本文围绕深度学习展开，先从函数出发引出神经网络，讲解其参数计算方法；接着剖析网络训练等问题及解决办法；再依次介绍矩阵表示下的 CNN、循环神经网络 RNN，最后聚焦 Transformer 架构，梳理深度学习核心技术脉络。

当前公司开发，后端通过swagger提供接口文档，开发某些模块时，一下子可能生成二三十个接口，前端使用的时候，需要一个一个copy到对应的api文件中，定义类型，引入接口等等，实在是麻烦！于是花了点时间，搞了下自动导出。

详细总结一下TSConfig 的相关配置，tsconfig.json 文件

每天收获一点点–文档预览(外网访问生效)https://view.officeapps.live.com/op/embed.aspx?src=地址https://view.officeapps.live.com/op/view.aspx?src=地址测试文档地址把上边的地址替换成文档地址即可https://www.sdndfy.cn/agriculture/contract/XS202000001

本文围绕深度学习展开，先从函数出发引出神经网络，讲解其参数计算方法；接着剖析网络训练等问题及解决办法；再依次介绍矩阵表示下的 CNN、循环神经网络 RNN，最后聚焦 Transformer 架构，梳理深度学习核心技术脉络。

《MCP协议：AI生态的标准化接口》 Anthropic推出的Model Context Protocol(MCP)是一种开放协议，旨在标准化LLM与外部系统的交互。MCP采用客户端-服务器架构，包含Host、Client和Server三大组件，提供知识扩展、工具调用和提示模板三大核心功能。与Function Calling相比，MCP具有更强的扩展性和开放性。 该协议支持实时数据访问、自动化任务

协议：Google 于 2025 年 4 月 9 日发布的 A2A协议，A2A 是一个开放协议，目的是促进 AI Agent之间的协作，适用于大规模、多智能体的部署。拥抱智能体能力：支持自然、非结构化的协作模式。利用现有标准：使用 HTTP、Server-Sent Events (SSE) 和 JSON-RPC，确保与现有系统的兼容性。默认安全：支持企业级认证和授权，启动时与 OpenAPI 保持

RAG过程有两个阶段，一是，二是：快速进行检索，数据库中1000万chunk， 快速召回1000个相关的chunk，不用很精确；：精确的工作由重排实现，比如重排取 Top5的内容；RAG的难点主要有两个，一个是前期的文档处理；二是数据的召回；由于大模型本身无法分辨输入到模型中的文档质量，因此关于数据的召回只能进行人为的控制，而人为控制的方法只能通过技术手段来进行约束，下面是常用的策略。

《MCP协议：AI生态的标准化接口》 Anthropic推出的Model Context Protocol(MCP)是一种开放协议，旨在标准化LLM与外部系统的交互。MCP采用客户端-服务器架构，包含Host、Client和Server三大组件，提供知识扩展、工具调用和提示模板三大核心功能。与Function Calling相比，MCP具有更强的扩展性和开放性。 该协议支持实时数据访问、自动化任务

一个功能完整的Boss直聘岗位爬虫工具，提供Web界面、命令行界面和简历智能分析功能。