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

数据库还有一种虚拟表，它的结构跟真实表一样，都是二维表，但是不存放数据，数据从真实表中获取，这种表被称为简而言之，，本身，只存一条查询语句查视图 = 自动执行提前写好的 SELECT 查询，数据都来自原数据表如果真实表里的数据变了，视图里的数据会每次你查询视图时，MySQL 都会在后台定义它的那条SELECT语句，从而获取主表中的最新数据视图的数据不会持久化到磁盘上，而是基于查询结果动态生成隐藏敏

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

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

it：-i表示实时交互（你在终端写的命令会传递给容器进程），-t表示创建终端；创建完容器后不会立即进入容器而是让容器在后台独立默默地运行，输入exit也不会退出容器。它是一个常驻在后台的进程，专门负责监听来自 Client 的请求，容器是镜像运行出来的实例，那么容器命令主要是如何创建容器和操作容器。/bin/bash：覆盖镜像默认的启动命令，改为运行容器内部的。在docker中，软件和软件的运行环

简单来说，数据卷就像是容器的一个。

Langgraph是一个用于构建循环、有状态的多智能体（Multi-agent）持久执行：构建能够在失败后持续运行、长时间运行并从中断处恢复的代理。人机交互：通过在任何时候检查和修改代理状态，融入人工监督。综合记忆： 创建具有短期工作记忆以进行持续推理和跨会话长时记忆的有状态代理。使用LangSmith调试：通过可视化工具深入了解复杂代理行为，追踪执行路径、捕获状态转移，并提供详细的运行时指标。简

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。

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