下 Ragent：它是一个企业级 RAG 智能体平台，基于 Java 17 + Spring Boot 3 + React 18 构建，从 0 到 1 纯手工打造。覆盖了文档解析、多路检索、意图识别、问题重写、会话记忆、模型路由容错、MCP 工具调用、全链路追踪等 RAG 系统的核心能力。不是那种调个 API 跑起来就收工的 Demo，而是一套真正能落地、经得起推敲的完整工程实现。如果你是 Java 方向、想补上 AI 这块短板，或者想在简历上加一个有区分度的项目，可以去看看。项目地址：https://github.com/nageoffer/ragent回到正题。有不少做开源的大佬问我：你是怎么宣传的？天地良心，真没咋宣传过。视频一条没发，文章就某号发了几篇，全加起来都没我牛客置顶帖的浏览量高。总结下来，我的路子比较佛——把代码写好，剩下的交给用户。那为什么会发这个帖子呢？今天翻了翻 Ragent AI 的 GitHub 监控数据（详情见图三），发现竟然还有从豆包过来的流量。我当时就合计：难道是豆包在向别人推荐我的开源项目？顺便吐槽一句：没想到必应的流量这么高，某度是真的废了。然后我就去亲自试了试，结果直接震惊了！！！大家详情见图一和图二，真的没想到，千问和豆包这么给力。DeepSeek 其实也可以，只不过我当时没截图了。当然，也得泼点冷水。可能熟悉大模型原理的同学就有疑问了：AI 说好就是好么？肯定不是的，因为模型训练都是从网上抓取数据做预训练，没有客观对比的能力。可能还有更优质的项目，只是没有被挖掘出来。不过能被几个主流大模型记住并推荐出来，至少说明 Ragent 这个方向上还是有点东西的，后续我也会继续打磨。如果你也在纠结学什么 AI 项目，不妨去看一下 Ragent，毕竟代码完全开源，4w多行 Java 代码说不定能找到自己成长的方向。当然，也欢迎大家来 GitHub 点个 Star ⭐ 支持一下，有问题随时交流。就这样，祝各位牛友都拿到心仪的offer~对了，图四是我用 GPT image2 生成的，现在 AI 发现太迅速了，等等我！

28届后端选手，之前也没有参加开源项目的经历，所以想参加开源之夏提升自己并为开源社区做贡献。今年的官网好像还没出，听说需要自己提前联系导师提前到社区做贡献中选几率会大一些，可目前官网的项目都是去年的，怎么看这个导师今年还有没有项目，而且之前也没有进过社区，求大佬帮助。另外如果今年没有参加的话，我也想通过其他途径参加开源社区。本人技术还可以，目前在北京一家小厂实习，不过后端业务比较少，所以想继续沉淀自己的技术，而且自我认为对事情非常认真负责，不用担心我跑路