架构优化：前端拾音+后端纯服务，彻底消灭PyAudio声卡硬件报错；权限最优解：Hosts配置.local内网域名，不用给所有访客安装证书、修改浏览器配置；协议严格区分：http对应ws，https对应wss，避免二进制音频被浏览器拦截；完善异常捕获，解决Windows套接字10054强制断开警告；增加静音自动清空字幕逻辑，大幅提升流式识别体验。

所有 AI 大模型的 API 调用，不管是通义千问、ChatGPT、豆包，还是其他任何 AI 模型，底层都是用 requests 库来实现「发问题、收答案」的，这是 AI 行业最通用、最核心的基础技能，没有之一。大白话版：requests 就是 Python 里专门用来「让你的电脑和互联网服务器对话」的工具，相当于你电脑里的「微信 / 外卖 APP」。互联网上的服务器（比如通义千问的大模型服务器、

‌豆包青训营‌是由字节跳动和稀土掘金社区共同发起的技术培训和人才选拔项目，主要面向在校大学生。该项目的目标是培养具有职业竞争力的优秀开发工程师，并提供全程免费的课程，不收取任何费用‌。

通义向量模型是阿里云通义千问团队推出的、专门针对中文语义优化的文本向量模型，是国内企业级 RAG 项目的主流选型之一，你可以把它理解成「中文语义理解能力拉满的国产向量生成工具」。通义向量模型的核心作用也是：把中文文本转换成代表语义的固定长度数字向量，实现「语义越像、向量越近」的精准匹配，是 RAG 系统精准检索的核心底层技术。原因：你后面用的 cosine_similarity 相似度计算函数，一

通义向量模型是阿里云通义千问团队推出的、专门针对中文语义优化的文本向量模型，是国内企业级 RAG 项目的主流选型之一，你可以把它理解成「中文语义理解能力拉满的国产向量生成工具」。通义向量模型的核心作用也是：把中文文本转换成代表语义的固定长度数字向量，实现「语义越像、向量越近」的精准匹配，是 RAG 系统精准检索的核心底层技术。原因：你后面用的 cosine_similarity 相似度计算函数，一

导致向量模型生成的向量语义混乱，检索效果极差。

RAG = 给大模型（比如 ChatGPT、豆包、开源大模型）外挂了一个你自己的私有知识库，让大模型能精准、无差错地回答你私有数据里的内容，不会瞎编、不会用过时的知识。大模型是一个超级会说话、会总结的「秘书」，但她的知识是固定的、过时的，而且完全不知道你电脑里的 PDF、文档、笔记这些私有内容RAG 就是你给这个秘书配的一个专属智能文件柜 + 精准检索神器，你把自己的所有文档、PDF、笔记都放进这

RAG = 给大模型（比如 ChatGPT、豆包、开源大模型）外挂了一个你自己的私有知识库，让大模型能精准、无差错地回答你私有数据里的内容，不会瞎编、不会用过时的知识。大模型是一个超级会说话、会总结的「秘书」，但她的知识是固定的、过时的，而且完全不知道你电脑里的 PDF、文档、笔记这些私有内容RAG 就是你给这个秘书配的一个专属智能文件柜 + 精准检索神器，你把自己的所有文档、PDF、笔记都放进这

RAG = 给大模型（比如 ChatGPT、豆包、开源大模型）外挂了一个你自己的私有知识库，让大模型能精准、无差错地回答你私有数据里的内容，不会瞎编、不会用过时的知识。大模型是一个超级会说话、会总结的「秘书」，但她的知识是固定的、过时的，而且完全不知道你电脑里的 PDF、文档、笔记这些私有内容RAG 就是你给这个秘书配的一个专属智能文件柜 + 精准检索神器，你把自己的所有文档、PDF、笔记都放进这

这些参数不是必须填的，但是学会了之后，你就能像「遥控器」一样，精准控制大模型的回复，让它完全按你的要求来，这是从「会调用」到「会用好」的关键。大白话含义：就像你和大模型的微信聊天框，里面的每一条消息，都要告诉大模型「是谁发的、发了什么内容」，大模型会根据完整的聊天记录来回复你。大白话含义：就像你给大模型定的「停止信号」，只要大模型的回复里出现了你设置的这个词，就会立刻闭嘴，不再继续说下去，精准控制