数据库管理系统（DBMS）是管理和操作数据库的软件系统，核心功能包括数据定义（DDL）、操作（DML）、控制（DCL）以及运行管理。DBMS分为关系型（RDBMS）和非关系型（NoSQL）两大类，前者如MySQL、Oracle，后者如MongoDB、Redis。RDBMS基于表结构，支持SQL和ACID事务；NoSQL则灵活支持键值、文档、列族和图数据模型，适合高扩展场景。DBMS通过数据结构化、

参数高效微调（Parameter Efficient Fine Tuning, PEFT）是在微调大模型时仅更新少量参数的技术，通过冻结大部分原始权重，仅训练添加的适配器层、低秩矩阵或特定参数子集，大幅降低计算和存储成本，避免灾难性遗忘，实现高效适配新任务，典型方法包括LoRA、Adapter、Prefix Tuning等。

Transformer是Google在2017年提出的革命性深度学习模型，完全基于自注意力机制处理序列数据，摒弃了传统的RNN和CNN结构。其核心优势包括解决长距离依赖问题、实现并行计算，成为GPT、BERT等大语言模型的基础架构。Transformer由编码器和解码器组成，采用多头注意力机制、残差连接和层归一化等技术。输入处理包含词元化和向量化两个关键步骤，现代大模型主要使用BPE、WordPi

摘要： 智能体（Agent）是以大语言模型（LLM）为核心，具备自主感知、决策与行动能力的AI实体，其运行机制遵循“感知-思考-行动-观测”闭环。智能体通过记忆模块（短期/长期）、感知模块（多模态输入）、工具模块（扩展能力）和规划模块（任务拆解与反思）协同工作，实现动态决策。与固定流程的工作流不同，智能体具有高度灵活性和目标导向性，擅长处理复杂多变的任务。未来，智能体与工作流将深度融合，形成更强大

MCP（Model Context Protocol，模型上下文协议） 是由Anthropic公司（Claude模型的开发商）在2024年11月推出并开源的一种开放协议标准。它旨在标准化应用程序如何为大型语言模型（LLMs）提供上下文信息，可以形象地理解为"AI应用的USB-C接口"，为大模型连接各种数据源和工具提供了统一标准，使 LLM 能够连接各种数据源和外部工具，从而实现跨模型、跨平台无缝地

Skills（技能）是一种标准扩展规范，最早由Anthropic公司在2025年10月16日正式推出，作为Claude大模型的能力扩展机制。如今已成为AI Agent开发的行业标准，被微软Azure、GitHub Copilot等主流平台广泛支持。Skills是将"操作性知识"封装为模块化单元的技术架构，不仅仅是提示词集合，而是包含指令、执行脚本、参考资料和资产模板的完整软件工件。简单的说，Ski

messages在实际项目中，无论你是在开发客服助手、文案生成系统、知识库搜索引擎，还是构建多模态 Agent，理解并掌握这些参数的调优技巧，是将大模型从“能跑”到“好用”的关键一步。

本次我们搭建的Redis集群设计为3台服务器，包含3主3从共6个Redis节点，每个服务器包含1主1从2个Redis节点，分别为master 1、slave1；创建集群，使用create创建，cluster-replicas指定从节点个数，前3个节点为master，后3个为则从节点。将Redis安装包上传到linux服务器并解压，可以通过FTP工具连接上传，这里我上传到了/home/redisad

Skills（技能）是一种标准扩展规范，最早由Anthropic公司在2025年10月16日正式推出，作为Claude大模型的能力扩展机制。如今已成为AI Agent开发的行业标准，被微软Azure、GitHub Copilot等主流平台广泛支持。Skills是将"操作性知识"封装为模块化单元的技术架构，不仅仅是提示词集合，而是包含指令、执行脚本、参考资料和资产模板的完整软件工件。简单的说，Ski

MCP（Model Context Protocol，模型上下文协议） 是由Anthropic公司（Claude模型的开发商）在2024年11月推出并开源的一种开放协议标准。它旨在标准化应用程序如何为大型语言模型（LLMs）提供上下文信息，可以形象地理解为"AI应用的USB-C接口"，为大模型连接各种数据源和工具提供了统一标准，使 LLM 能够连接各种数据源和外部工具，从而实现跨模型、跨平台无缝地