vLLM是一个高性能LLM推理系统，其核心优势在于高效的KV缓存管理、智能分批调度和多进程解耦架构。报告详细梳理了vLLM的安装部署、架构原理和性能优化方法。在安装方面，vLLM支持多种GPU/CPU平台，但对Windows仅限WSL方式；部署提供从Docker到Kubernetes等多种方案。架构上采用API Server、Engine Core和GPU Worker多进程设计，通过ZMQ通信实

vLLM是一个高性能LLM推理系统，其核心优势在于高效的KV缓存管理、智能分批调度和多进程解耦架构。报告详细梳理了vLLM的安装部署、架构原理和性能优化方法。在安装方面，vLLM支持多种GPU/CPU平台，但对Windows仅限WSL方式；部署提供从Docker到Kubernetes等多种方案。架构上采用API Server、Engine Core和GPU Worker多进程设计，通过ZMQ通信实

CrewAI = 用"角色扮演"的方式组建 AI 团队，让多个 Agent 像人类团队一样协作完成任务如果说 LangGraph 是手动画流程图，那 CrewAI 就是组建一个虚拟公司：你定义每个员工的角色、目标、技能，然后给团队分配任务，它们自己协作完成。你要做什么？"给一个 AI 几个工具让它回答问题"└─ LangChain create_agent ✅ （最简单）"自己精确控制每一步的执行

LangChain 1.0 进行了重大架构变革，全面转向Agent模式，核心特点包括：统一使用create_agent作为构建入口，简化API设计工具系统大幅简化，支持三种定义方式（Python函数、装饰器、社区集成）创新的Content Blocks机制统一多模型返回值格式中间件系统采用洋葱模型，提供6个生命周期钩子记忆机制本质是对话历史管理，支持全量/摘要/向量三种策略实战示例展示了多工具集成

本文通过工厂比喻形象解释了Python并发编程的核心概念：进程是独立厂房（内存隔离），线程是共享厂房的工人（需加锁防数据竞争），协程是单线程内的高效任务切换（避免线程切换开销）。重点分析了Python的GIL锁对多线程的影响，比较了多进程（CPU密集型）、多线程（I/O密集型）和协程（高并发I/O）的适用场景。详细介绍了线程安全问题和解决方案（Lock/Queue），深入讲解了asyncio的协程

魔术方法（Magic Methods）是 Python 类中前后各有两个下划线由 Python自动调用，无需手动触发；用于实现类的特殊行为（如实例创建、字符串表示、比较、算术运算等），让类的行为更像内置类型。# __len__：支持 len()# __getitem__：支持 obj[key] 获取元素# __setitem__：支持 obj[key] = value 设置元素# __contai

print("获取资源")return "资源对象" # 返回给 as 后的变量print("释放资源")# 可处理异常：返回 True 表示异常已处理，不向外抛出print(f"捕获异常：{exc_val}")# 使用print(f"使用 {res}")# 故意触发异常raise ValueError("出错了")with语句是语法糖，让资源管理代码更简洁、安全；上下文管理器的核心是__ente