打开Cursor，Ctrl + Shift + P，搜索并点击“Install from VSIX”如果C++，发现无法跳转到函数定义，解决方案，把cursor自带的c/c++插件删了。开启vibe coding氛围编程吧~实现从开发者->审核员！挑一个C/C++的扩展插件，下载，重启cursor，即可。

我们之前在说嵌入型模型将文本->向量，聊过RAG技术。所以为啥要有RAG技术呢？看完一下场景就知道了：对于【AI 大模型】来说，它最擅长的是语义理解和文本总结，最不擅长的就是获取实时的信息。因为大模型的训练数据是有截止日期的！对于【搜索引擎】来说，它最擅长的就是获取实时的信息，缺点是信息分散，每次都需要人为进行总结。所以如果我们能把【AI 大模型】+ 【搜索引擎】，那么就是给 AI 配备了⼀个活字

我们之前学的嵌入式模型，如果两个输入语义相似，那么在数学上他们的直接距离/余弦角是相近的，我们可以用数学衡量，而这里我们借助embedding API interface。⼀旦我们有了示例数据集，就需要考虑提示中应该有多少个示例。就像我们刷视频，语义相似性就是根据我们的喜爱，刻画画像，精准推荐给用户最喜欢的，而MMR，则会推荐用户喜欢的视频的前提下，还会推荐一下其他方面的，以免“在 LangCha

少样本提示是⼀种通过向 LLM 提供少量具体示例或样本，来教会它如何执行某项特定任务的技术。这里需要再区分一下，提示词模版，是为了方便我们的，让我们更好维护和管理，复用性更高，少样本提示模版是有利于LLM的，为了让模型的准确性更好，针对的角色是不同的。我们这里为啥不用聊天提示词模版了，一般聊天提示词模版是用于聊天对话的，当然也可以用，不过这种文本，直接使用PromptTemplate即可。"inp

我们将使用 StrOutputParser 来解析模型的输出，将 AIMessage中的消息，提取content,但是如果我们想自定义输出解析的格式，可以吗？当然可以，这就是LangChain的强大之处，支持我们自定义组件，并且解耦合式的连接进来。聊天模型的 .stream() ⽅法返回的是⼀个迭代器，该迭代器在⽣成输出时同步产生输出 消息块。那么我们的将实现的这些生成器的签名 是 Iterato

Runnable 接口定义了一个标准的接口，允许Runnable 组件进行Invoked（调用），Batched（批处理），Streamed（流式传输）1.幻觉问题，在使用LLM的时候，可能会发现，LLM开始回答的不合理了；对于 LangChain，它给我们提供了链式执行的能力，即我们只需要定义各个“组件”，将它们“链起来”，一次性执行即可得到最终效果。5.实效性问题，大模型的训练是有截止日期的，