定义：让机器具备感知、推理、决策、理解、创造等类人智能的技术总称。包含内容传统人工智能（非机器学习）符号推理、规则系统、专家系统、搜索算法、博弈算法知识图谱（规则推理）、自动逻辑证明现代人工智能（机器学习方向）传统机器学习深度学习其他分支模糊控制、进化算法（遗传算法）、机器人控制、多智能体AI：范围最大机器学习：AI里“靠数据学习”的路线深度学习：机器学习里“用深层神经网络”的路线神经网络：深度学

本文介绍了一种完全离线的本地化解决方案，用于对接本地部署的Claude-Code。该方案采用全本地架构，包括本地Milvus向量数据库、Ollama开源嵌入模型、本地构建的MCP索引服务和本地Claude-Code客户端，无需依赖任何云端API。安装过程包括配置Docker、Node.js、pnpm和Ollama环境，启动本地Milvus向量库和嵌入模型，构建Claude-Context服务，并进

大模型架构围绕Transformer三大基础范式扩展，形成多元生态。选择架构应匹配任务：理解优先选Encoder-Only，生成优先选Decoder-Only，转换任务选Encoder-Decoder，复杂场景选MoE或混合架构，超长序列考虑Mamba等新兴架构。

适用：本地开发、调试、二次开发、嵌入RAG/Agent项目。特点：张量并行TP、流水线并行PP，拆分模型到多卡/多机。适用：快速搭OpenAI兼容接口、临时测试、内网小服务。适用：70B、110B、MoE大模型，单张GPU放不下。能力：流量分发、限流、熔断、接口统一域名、隐藏后端实例。适用：线上高并发、多GPU节点、自动扩缩容、灰度发布。特点：集群化管理、故障自愈、负载均衡、多模型统一调度。适用：

大模型训练框架生态呈现分层化、专业化趋势：通用框架（PyTorch/TensorFlow/JAX）提供基础能力，分布式专用框架（DeepSpeed/Megatron/FSDP）解决超大规模训练痛点，集成框架（NeMo/PyTorch Lightning）降低工程化门槛。选型核心原则：小规模模型选易用性，大规模模型选性能，超大规模模型选混合方案。同时需考虑团队技术栈、硬件环境与项目阶段，灵活组合不同

准备阶段：明确业务需求→选择模型→规划硬件→搭建环境优化阶段：量化（INT4/INT8）→并行策略（TP/PP）→推理引擎选择（vLLM/TensorRT-LLM）→KV缓存配置服务化阶段：封装API→配置负载均衡→设置扩缩容规则→接口测试部署阶段：容器化（Docker）→编排（K8s）→灰度发布→全量上线运维阶段：监控指标→日志分析→告警处理→性能优化→版本迭代。

vLLM（Very Large Language Model inference） 是由加州大学伯克利分校LMSYS团队于2023年6月开源的高性能大模型推理与服务引擎，专注解决大模型部署中的显存效率低、吞吐量瓶颈、延迟高三大核心问题。核心技术创新PagedAttention（分页注意力）：借鉴操作系统虚拟内存管理思路，将KV缓存分割为固定大小的块，内存浪费控制在4%以内，支持动态分配与释放，单卡

数据仓库、数据湖和特征存储是企业数据架构中三个互补的层级系统，各有不同定位。数据仓库用于结构化业务分析和BI报表；数据湖存储全量原始数据，支持探索式分析；特征存储则专注于机器学习特征的全生命周期管理。三者协作形成数据流转体系：数据湖为底层数据源，数据仓库加工业务分析数据，特征存储提供模型所需特征数据。选型需根据业务需求，分别适用于传统分析、数据探索和机器学习场景。三者并非替代关系，而是共同构建完整

MySQL 2003错误（连接超时）常见原因包括：网络不通、防火墙阻止、MySQL服务未启动、绑定地址限制、端口配置错误、云服务器安全组限制或用户权限不足。排查时需依次检查网络连通性（ping/telnet）、服务状态、防火墙设置、MySQL配置文件的bind-address参数、端口监听情况及用户权限。对于内网地址10.0.0.106，还需检查容器网络配置。

MySQL 2006 "Server has gone away"错误表示客户端与服务器的连接意外断开。主要成因包括：连接超时（wait_timeout参数）、数据包过大（max_allowed_packet限制）、查询执行时间过长、服务器崩溃/重启、网络不稳定、连接池配置不当等。解决方法需根据具体原因调整相关参数或优化查询，如启用连接验证、增大数据包限制、优化长时间查询等。建