关系图： 1、目标： 让模型掌握最基础、最通用的语言能力和世界知识。2、怎么做？给模型喂食海量的、未标注的文本数据（互联网网页、书籍、文章、代码等），数据量通常是TB甚至PB级别（万亿/千万亿词）。训练任务通常是“预测下一个词”（自回归语言建模）或“完形填空”（掩码语言建模）。模型不断尝试根据前面的词预测下一个最可能出现的词。3、结果： 得到一个基础模型。1、目标： 在基础模型强大的通用能力之上，

LangGraph是一个基于状态机的AI工作流框架，专注于复杂任务编排。其核心架构包含三个要素：State（共享数据结构）、Node（处理节点）和Edge（节点依赖关系）。通过构建有向无环图，开发者可以定义任务节点（@task注解）及流转逻辑，支持批处理和异步执行。框架提供双重记忆管理：短期记忆（Checkpoint）保存对话历史，长期记忆（Store）持久化用户数据。特色功能包括状态管理（Cus

本文介绍了Streamlit框架及其在构建Qwen大模型聊天机器人中的应用。Streamlit是一个开源的Python前端框架，能够快速创建交互式数据科学应用，具有简单易用、丰富的内置组件等特点，适合数据可视化和机器学习演示场景。文章详细展示了如何通过Streamlit调用Qwen大模型API开发聊天机器人，包括API配置、依赖安装和核心代码实现。该机器人支持对话历史记录和用户交互功能，但需注意S

基于Lucene的分布式全文搜索引擎，Lucene提供索引、查询引擎。支持海量数据的(根据关键词内容查文档)等场景。（关键词 到 文档ID+位置 的对应） + FST优化（合并后缀，只存一次，省堆内存还好查）2、ES典型应用场景：ELK日志分析、电商搜索、知识库文档检索。3、结构（与MySQL类比）：index（库/表）、Document（行，基础结构，json序列化存储）、Field（列）、Ma

传送TCP报文有三个阶段：连接建立、数据传送、连接释放。（一）TCP 的连接建立又叫三报文握手，因为TCP 建立连接的过程中，客户和服务器之间需要交换三个 TCP 报文段。很多地方称之为“三次握手”，但其实是在一次握手过程中交换了三个报文，而并不是进行了三次握手。下面介绍三报文握手的过程，其中用 A 表示TCP客户程序，B表示TCP服务器程序。最开始，A、B：CLOSED（关...

本文系统阐述了流程知识图谱构建与应用的关键环节，包括数据获取与预处理、知识建模、图谱构建、存储、图查询和推理六大核心步骤。重点介绍了各环节的技术方案与实现方法，如通过NLP技术处理非结构化数据、本体建模工具Protégé的应用、实体抽取与消歧技术、图数据库选型策略等。文章还强调了质量评估与更新维护保障机制，并提出了知识图谱与大模型结合的三种方式：知识注入、实时调用和推理增强，以提升大模型的知识准确

本文提出了一种基于向量数据库的智能体记忆管理系统设计方案。系统采用分层架构，包括短期工作记忆和长期语义记忆，结合向量数据库与知识图谱实现多模态数据存储与检索。关键技术包括高效的向量检索算法（HNSW/IVF）、动态存储策略（重要性评估与时序衰减）以及智能检索机制（多阶段过滤与上下文感知）。系统特别注重隐私保护，采用差分隐私、联邦学习等技术确保数据安全。典型应用场景涵盖个性化服务、复杂任务执行和情感

压缩）5、没做内容审核、违规被封。（输入校验。

本文介绍了Streamlit框架及其在构建Qwen大模型聊天机器人中的应用。Streamlit是一个开源的Python前端框架，能够快速创建交互式数据科学应用，具有简单易用、丰富的内置组件等特点，适合数据可视化和机器学习演示场景。文章详细展示了如何通过Streamlit调用Qwen大模型API开发聊天机器人，包括API配置、依赖安装和核心代码实现。该机器人支持对话历史记录和用户交互功能，但需注意S

文章摘要：本文介绍了管理对话上下文长度和控制成本的策略。针对上下文过长问题，提出了滑动窗口截断、关键信息结构化提取、滚动摘要和向量化召回四种方法。在成本控制方面，建议减少输入Token数量，并优先使用支持上下文缓存的模型（如qwen-max、qwen-plus）来降低重复计算成本。这些方法能有效平衡对话质量与资源消耗。