帮我做一个成语故事的标题，比如负荆请罪千古典故 / 卧薪尝胆励志传奇，我会给你一个成语名字，你做的标题不能超过 10 个字井底之蛙。

Qwen-Agent的内置rag系统，默认基于BM25 关键词检索算法实现文档匹配，是轻量级内存式RAG，Assistant 传入files参数即激活内置 RAG，适合小批量文件处理。【内存加载流程】1、文档解析与分块doc_parser(qwen_agent\tools\simple_doc_parser.py)按文件后缀pdf、txt、docx等解析文件，按默认500字符将文本切分成多个文本块

Pileline是redis提供的一种批处理通信协议的能力，目的是节约网络传输时间。通过一次发送多次请求命令，从而减少网络传输的时间，Pipeline不具备事务性。原理如图:测试代码如下:（注意看输出结果，就明白了）

1、勾选适用于Linux的Windows子系统 或 Hyper-V(启用一个就可以，建议：适用于Linux的Windows子系统)参考链接：https://blog.csdn.net/u014650004/article/details/154840897。3、管理员运行powshell，执行如下命令，能看到相关开关状态，如果没开就去开下。4、至此，Docker Desktop 启动成功。

官网如下，下载对应的安装包下载影刀客户端-影刀RPA - 影刀官网下载影刀客户端。影刀支持各类操作系统，Windows、Mac、信创系统（如统信UOS、银河麒麟、Linux）、Android、网页等。

Vector (向量/语义检索, 如FAISS): 能够理解词语间的语义关系，即使查询词与文档用词不同，也能找到意思相近的内容。通过大模型将用户原始问题改写为多个语义等价、视角不同的查询，分别检索后合并结果，解决单一查询漏召回、用户表述不规范的问题。这个方案思路相当于用混合检索，比如检索了30个，再用Rerank模型精细匹配，提高召回精度。混合检索要快一些，rerank检索要慢一些，所以要先混合检

有时要下载图片，用于界面上，可到 "阿里矢量图标库" 下载，需要先 "登录"，下载图标很方便，也支持AI动态生成。网址：https://www.iconfont.cn/

1、注册key(注意：key有免费100万token额度，超出会产生费用2、安装dashscope SDK3、将key放到环境变量中。

让大模型能调用外部工具、函数，而非仅靠自身知识库回答问题。用户提问→模型判断调用函数→执行自定义函数→模型基于函数结果生成回答让模型分析用户问题，判断是否需要调用函数，并返回调用函数指令把自定义函数执行的结果传给模型，模型基于真实数据生成自然语言回答（比如 “大连当前温度 10 摄氏度，晴天，微风”）

word Embedding 将自然语言单个词向量化，转换完向量可以进行计算了(比如：相似度计算)。word2vec是一个简化版的embedding训练工具，训练时语料越多、质量越高，训练后的模型越准确。百炼平台、魔搭平台上有预训练好的embedding模型，可以直接使用，不用自己从头训练，图片和文字的embedding模型是不同的，意味着你不能用文字的embedding模型去处理图片。embed