如果没有 Compose ，要运行一个由多个容器组成的应用（比如一个 Web 应用 + Redis + MySQL），每个微服务都需要手动启停、配置他们的端口映射、网络连接。在容器启动时，Docker 会在镜像的最顶层自动添加一个可写容器container作为可写层，所有对容器的修改，都只发生在这个可写层中。，我们可以从上面拉取镜像到本地，也可以把我们的镜像推送上去，如果你不希望把自己的镜像放到公

容器化技术是一种轻量级的操作系统虚拟化方法，它允许你在一个隔离的环境中打包和运行应用程序及其所有依赖项(Web应用、数据库、消息队列)。这个隔离环境被称为虚拟机：在你的物理机上，通过一个叫的虚拟化管理软件，模拟出 CPU、内存、硬盘等硬件，然后在这些虚拟硬件上安装一个容器化技术，也不需要安装独立的操作系统。它直接共享宿主机的操作系统内核，仅仅在进程级别通过 Linux 的Namespace（命名空

每个agent仅与一部分agent进行通信。流程的某些部分是确定性的，只有部分agent可以决定接下来要调用哪些其他agent。

大模型微调 (Fine-tuning)是指在已经训练好的预训练模型基础上，利用特定领域的数据集进行二次训练，以使模型能够更好地适应特定任务或行业需求的过程预训练：让大模型知道整个世界的所有背景知识，各学科、各行业的。微调：预训练模型是一个非常大的、泛化的模型。通常这时候我们需要用微调方式来让它补充获得更多的行业专业知识通俗一点来讲，微调就是当你有了一些“独特”的数据。如果这些数据：满足你的独特需求

由于MySQL服务器中的数据需要存储在数据表中，而数据表需要存储在对应的数据库下，并且MySQL服务器又可以同时存在多个数据库，因此在对数据和数据表进行操作前需要选择数据库。在MySQL数据库中，所有数据都存储在数据表中，如果要对数据进行添加、查看、修改、删除，首先需要在指定数据库中准备一张数据表。向数据表中添加数据，数据添加操作分为两种：一种是为所有字段添加数据，一种是为部分字段添加数据。值得一

retry_chain：重试链，让这个chain重新尝试生成（补全）内容（retry_chain可以包含数据处理+Prompt + LLM + OutputParser 的完整组合）=(stop_after_delay(10) | stop_after_attempt(5))：组合条件，最多尝试5次和最多重试10秒。：api调用（失败）、搜索引擎（超时）、数据库（限流），每一个外部服务都存在相应的

MCP模型上下文协议（MCP）是一个标准化的人工智能应用架构框架，它通过客户端-服务器模式实现AI系统与外部数据源、工具和服务的高效交互。MCP解决了LLM与外部世界隔绝的问题，避免了为每个数据源单独开发工具的工作量。其核心架构包括：MCP主机、客户端和服务器，其中服务器将工具、资源和提示词封装为标准能力供客户端调用。MCP协议底层包含基于JSON-RPC的消息规范和多种传输方式（如stdio和H

MCP模型上下文协议（MCP）是一个标准化的人工智能应用架构框架，它通过客户端-服务器模式实现AI系统与外部数据源、工具和服务的高效交互。MCP解决了LLM与外部世界隔绝的问题，避免了为每个数据源单独开发工具的工作量。其核心架构包括：MCP主机、客户端和服务器，其中服务器将工具、资源和提示词封装为标准能力供客户端调用。MCP协议底层包含基于JSON-RPC的消息规范和多种传输方式（如stdio和H

修剪或删除消息的问题在于，可能会因剔除消息队列而丢失信息。因此，一些应用程序受益于一种更复杂的方法，即使用聊天模型来汇总消息历史记录。是 LangGraph 提供的一个预置节点，专门用于在对话过长时自动将历史消息压缩为摘要，从而解决 LLM 上下文窗口超限的问题虽然不是一个函数，但是它是一个可调用对象；这个类中实现了__call__方法让它可以向函数一样被调用。下载模块使用方法# 1. 模型。

2026年2月11日，OpenAI 发布百万行代码实验报告，标题使用””，这是一种新的工程范式，标志着最新的agent工程研究方向。本质上讲，Harness Engineering就是一套为 Agent 构建一套的系统，它的目的是让 Agent 在边界内稳定、可靠、长期地完成复杂任务在之前，已经有和，它们标志着以前agent开发中最头疼的问题：提示词（prompt）和上下文（context）。