组件作用视觉编码器将图像转成视觉向量文本编码将文字转成语言向量融合层/投影将视觉向量映射进语言空间Transformer（交叉注意力）实现文字与视觉之间的信息交互联合预训练让模型学会图文之间的深层联系通过这种组合，Qwen‑VLM 能够在同一个 Transformer 内部处理和融合视觉与语言信息，实现联合理解与生成。

工具元数据 & 注册表意图识别 + 工具路由层模型结构化输出（纯描述，不执行）执行层（运行工具 + 并发 +错误治理）计划/执行分离 + 失败回环逻辑上下文与状态管理系统安全、审计、监控、可控性保障层。

工具少、快速原型→ 直接用。工具多、复杂流程、容易出错→ 用bind_tools + LangGraph 自定义节点，结合：动态筛选工具异步执行 + 超时控制异常捕获 + 重试结果回馈模型（近似 ReAct 循环）ReAct 是快速上手的方案，bind_tools 是工业级可控方案。当你有 200+ 工具和可能出错时，推荐自定义 LangGraph + bind_tools。

AI编程工具不会取代程序员，但会用AI的程序员会取代不用AI的程序员。选择哪款工具，其实是在选择你与AI协作的方式。是让AI做你的副驾驶（Copilot），还是成为你的结对程序员（Cursor/Trae），抑或是交付任务的项目经理（Claude Code）？

空间注意力可使神经网络更加关注图像中对分类起决定作用的像素区域而忽略无关紧要的区域，通道注意力则用于处理特征图通道的分配关系，同时对两个维度进行注意力分配增强了注意力机制对模型性能的提升效果。（1）Squeeze：通过全局平均池化（nn.AdaptiveAvgPool2d(1)），将每个通道的二维特征（H*W）压缩为1个实数，将特征图从 [h, w, c] ==> [1,1,c]，得到channe

AI编程工具不会取代程序员，但会用AI的程序员会取代不用AI的程序员。选择哪款工具，其实是在选择你与AI协作的方式。是让AI做你的副驾驶（Copilot），还是成为你的结对程序员（Cursor/Trae），抑或是交付任务的项目经理（Claude Code）？

安装 Git（可选）安装 Node安装 Claude Code。

遵循规范是基础：无论内部使用还是开源，建议遵循SKILL.md+ 文件夹的规范，这能让你无缝接入社区生态（如 LangChain 官方 Skills）-3-8。从单技能开始验证：可以先让 LangGraph 调用一个简单的 Skill 走通流程，再逐步增加 Skills 数量和路由决策的复杂度。善用检查点：利用或实现任务的断点续传和对话记忆，这对长任务场景非常重要-4。

遵循规范是基础：无论内部使用还是开源，建议遵循SKILL.md+ 文件夹的规范，这能让你无缝接入社区生态（如 LangChain 官方 Skills）-3-8。从单技能开始验证：可以先让 LangGraph 调用一个简单的 Skill 走通流程，再逐步增加 Skills 数量和路由决策的复杂度。善用检查点：利用或实现任务的断点续传和对话记忆，这对长任务场景非常重要-4。

编译它需要 PostgreSQL 的开发环境（pg_config工具），但 AutoDL 容器默认没有安装 PostgreSQL。