文章摘要：本文系统梳理了大模型API调用全流程，分为8个关键阶段：权限校验、上下文组装、Token预算、模型路由、供应商调用、响应解析、状态回写和观测告警。重点解析了流式处理技术，包括SSE/WebSocket协议选择、异常处理（断流/重连/超时）和结构化输出挑战。针对生产环境，详细讨论了错误重试策略（网络错误可重试、429需谨慎）、多维度限流机制（TPM+RPM+并发控制）和幂等设计必要性。最后

本文系统介绍了大语言模型(LLM)的核心概念与技术要素。主要内容包括：1)LLM的基本工作原理（自回归生成、Tokenizer处理机制）；2)关键参数指标（上下文窗口、Token成本计算）；3)生成控制技术（Temperature、Top-k/p采样）；4)扩展架构（RAG系统组成及作用）；5)性能指标（TTFT、流式输出）及6)常见问题（幻觉现象、上下文溢出）。文中详细阐述了各技术组件的交互关系

Function Calling 是模型侧的工具调用意图生成机制，重点是“自然语言如何变成工具名和参数”。大语言模型在理解用户意图后，不是只生成自然语言回答，而是根据预先定义好的函数/工具说明，判断是否需要调用某个外部函数，并生成符合该函数参数格式的调用请求。输出给人看没问题，程序解析直接失败。服务端先注册工具定义，模型根据用户请求生成工具名和参数，业务侧校验参数并执行真实工具，再把工具结果回填给

数据库或其他数据源后，系统把问题转成受控工具调用：读取结构、生成并执行查询、完成统计分析、选择图表、导出。、消息、命令、数据源、预览、流处理、设置、任务、会话、自动保存、更新、检查点、面板等模块。真正决定能否进入生产的，不是再增加多少模型或图表，而是能否把业务口径、数据权限、把长流程拆成进度、思考、工具调用、工具结果、最终回答等事件，前端无需等待整段任务完成。内置模型并不完全一致。记录工具名、耗时

Agent loop 就是 Agent 完成任务时不断重复的一套流程：先接收用户目标，然后观察当前上下文，思考下一步该做什么，如果需要就调用工具，拿到工具结果后再判断任务是否完成；A2A 协议就是一种让不同 Agent 之间能够互相发现、通信和协作的标准协议：一个 Agent 可以把任务交给另一个更擅长的 Agent，传递上下文、请求能力、接收结果，并继续完成后续流程。任务完成后，Agent 启动

本文详细记录了一个基于Qwen3-8B模型的本地微调实验项目。在Windows+RTX3060环境下，作者完成了从基座模型评测、SFT数据构造、LLaMA-Factory安装配置、4-bit QLoRA训练到LoRA推理验证的完整闭环流程。项目重点解决了PowerShell编码、CUDA环境、HuggingFace离线加载等工程问题，通过两轮实验发现：小样本微调并不总能提升模型性能，训练loss下

文章摘要：本文系统梳理了大模型API调用全流程，分为8个关键阶段：权限校验、上下文组装、Token预算、模型路由、供应商调用、响应解析、状态回写和观测告警。重点解析了流式处理技术，包括SSE/WebSocket协议选择、异常处理（断流/重连/超时）和结构化输出挑战。针对生产环境，详细讨论了错误重试策略（网络错误可重试、429需谨慎）、多维度限流机制（TPM+RPM+并发控制）和幂等设计必要性。最后

存储过程是数据库内置的一种编程语言，它将SQL语句与过程化编程特性（如变量、条件判断、循环等）结合，实现复杂的数据操作。存储过程存储在数据库中，一次编译永久有效，客户端通过名称调用。其优点在于执行效率高，尤其适合大数据量场景；缺点是移植性差、编写维护困难。文章详细介绍了存储过程的创建、调用、查看和删除方法，并讲解了变量、控制语句（IF、CASE）、循环（WHILE、REPEAT、LOOP）以及游标

摘要：本文系统介绍了MySQL数据库优化的四个层面：SQL查询优化（优化语句和索引）、库表结构优化（规范设计和索引调整）、系统配置优化（参数调优）和硬件优化（设备升级）。重点讲解了SQL性能分析工具的使用，包括全局状态查询、慢查询日志、show profiles和explain执行计划分析。详细阐述了索引优化原则（如最左前缀法则、避免索引失效）和其他优化技巧（如order by、group by、

摘要： 本文系统介绍了Prompt工程的核心要素与优化方法。四要素框架（角色、任务、上下文、格式）构成Prompt设计基础，通过角色扮演、思维链（CoT）、少样本学习等技巧提升生成质量。调试步骤强调单变量修改与回归测试，复杂任务处理建议拆解为链式提示或结构化输出（如JSON/XML）。针对安全风险（Prompt注入、越狱），提出输入清洗、上下文隔离、输出校验的三层防护策略，并推荐提示词路由实现任务