Streamlit纯 Python 快速开发工具，不用写前端代码，自动生成网页，面向数据分析师 / 算法工程师，追求开发速度，牺牲前端性能。React专业前端框架，用 JS/TS 编写，高度自定义，面向前端工程师，追求交互体验、性能、流畅度。

大模型处理文本的最小基础单位，不是单纯汉字 / 单词，是模型词表预拆分后的片段，英文、中文拆分规则不同。模型单次推理能同时读取、记忆、参考的最大 Token 总容量，等同于模型的短期工作记忆上限。控制模型生成文字的随机发散程度，取值范围0.0 ~ 2.0，默认 1.0，底层通过缩放预测分数 logits 调整概率分布。动态截断候选词池：将所有预测 Token 按概率从高到低累加，只保留累积概率总和

简单来说，std::map（C++）或者类似的 Map 结构（如 Python 中的 dict、Java 中的 HashMap），就像是一个特殊的字典。它不像数组那样用 0, 1, 2... 的数字作为下标，而是允许你用任意类型的数据作为索引来找到对应的数据。这个“索引”就是键，找到的“数据”就是值。为什么使用map容器？如果你的数据只是单纯的一排数字，用vector或数组就够了。但如果你需要通过

【代码】Python五类数据容器的对比和通用方法。

大模型本身仅擅长文本生成、推理、总结、理解，没有实时联网、计算、操作外部软件、查询数据库、控制硬件的能力。工具调用是一套协议：大模型识别用户需求后，自动生成结构化函数参数，交给程序去调用外部工具，拿到工具返回结果后，再由大模型整合答案输出给用户。简单流程：用户提问 → LLM 判断需要工具 → 输出工具调用 JSON → 后端执行工具（搜素 / 计算器 / 数据库）→ 工具返回数据 → LLM 整

obsidianPython 多进程（）中，—— 修改一个进程里的数据，绝对不会影响其他进程。每个进程都有自己独立的栈、堆、全局数据区，互不共享。

关键字参数。

【代码】Python五类数据容器的对比和通用方法。

引入：在pymysql中，查询函数fetchall（）返回值是一个元组，？1. 元组，保护查询数据不被篡改3. 语义匹配：数据库行是「固定结构数据」针对2，为什么元组开销比列表小且性能更高？这是一个非常棒的深入提问！元组（tuple）的开销比列表（list）小，。len()

Python 没有严格的。