定义：在每一步选择中都采取当前状态下最好或最优的选择，从而希望导致结果是全局最优的算法。通俗理解就像吃自助餐，你每次都拿最贵的菜，希望最后吃回本就像找零钱，每次都拿最大面额的纸币类型经典题目贪心策略区间问题活动选择、无重叠区间按右端点排序分配问题分发饼干、分发糖果排序后从最小开始匹配跳跃问题跳跃游戏 I/II维护能到达的最远位置字符串处理划分字母区间、移除数字贪心选择边界数组处理加油站、股票买卖累

如果你在写新项目且追求功能强大、数据精确PostgreSQL的RETURNINGILIKE、原生JSON支持会让你爽到。如果你的项目是极简CRUD、高并发读为主、已经和MySQL适配好：继续用MySQL，但要小心自增ID事务回滚后跳号、间隙锁导致死锁这两个坑。

大数据是指无法用传统数据库工具处理的海量数据集合。Volume（大量）：数据量巨大（TB → PB → EB）Velocity（高速）：产生和变化速度快（实时流数据）Variety（多样）：数据类型多样（结构化、半结构化、非结构化）Value（价值）：价值密度低，但总量价值高Veracity（真实性）：数据质量参差不齐用Python模拟生成1GB数据（展示Volume）pythonimport c

python# 交叉熵损失：非常适合多分类任务（内部自动做了Softmax）# Adam优化器：结合了动量与自适应学习率，比纯SGD更鲁棒# 学习率 lr=0.001 是个经典起始值，weight_decay是L2正则化系数# 【进阶技巧】学习率调度器：每训练10个epoch，学习率乘以0.1，让模型在Loss plateau时继续下降。

每折轮流做测试集，其余做训练集，最终取平均性能。决策树通过一系列“是/否”问题（特征阈值）对数据进行分割，目标是使每个子节点的纯度最高（如信息增益最大或基尼系数最小）。print(f"斜率 w: {model.coef_[0]:.2f}, 截距 b: {model.intercept_:.2f}")print(f"平均: {scores.mean():.3f} ± {scores.std():.3

对比项浏览器端Electron桌面端Docker部署运行环境浏览器（Chrome/Edge等）独立桌面应用（自带浏览器内核）容器（任何支持Docker的系统）安装方式输入网址即可下载安装包（.exe/.dmg）安装Docker后拉取镜像运行系统权限❌ 受限（沙盒）✅ 完整（可读写文件、硬件）✅ 完整（但受容器隔离）更新方式服务端更新，用户无感知需重新下载安装包重新构建镜像，重启容器使用场景公开网站

文件系统路径（File URL）：以file:///开头的地址，直接指向你电脑硬盘上的物理文件（如file:///C:/Users/文档/报告.pdf它不经过网络，直接由操作系统读取磁盘。本地开发环境地址（Localhost）：指http://localhost:端口号或127.0.0.1。这是程序在你自己的电脑上运行时提供的访问入口，数据请求只在你的机器内部环回，不发出局域网或互联网。局域网私有

Tool（工具）是指AI大模型（LLM）可以调用的外部函数、API、脚本或服务，用于执行AI自身无法完成的任务，如查询数据库、发送邮件、调用计算器、控制物联网设备等。没有Tool的AI：像一位知识渊博但“四肢瘫痪”的学者——什么都知道，但什么都不能做。拥有Tool的AI：像一位配备了“机械手臂”的学者——不仅能思考，还能动手操作。核心转变：AI从信息提供者进化为任务执行者。原则说明Tool描述要清

Context（上下文）是指在与AI交互时，提供给AI的所有背景信息、历史对话、环境状态和隐含条件的总和。它是AI理解和生成回答的“土壤”和“参考系”。对人类：上下文是对话的背景、前因后果、共同经历。对AI：上下文是它在生成下一个Token时所能“看到”的所有信息。原则说明主动管理Context开启新话题时，主动开启新会话，避免旧Context干扰控制Context大小长对话中用摘要替代完整历史，

Skill是指为AI大模型（LLM）预先封装好的、可复用的专业化能力模块。它通常包含一组特定的Prompt模板、知识库、工具调用逻辑和工作流，让AI能够在某个垂直领域（如编程、法律、医疗）表现得像一位专家。Skill = 专业Prompt + 领域知识 + 工具能力 + 工作流编排。对比维度普通PromptSkill形式一段自然语言指令封装好的模块（含Prompt、工具、逻辑）复用性每次需要重新编