提到分布式账本，大多数人首先想到的是比特币、以太坊这类传统区块链系统。它们通常采用“区块 + 链”的结构：交易先被打包进区块，区块再按照时间顺序一个接一个连接起来，形成一条不断增长的链。这个结构非常经典，也奠定了后来区块链系统的基本范式。但 IOTA 从一开始就选择了另一条路线。它并没有把自己设计成一条传统意义上的区块链，而是提出了 Tangle 这一基于 DAG 的账本结构。

1. 启动 MySQL 容器2. 启动 Redis 容器3. 设置环境变量4. 编译项目5. 启动 Spring Boot6. 访问 /api/health7. 注册设备8. 查看 /api/devices9. 提交遥测数据10. 查看 fusion 和 cloud 账本11. 运行并发实验12. 查看 CSV 结果。

在第一期中，我主要从整体定位上理解了 Hermes Agent：它不是一个单纯的聊天机器人，也不是只绑定在 IDE 上的代码助手，而是一个可以长期运行、具备记忆、工具调用、skills、自我改进和自动化能力的 AI Agent。不过，对于这类 Agent 项目，只停留在概念层面是不够的。因为 Agent 的很多能力并不是靠文字介绍就能理解的，而是需要在真实运行过程中观察它如何对话、如何调用工具、如

要检索的向量库。status：用户状态，例如“单身”“恋爱”“已婚”。.build();然后构建，设置和topK(3)，最后用创建 Advisor。GitHub传入 status↓构造 metadata 过滤条件↓只检索 status 匹配的文档↓设置相似度阈值和返回数量↓构建 RetrievalAugmentationAdvisor综合和用户问题↓传入 status，例如“单身”↓构造 filt

最近在学习 AI Agent 相关项目时，我逐渐发现一个问题：很多所谓的 Agent，其实更像是“增强版聊天机器人”或者“带工具调用的大模型外壳”。它们可以回答问题，也可以在某些场景下调用工具，但一旦对话结束，很多上下文、操作经验和项目背景就会被切断。下一次重新打开时，用户往往又要重新解释需求、重新提供背景、重新组织任务。这也是传统 Chatbot 和真正意义上的长期 Agent 之间的关键区别。

Git 是一个版本控制工具，它可以帮助我们记录文件的变化。记录代码每一次修改查看历史版本恢复到之前的版本多人协作开发创建不同分支开发不同功能合并不同人的代码比如你写了一个项目，今天完成了登录功能，明天完成了注册功能，后天发现注册功能写错了，这时 Git 就可以帮你回到之前的版本，或者查看每一次修改了什么内容。Git 是开发中非常重要的工具，它可以帮助我们管理代码版本、追踪修改记录、多人协作开发以及

1. 启动 MySQL 容器2. 启动 Redis 容器3. 设置环境变量4. 编译项目5. 启动 Spring Boot6. 访问 /api/health7. 注册设备8. 查看 /api/devices9. 提交遥测数据10. 查看 fusion 和 cloud 账本11. 运行并发实验12. 查看 CSV 结果。

前端请求 /api/app/chat/gen/code↓↓↓↓得到 Flux<String>↓↓返回处理后的 Flux<String>↓AppController 包装成 Flux<ServerSentEvent<String>>↓前端通过 SSE 接收内容↓最后收到 done 事件这条链路体现了项目的一个核心设计：AI 输出既要实时返回给前端，也要在后端被收集、整理和保存。

如果代码质检通过，则继续判断生成类型。获取图片收集计划，然后并发执行多种图片收集任务，包括内容图片搜索、插画搜索、Mermaid 架构图生成和 Logo 生成，最后把收集到的图片资源保存到。源码中可以看到，它把内容图片收集、插画收集、架构图生成和 Logo 生成分别拆成子图，然后在主流程中并发执行这些子图，最后通过。源码中可以看到，它会读取生成目录下的代码文件，把代码内容拼接起来，然后调用。，如果

要检索的向量库。status：用户状态，例如“单身”“恋爱”“已婚”。.build();然后构建，设置和topK(3)，最后用创建 Advisor。GitHub传入 status↓构造 metadata 过滤条件↓只检索 status 匹配的文档↓设置相似度阈值和返回数量↓构建 RetrievalAugmentationAdvisor综合和用户问题↓传入 status，例如“单身”↓构造 filt