以 deepseek r1 模型为例：访问https://ollama.com/library/deepseek-r1，默认为 7b 模型，如需其他模型，可以在当前页搜索所需模型模型详情页复制安装命令ollama run deepseek-r1安装完成后在终端执行：

RAG系统通过引入知识库，扩展了LLM对专业领域和实时信息的支持能力，使其在回答专业问题时更加准确高效。

需要Nvidia显卡，至少8G显存，且专用显存与共享显存之和大于20G建议将非安装版的环境文件都放到非系统盘，方便重装或移植以Windows11为例，非安装环境文件都放在 E 盘下

由于模型具有固定的上下文长度（token限制），因此用户和大模型之间的对话（其中整个对话都包含在上下文窗口中）不能无限期地继续。其实就是history的对话信息，不能都放进去。对于这种情况给的两种结局方案总结对话中的前几个回合。一旦输入的大小达到预定的阈值长度，这可能会触发一个查询，该查询汇总了过去的部分会话的摘要，并且可以这个摘要作为系统消息的一部分。或者，可以在整个对话的后台异步总结先前的对话

MCP 协议 指的是 模型上下文协议 (Model Context Protocol)。 以下是关于 MCP 协议的一些关键信息：定义： MCP 是由 Anthropic 提出的一个开放标准，旨在标准化人工智能应用程序（如聊天机器人、IDE 助手或自定义代理）与外部工具、数据源和系统之间的连接方式。你可以将其理解为 AI 集成的 USB 接口。

上下文工程是构建可靠LangChain Agent的核心技术，通过精细化治理模型调用与工具执行间的数据流动。文章从数据来源(运行时上下文、状态和存储)和生命周期(瞬态和持久上下文)两个维度展开，介绍了如何动态调整System Prompt、过滤工具以及实现自动总结等持久化机制。实践建议包括先静态后动态、区分临时与永久上下文、标准化格式和监控Token消耗，最终目标是构建既聪明又稳重的智能体，解决生

上周，我给一家企业实施AI Agent应用时，对方的项目总监悄悄问我：“K总，我听说这个Agent上线后，会裁掉90%的员工，是真的吗？”听到这一类问题，我一点也不惊讶，“AI焦虑”已经成为一种普遍社会现象。但要想全面深入地回答这个问题，就会涉及到Agent的发展阶段、核心组成、类型划分、以及当前面临的种种不足等等，不是一两句话就能说得清，下面通过这篇文章，好好剖析一下这个问题。

文章详解AI三大核心概念：Agent（自主决策AI程序）、Workflow（固定流程自动化工具）和MCP（AI调用外部能力协议）。三者互相配合：MCP解决连接问题，Workflow串联任务，Agent处理复杂决策。文章分析各自特点、适用场景及组合方式，帮助开发者根据需求选择合适架构，为AI应用开发提供指导。

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单，这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张，也让人才供需矛盾愈发突出。

本文介绍了基于大语言模型（LLM）的AI Agent技术及其应用。LLM Agent由规划、记忆、工具和行动四大模块组成，能够模拟人类思维过程完成复杂任务。重点探讨了LLM Agent与检索增强生成（RAG）技术的结合，展示了如何构建财报分析Agent系统，包括需求分析、架构设计、数据获取、知识检索等关键环节。文章还指出AI人才需求激增的市场现状，并提供了大模型学习资源包，包含视频教程、技术文档、