merge数据合并、concat数据连接、combine_first合并数据

数据分组与聚合、数据透视表与交叉表

本文简明介绍Codex核心概念：模型选择（如Astra、Sol、Terra、Luna等）决定能力水平，推理等级影响分析深度与响应速度，工作模式区分用途——ChatGPT Work用于学习讨论，Codex专注编码与发布。推荐默认配置为5.6 Terra+中等级，简单任务用Luna，复杂项目选Astra，高效使用需掌握三者协同逻辑。

中国首款量子计算机操作系统下载指南

这一篇我们掌握了提示词工程的“最小可用方法”：通过System Prompt（角色/规则）+ User Prompt（任务/输入）的组合，让模型输出从“随缘发挥”变成“可控生成”。

本文介绍了如何将单机运行的模型脚本升级为可复用的前后端分离应用。通过FastAPI构建后端服务，提供/health和/chat接口，实现模型调用、错误处理等功能；使用Streamlit开发前端聊天界面，实现用户交互。文中给出了完整的代码示例：后端服务处理AI模型请求并返回响应，前端调用API并展示对话流。最后说明了启动步骤：先运行后端服务，再启动前端应用。这种架构解决了脚本单机运行的局限性，实现了

摘要： Function Calling（工具调用）使大模型能够根据用户需求生成结构化意图，通过外部工具获取实时数据或执行操作。本文以“智能天气助手”为例，展示完整实现流程： 定义工具：模拟天气查询函数，描述其参数规则。 模型决策：用户提问（如“北京天气？”）触发模型生成工具调用请求（函数名+参数）。 执行与反馈：程序执行真实函数（如查询天气API），将结果返回模型生成最终回答。 核心优势：模型仅

本文完整实现了RAG（检索增强生成）流程，包含建库、检索和生成三个关键环节。通过对比ChromaDB和FAISS两种向量存储方案：ChromaDB作为本地向量数据库提供完整持久化功能，而FAISS作为高效检索引擎需要额外处理数据映射。实践部分提供了两个可运行的问答脚本，均支持首次运行时从文本文件初始化知识库，并通过交互式问答验证效果。代码示例展示了ChromaDB版本的核心实现，包括自定义Embe

本文介绍了大模型应用中Prompt、RAG和微调三种优化方法的区别与应用场景。Prompt用于表达需求约束输出，RAG作为外挂知识库补充新知识，微调则用于固化特定能力或风格。由于微调成本高且依赖数据质量，建议先用Prompt+RAG验证效果。文章重点演示了LoRA轻量微调流程，包含数据准备（生成问答数据集）和模拟训练（配置参数、训练过程、保存适配器权重）两个关键步骤，通过Python脚本完整展示了

本教程专为具备 Python 基础的开发者设计，旨在通过的方式，帮助你从零开始掌握大语言模型 (LLM) 的应用开发。我们摒弃了枯燥的纯理论讲解，而是通过一个个具体的代码实战项目（CLI 聊天机器人、RAG 知识库助手、AI Agent 智能体、全栈 Web 应用），带你一步步深入 LLM 的核心领域。