异常体系图如下：Throwable类是所有异常*（Exception）和错误（Error）的超类，两个直接子类为Error和Exception。所有的异常的顶级父类都是Exception，Exception又分为运行时异常（非受检异常）和非运行时异常（受检异常）。

中文译为比较并交换，是一种无锁并发的原子操作算法。它包含三个核心操作数：内存位置（V）- 要操作的内存地址预期原值（A）- 读取到的旧值新值（B）- 想要更新的值它包含3 个参数 CAS（V，E，N），V表示要更新变量的值，E表示预期值，N表示新值。仅当 V值等于E值时，才会将V的值设为N，如果V值和E值不同，则说明已经有其他线程做了更新，则当前线程则什么都不做。最后，CAS 返回当前V的真实值。

上面的命令是将dockers中的容器映射到虚拟机中的一个端口（23306），并且登录密码是123456。使用findshell工具连接上虚拟机，进入根目录，然后进入opt目录创建docker文件夹。将docker压缩包放到docker文件夹中，并且进行解压缩。创建存放mysql文件的目录，并且把mysql.tar包上传。volumes:：容器中的工作空间与虚拟机中的工作空间对应关系。ports：容

Lambda 表达式是 Java 8 引入的函数式编程特性，用于简化匿名内部类的写法。Lambda 表达式本质上是一个匿名函数（没有名字的函数你可以把它理解为一小段可以传递的、即用即写的代码。它的主要目的是为了简化代码，尤其是在需要使用匿名内部类的场景下，能让代码变得非常简洁、清晰。只有一个抽象方法的接口，可以用作 Lambda 表达式的类型。

Lombok是一个Java库，它可以通过注解的方式自动生成构造函数、getter、setter、toString 等方法，减少了手动编写样板代码的工作量。使用Lombok可以使代码更加简洁，同时也能减少因手动编写样板代码而可能引入的错误。Lombok是一个非常实用的 Java 库，它通过注解的方式自动生成样板代码，使我们的代码更加简洁、高效。然而，在使用Lombok时，我们也需要权衡其优缺点，根据

AI 大模型是指具⁠有超大规模参数（通常为数十亿到数万‌亿）的深度学习模型，通过对大规模数据的训练，能够理解、生成人类语言，‎处理图像、音频等多种模态数据，并展‌示出强大的推理和创作能力。大模型的强大之处在于它的涌现能力—— 随着模型参数量和训练数据量的增加，模型会展现出训练过程中未明确赋予的新能力，比如逻辑推理、代码编写、多步骤问题解决等。模型参数量达到，训练数据覆盖文本、图像、音频等多模态海量

将下载的 redis 安装包上传到服务器上，并解压。将 daemonize no 改为 daemonize yes。利用npm脚本，npm build 将项目打包成dist目录。修改nginx.conf文件，配置root和后端接口等信息。添加后端地址，proxy_pass配置到自己的路径和端口。将前端本地部署项目的后端接口修改为云服务器上的数据接口。将location中 root修改为html/d

各种情况的优先级如下：1.融合表（在情况允许的前提下）2.连表查询 （子存放关系）3.新建一个表用来存储两个表之间的关系推荐使用一对多连表查询，不使用前两种的情况。推荐使用：外建表查询。

*RAG（Retr⁠ieval-Augmented ‌Generation，检索增强生成）**是一种结合信息检索技术和 A‎I 内容生成的混合架构，可以解决‌大模型的知识时效性限制和幻觉问题。简单来说，RA⁠G 就像给 AI 配了一个‌ “小抄本”，让 AI 回答问题前先查一查特定的知识‎库来获取知识，确保回答是基‌于真实资料而不是凭空想象。从技术角度看，R⁠AG 在大语言模型生成回答之前‌会先从

Git不但会把本地的master分支内容推送的远程新的master分支，还会把本地的master分支和远程的master 分支关联起来。此时我们提交我们的修改后在查看git status，我们可以发现我们的本地master分支领先了1次提交。从分支的详细信息中我们可以看到远程分支的提交版本和master的提交版本不同，本地领先了。origin master关联的是远程的master分支，用于追踪远