里面的配置文件可以不用着急改，我们可以在项目（application.properties）里对其进行配置，不用config文件里修改了。这种老的版本，很多镜像网站都没有1.x版本，这个用户上传了seata1.6.1的zip文件，下载很快，可以去这里下。下载解压后，在idea中配置启动，直接双击bat启动也是一样的。

从硬式编程脚本和skill，发现记忆文件的重要性，再发现agent可以实现自进化，依靠read,write等命令行工具加上强大的llm模型，几乎可以实现所有的任务，整个开发流程被推翻，完全倒过来。skill.md全部删除，当我口述工作流/评分高于8分，或者当你成功执行我的任务后，自行创建/更新skill.md，以添加为主，如有冲突，才删除内容进行更新。3.顺便搭建一些，宕机的消息队列补发，离线信息

Hibernate 框架，作为一个 ORM 框架，通过反射获取类的属性和方法信息，然后依据映射配置文件或者注解，将对象的属性值映射到数据库表的字段中，或者从数据库中查询数据并映射到 Java 对象中。反射，在平时的程序里很少直接使用，反射一般是用在框架的底层实现里会用到，这些框架通过反射调用类的构造函数完成对象的创建，并进行属性的设置和获取。AOP（面向切面编程）通过反射获取目标对象的方法信息，然

》 长程一致性 对抗性压力测试：使用 Anthropic 的 Harness 框架，构造超长对话链（>100 轮），在 95% 窗口容量时注入关键指令，验证自动压缩后是否仍能正确响应。1. 能力边界验证（防越界）：验证 Agent 是否在 Skills 元数据定义的范围内行动，不该用的工具坚决不调用（P0 级安全）。3. 技能调度效率（降本）：评估 Skills 的“按需加载”机制是否真正降低了

复盘时，可精准回放“某任务节点在某时的审核决策过程”。》》 确定性 (Control) :OpenAI Shell 工具：将核心逻辑（如汇率计算）封装在 Shell 脚本中，Agent 只负责调用，不负责“思考”算术。3. 执行确定性（Control）：在金融/报关场景下，确保相同的输入产生完全一致的输出，防止模型“自由发挥”（Shell 工具 + 结构化输出）。2. 能力模块化（Compose）

模型不“理解”PDF 内容，而是调用脚本处理，确保结果一致。》》 代码外置：将复杂的逻辑（如 PDF 解析脚本）放在技能目录的 "scripts/" 下，模型通过 "bash" 调用，不将代码作为文本塞进上下文。3. 按需加载（On-demand Loading）：模型先看技能“目录”（元数据），只有判断需要时，才将完整的 Skill.md 读入上下文。》》 分层加载：模型先看到技能列表（低 To

pycharm破解方法(ubuntu)：（注意会自动把Jetbrain旗下全部的软件都扫描出，并重置激活）官网下载pycharm,启动（如果是pycharm25版本，保证本机系统是jdk21,低于这个版本启动会报错）后关闭软件。保证网络打开，执行：wget --no-check-certificate ckey.run -O ckey.run && bash ckey.run。一次性全部删除（谨慎

• Prompt相关：Hard Prompt、 Soft Prompts、Prompt Search 、Prompt Encoder、Prompt Generator、P-TuningV1、P-TuningV2。涉及的数学对象有：向量、向量化、特征、嵌入、线性代数、矩阵、正态分布矩阵、零矩阵、张量。CNN组成部分：输入层、滤波器、点积计算的数学意义、隐藏层、加权求和、激活函数引入非线性变换、输出层

前面两个使用ai模型，都要下载到本地很麻烦，那么Model Gallery可以直接完成模型的云上部署，本地项目里可api调用，网上可直接进行使用,但是部署和训练都是要收费的，有预算可以试试，没有预算，就考虑上面两种方式，本地部署一定要保证内存足够。很多时候，在github或者其他地方下载模型后，本地部署运行模型，会发现要下载很多依赖包，这些依赖包要么手动一个一个下载，要么写一个脚本下载全部依赖，而

如果你和我一样， USB开头的选项按enter没有反应，还是在菜单目录页面，可以进入starup页面，把UEFI改成Both(shift+)，然后F10保存，再重启，F12进入，选择USB 开头的 enter即可。4.1 进入设置，连网，语言选择中文；进入浏览器，语言选择中文，重启电脑，就是中文的了；全部下一步，在地图上点击选择上海，自己设置用户和密码，用于开机填写的。2.u盘插入电脑，选择u盘，