大语言模型(Large Language Model，LLM)是指基于大规模神经网络通过自监督或半监督方式，对海量文本进行训练能理解和生成人类语言的语言模型**。大语言模型的参数规模通常达到数十亿至万亿级别。例如，GPT-3 包含 1750 亿参数。神经网络自监督学习半监督学习语言模型理解了这几个概念之后，再回过头来看“大语言模型”，就会更加容易。我们可以把神经网络简单理解成一个非常高效的“团队工

介绍了云服务器的购买，和使用 Xshell 连接云服务器

本文详细介绍了在Ubuntu系统上安装Docker的完整步骤，包括环境准备、卸载旧版本、配置安装源、安装Docker组件、配置自动启动以及验证安装等关键环节。特别针对云服务器和虚拟机环境提供了具体操作指导，并包含了常见问题的处理方法。通过清晰的命令行示例和状态检查方法，帮助用户顺利完成Docker安装并验证其正常运行，为后续容器化应用部署奠定基础。文章还贴心地标注了关键操作注意事项和异常情况处理方

RAG（Retrieval Augmented Generation，检索增强生成），是一种结合外部知识库检索与大模型生成的技术。核心是让大模型在回答前先"查资料"（外部知识库），再基于检索到的权威信息生成答案，解决模型知识过时、幻觉、专业知识不足三大核心问题。RAG 就像给AI装上了“外挂大脑”。原生大模型只能依靠训练阶段学到的固定知识回答问题，而 RAG 可以让 AI 在回答问题前，先从外部知

内部会自动调度浏览器访问网页、运行代码脚本、读写文件等工具，自主拆解任务、规划执行链路，模拟人类操作流程，最后输出完整任务结果。简单来说：Manus 是成品云端工具；OpenManus 是开源的本地学习 / 二次开发版本。OpenManus 是社区开源实现的 Manus 复刻项目，把云端智能体能力迁移到本地环境。缺点：闭源，能力受官方限制，任务运行依赖云端服务器，无法本地修改底层逻辑。用户只需要输

Codex 可以通过 Skill 扩展自身的能力，我们可以使用来创建、编辑、改进和审计 AgentSkills，也可以使用它来创建我们自己的 Skill。

注意，这篇博客编写的 Skill，它的开发，测试和使用，涉及到python，需要你。python的安装，网上的教程很多，AI也能一步一步教你，我也就不在这里介绍了。开发环境：Vs Code使用Skill的Agent应用：Codex上一篇博客，介绍天气Skill的实战，Skill的安装，如何验证是否安装成功，我这里就不演示了。

注意，这篇博客编写的 Skill，它的开发，测试和使用，涉及到python，需要你。python的安装，网上的教程很多，AI也能一步一步教你，我也就不在这里介绍了。开发环境：Vs Code使用Skill的Agent应用：Codex上一篇博客，介绍天气Skill的实战，Skill的安装，如何验证是否安装成功，我这里就不演示了。

在 MCP 出现之前，大模型想要接入各类外部系统或工具，每一个大模型和每一套工具 / 系统之间，都要单独开发一套专属对接逻辑。✅真正的 MCP 主机软件（原生支持 MCP）Claude 桌面客户端、Cursor 编辑器打开软件设置，直接添加 MCP 工具，插上就能用。软件本身就是 MCP 主机，内部自带 MCP‑Client。那豆包、ChatGPT 网页版算不算 MCP 主机？普通用户用的豆包 A

在 MCP 出现之前，大模型想要接入各类外部系统或工具，每一个大模型和每一套工具 / 系统之间，都要单独开发一套专属对接逻辑。✅真正的 MCP 主机软件（原生支持 MCP）Claude 桌面客户端、Cursor 编辑器打开软件设置，直接添加 MCP 工具，插上就能用。软件本身就是 MCP 主机，内部自带 MCP‑Client。那豆包、ChatGPT 网页版算不算 MCP 主机？普通用户用的豆包 A