而父熔断器没有被放到这个map中，他是被保存在了这个变量中，之所以加volatile是因为可能多个并发用api在修改他的动态配置。好了，我们继续往下走。我们现在得到一点就是。

websocket的概念我们就不说了，网上已经说烂了，具体更加权威的内容可以去看。我们这里只来操作一下如何在实际开发中构建websocket服务。如果是springboot技术栈的话，其实很简单，就是几个注解的问题。不得不说springboot真的很方便。可以参考springboot的官方文档。我们这里不用springboot，我们来使用vertx来构建。至于什么是vertx可以参考vertx的官

至此我们就介绍了常用的几种构建模式，我们看到其实各有利弊吧。看你喜欢哪一种了，只是后面两种不需要你掌握太多docker知识，更加专注于业务开发。

我们之前已经掌握了很多关于和LLM交互的操作了，现在我们需要在这些操作上面构建自己的机器人，进而在客户端操作服务。我们需要使用的工具是你就把他理解为python的uniapp吧。

我们来搭建一个基于langchain的本地LLM，并且实现一个rag的检索增强器。原谅我就是这么单刀直入，没有废话。至于那些工具我就不多介绍了，网上说了很多了，我们直接进入操作。

我们来搭建一个基于langchain的本地LLM，并且实现一个rag的检索增强器。原谅我就是这么单刀直入，没有废话。至于那些工具我就不多介绍了，网上说了很多了，我们直接进入操作。

我们来搭建一个基于langchain的本地LLM，并且实现一个rag的检索增强器。原谅我就是这么单刀直入，没有废话。至于那些工具我就不多介绍了，网上说了很多了，我们直接进入操作。

之前我们用langchain来操作本地部署的模型做了一些工作。我们今天就操作一下openai的接口，全面了解一下具体的运作方式。

上文中我们完成了ollama的安装和启动，并且测试了几个模型的效果，不管好坏来说。总算是跑起来了，接下来我们要使用langchian来进行一些开发。在开发之前我们需要做一个环境的准备，这个环境指的是python环境。

我们可以参考这里来实现。而且我们看到他支持三种方式来创建tools。具体的内容可以去阅读文档，我们这里先使用第一种来实现一下。我们到此就让大模型联网检索了，其实还能进一步调用tool来完成更多的能力。