memory包含的有短期记忆和长期记忆，短期记忆就是当前运行的历史对话，运行在ram中的，长期记忆包括有向量数据库，本地文档，长期存在的，可以远程调取，或者是跨服务器调取。Memory 和 RAG 有什么区别？工具失败时 Agent 怎么恢复？而rag只能是本地检索使用。

使得知道当前结果与实际结果差距有多大，好比投球时的得分板，在机器学习的世界里，损失函数就是得分板，如果没有，就不知道自己得分多少，像在黑暗中学习，回归问题用均方误差，分类问题用交叉熵损失。使用优化器是为了找到最短的路径使得损失最小化，不同的优化器是不同的向导。然后就跑不了反向传播，反向传播是在前向网络传播之后进行的，可以调整权重和偏执，从而减少损失函数的值。现在可以凭借现有的工具构建神经网络，py

与llamaindex结合的比较好，指标是3个指标，测试问题自己准备。指标超过9个，与langchain结合的比较好，端到端测试流程。开源工具：trulens。

其就是一个本地版的ai编程助手。看代码，跑代码，跑命令，检查项目状态，记录会话，出错后回滚修改，查看之前做了什么！需求 / 痛点对应功能逻辑执行技术实现如果没有会怎样想让 AI 真正帮我开发读取项目、分析代码、调用工具、执行命令、返回结果Python CLI、Agent Loop、工具调用系统、模型 Adapter只能聊天，不能真正操作本地项目想快速跑一次任务输入一句任务，执行一次后退出Headl

其就是一个本地版的ai编程助手。看代码，跑代码，跑命令，检查项目状态，记录会话，出错后回滚修改，查看之前做了什么！需求 / 痛点对应功能逻辑执行技术实现如果没有会怎样想让 AI 真正帮我开发读取项目、分析代码、调用工具、执行命令、返回结果Python CLI、Agent Loop、工具调用系统、模型 Adapter只能聊天，不能真正操作本地项目想快速跑一次任务输入一句任务，执行一次后退出Headl

提供兼容 OpenAI API 协议的极简服务端，便于接入 FastGPT、Open-WebUI 等第三方 Chat UI，并支持 reasoning_content、tool_calls、open_thinking。覆盖 Pretrain、SFT、LoRA、RLHF-DPO、RLAIF（PPO / GRPO / CISPO）、Tool Use、Agentic RL、自适应思考与模型蒸馏等完整训练

1.构建基础的查询系统，结果不是很靠谱，因为没有重排序；后续需要增加重排序模型；提示词的依赖是有限的，模型比较好提示词就比较好。最好的方式就是重排序与数据库内容进行匹配检索，确定其相似度，所以是重点 2.huggingface推理引擎很慢？所以选择vLLM进行推理。

1.构建基础的查询系统，结果不是很靠谱，因为没有重排序；后续需要增加重排序模型；提示词的依赖是有限的，模型比较好提示词就比较好。最好的方式就是重排序与数据库内容进行匹配检索，确定其相似度，所以是重点 2.huggingface推理引擎很慢？所以选择vLLM进行推理。

我有几十张.jpg图片放在这个文件夹里： E:\makedata_set\images 帮我随机提取20%的图片出来 其中的70%放在这个文件夹里： E:\makedata_set\xz_dataset\images\train 其中的30%放到这个文件夹里： E:\makedata_set\xz_dataset\images\val 注意要把文件移动出来。浏览器搜索roboflow，选择使用的对