做 AI 应用开发，要学会与数据打交道，而SQL是管理数据库的有效工具，所以有了后面的一系列文章，近3到5天时间中，我将以和介绍的SQL为基础，分享我关于SQL的学习历程。因为文章为，所以尽量通俗易懂，困难的地方要详细介绍，简单的地方要一笔带过，主要记录一些重要的概念，SQL公式，要多写多练。也会使用llm来辅助学习。SQL：结构化，能够访问和处理数据库。RDBMS：关系型数据库。SQL：SELE

使用阿里百炼生成智能体的过程包括几个关键步骤。首先，用户需要选择一个合适的模型，例如通义千问模型，并调整温度系数以确保回答的准确性。接着，设置提示词，这些提示词定义了智能体的角色和功能，如本例中的资深股票投资专家角色，擅长通过财经舆情分析发现投资机会。

结合DeepSeek的API文档，介绍了思维链的模型为R1，思维链的输出，以及非流式输出实现多轮对话的效果，即将上一次对话的输出结果（不包括思维链）添加到messages中。

/home/user/.cache/huggingface/hub/

Tree of Thoughts 思维树框架，它是一种提示工程技术，通过将推理过程结构化为类似决策树的形式，增强大型语言模型（LLM）的问题解决能力。与线性的“思维链”（Chain of Thought）不同，ToT允许LLM并行探索多条推理路径，评估并比较不同的解决方案，从而选择最佳的推理路径。

场景：实现输出结构化，Json格式。设置参数为。用户传入的system或中必须含有json字样，并给出希望模型输出的 JSON 格式的样例，以指导模型来输出合法 JSON。需要合理设置max_tokens参数，防止 JSON 字符串被中途截断。展示了 DeepSeek 的一个能力，对照示例代码就能使用了。ok，这将是 DeepSeek 的 API 使用的最后一篇文章了。

GGUF 是一种高效、灵活且向下兼容的模型存储格式。它通过标准化的元数据和文件结构，简化了模型部署和跨平台推理，同时支持未来扩展。

本文是对使用 API 的重要拓展，介绍了三种不同风格的 python 代码，介绍了大部分模型输入参数的含义，了解完本文，后面只是一些小变化罢了。

提示词阶段总结，一些提示词示例，帮助你更好地使用大模型，规范输出内容。

DeepSeek的API调用，结合DeepSeek的API文档，举一个小例子，初步学习使用，下一篇将更加深入学习api的使用。