确实是有办法的，但公司愿不愿意实施，程序员愿不愿意学就是另一个问题了。
比如形式化方法（ Formal Method ），编译器来证明你的代码是 bug-free 的。

宋 Plus DMI 车主表示混动真的香，日常通勤烧电便宜，跑长途烧油续航一千多公里。
而且山区上上下下的有动能回收很省的。
建议重新考虑下混动

这属于问题定义不清，gpt 也帮不了你了
让我做的话我可能会这样，告诉 gpt 用 Miller–Rabin 算法实现一个素性检验算法，设定一个足够大的阈值，比如实验 20 次以后就认定输入是素数，因为伪素数几率已经足够低到可以忽略了。
然后画进度条不过就是试验次数这一固定数值，你甚至不需要进度条，眨眼就验证完了。

@roundgis 没有合并

我也是资深带专，毕业十年了。
最近对市场的感受就是，如果你目标是<20k 的岗位，那外包 /小公司可能还会给你带专个机会。
如果你目标是 30k 以上岗位，那除非你人脉广+刷题强+八股牛，不然你应该没什么活路。

看你 25 岁非本专业还转前端的话，我觉得你今年的目标应该不是>20k 以上岗位吧，不然多少有点离谱了。
放低期望，活路还是很多的。现在大环境对专科越来越难了，开始往传统行业靠拢了。

时代变了，大人
https://i.imgur.com/nH4NhAo.jpg
https://i.imgur.com/2OtIIMi.jpg
https://i.imgur.com/W0vIKJi.jpg

现在还招远程么？

多线程的最佳实践就是不要用多线程。😏
不要对自己过于自信，认为搞得定多线程，想充分利用多核性能，建议考虑协程和并行流。
比如 kotlin ，suspend 和 flow api ；
比如 scala ，IO Monad 和 Akka stream ；
比如 rust ，async 和 tokio stream ；

达内毕业十一年的带专飘过 (￣▽￣)"

来自 tc39 ECMAScript Language Specification # sec-json.stringify
你可以永远相信标准浏览器中的实现
https://i.imgur.com/0Rr4n5R.png

@ximigou007 https://i.imgur.com/YfTU7No.png
昨晚确实发送成功了，刚刚我又重新发送了一次，请再查收一下

@ximigou007 发到这个邮箱了，谢谢推荐

@ChevalierLxc 在这个链接上直接投递了，谢谢推荐

@ximigou007 如果有机会的话请推荐，十分感谢💕

@ximigou007 能把这问题离线解决并在时限内解释出每一行代码，不管是否有场外援助。我都认为他具备基本素养，这可比现场手撕 lc hard 太多了。

@ximigou007 不会太多，只要具备基本素养。（比如我给他一个 wiki 链接，他能在 24-48 小时内对着伪代码实现出来，期间随意查阅任何资料，请教任何朋友，但最终面试阶段我会问他每一行代码的具体作用）
然后两本书《 SICP 》+《 Scala 函数式编程》边看边写，基本上两本书看个 50% 内容就入门函数式了，剩下的能力在项目中锻炼即可。

我常用的一个离线面试问题是在 JS 中实现基于 Promise 的 Semaphore 。

@ximigou007 因为写 FP 代码依然是写代码，不是造火箭。
需要的是在正反馈指导下的反复练习。
写够一万行生存期就过去了，写够十万行妥妥的熟练工。

@ximigou007 其实要求不高，如果让我自己招人的话，给我一年时间，我就能带出一只纯 FP 熟练工的团队来。
不需要任何前提条件，不需要清北复交藤校还是 985/211 ，我可以从大专里选拔。
也不需要什么大公司工作履历和手撕 leetcode hard ，有这些背景可能更难带。
就让我自己出题面试，应届生一年熟练 FP 搬砖毫无压力。

@house600 举个例子，比如在编写大批量数据导出接口的时候
数据一次性加载到内存中再写入磁盘或者 HTTP Response 都是不合适的，因为数据量可能超过内存总量，这时候就必然要使用流式处理。

1. 这个场景中上游的 Source 是 JDBC connection ，设定 fetchSize 以后每次只会加载这个 batch 到内存中，也就是 Source(connection.selectWithFetchSize(用户列表))
2. 根据业务决定是否需要 filter 或 transform ，是否还需要经过其他第三方微服务接口处理，也就是 Flow.filter(过滤隐藏用户).map(隐藏真实姓名).mapAsync(从其他服务获取用户额外信息)
3. 打包写入磁盘或通过 HTTP Response 发送，甚至还可以插入一些编解码与压缩算法，也就是 Sink.map(toJson).transducer(gzip).toFile(文件名)

整个过程编写下来是声明式编程，而不是传统命令式，同时也具备 Reactive 的基本优点，比如异步+背压，不会导致 OOM 。

@house600 随时随地都可以使用，任何可以流式处理的场景都可以用 reactive 来处理。
建议先把 map 、filter 、reduce 用熟练，然后根据你用的语言生态选 RxJS 、akka-stream 、kotlin flow api 、tokio stream 中的任意主流方案。
我在 kotlin compose 桌面项目中就在用 flow api
在 rust 写 cli 的时候就用 tokio stream
在写前端或者浏览器插件的时候就用 rxjs
但我主业是写 Scala 的，所以我对 Scala 生态的 Akka-stream 、fs2 、zio-stream 都比较熟悉，可以随意切换。

基本上你用熟了任何一个 stream 库以后，迁移到其他语言、生态都不会花太大功夫，因为基本语义上大家都是一样的。