本节将分享一下学习游戏开发中素材/学习网站，以及使用Visual Studio使用Cocos2dx引擎的基本操作。一. 学习网站1. 学习手册Cocos2dx用户手册https://docs.cocos.com/cocos2d-x/manual/zh/这里面主要介绍了Cocos2dx的基本知识，比如精灵，动作，场景，是最适合新手入门的学习打卡地了。（ps:网站右上角可以调整Cocos2dx版本）图

本文探讨提升大模型生成Mermaid语法图的准确率。通过两个优化方向：1）优化提示词降低初次生成错误率（从12%降至5%）；2）开发实时校验修复方案。重点介绍使用Mermaid官方API和JSDOM构建Node环境校验器，解决DOMPurify兼容性问题，最终通过补丁修改实现100%修复成功率。测试数据显示初始错误率4%，经修复后全部成功，为Mermaid图生成提供了可靠解决方案。

在使用llama_index进行内容提炼、文章总结时，我们可以通过设置不同的ResponseMode来控制生成响应的结果。

元组是一种固定长度、不可变的Python对象序列。定义：最简单的方法是用逗号分隔，复杂的表达式需要通过括号将值包起来。# 定义1：简单元组 tup = 4 , 5 , 6 # 定义2：生成元素是元组的元组 nested_tup =(4 , 5 , 6) ,(8 , 9)获取：元组的元素可以通过中括号[]获取，从0开始。不变特性：各位置上的对象是无法被修改的。与元组不同，列表的长度是可变的，包含的内

本次测试中，global的测试输出不够理想。但是local的输出十分nice。简单的如果不是local和global的含义错了，即便是local的似乎也能进行全局性总结？local的生成基于更加细致的节点，比global的生成更加自然。如果以博客内容为准，也可能是因为复用同一个处理摘要总结时候的prompt，但是GPT4和豆包对这个prompt的响应敏感程度和生成倾向不同。

多智能体系统 (Multi-Agent System, MAS) 是由一群具有一定自主性、协同性和学习能力的智能体组成的系统。智能体在环境中相互协作，以达到某种目标或完成特定任务。概念: Environment 是多智能体系统中的一个核心概念，类似于强化学习中的环境。它为智能体提供了一个交互和通信的平台。组成desc: 描述环境信息。roles: 指定环境中的角色及其状态。members: 表示环

首先，我们需要创建一个自定义的 LLM 类来封装大语言模型的调用。CustomLLM,@property通过以上步骤，我们实现了一个基础的 LLM 工具调用和 RAG 系统。执行基础的数学运算查询数据库解析和检索 Markdown 文档回答基于知识库的问题你也可以基于这个框架，根据自己的需求扩展更多功能。

在使用llama_index进行内容提炼、文章总结时，我们可以通过设置不同的ResponseMode来控制生成响应的结果。

定位：Datawhale AI 夏令营 第四期 Task1 笔记内容：小结实践顺序 + 记录过程疑惑点。

本节将分享一些1. Cocos2dx开发中VS（通用）基本操作2. 常见问题的Debug操作（非断点调试）Cocos2d-x 版本：3.17.2目录一. 基本操作1. 快速查看对应的函数声明（Ctrl+点击）2. 快速查找/替换（Ctrl+F）3. 查看所有引用（Fn+Shift+F12）4. 格式化输出5. 监听事件点击按钮触发鼠标点击事件键盘事件二. 常见问题1. Debug常规操作编译时出错