硬编码方式，根据关键词、模式或结构化数据进行路由。此方法比 LLM 路由更快、更确定，但灵活性较低。•。

上下文（Context）指的是从大型语言模型（LLM）中进行采样时所包含的一组标记（Tokens）。上下文工程要解决的问题是，在大型语言模型固有的约束条件下，如何筛选和维护构成上下文的Tokens集合，以持续实现预期结果。上下文工程标志着我们利用大语言模型进行开发的方式发生了根本性转变。随着模型能力不断提升，核心挑战已不再仅仅是设计完美的提示词 —— 而是要审慎筛选每一步进入模型有限注意力预算的信

摘要：本文提供Ubuntu20.04系统部署Dify平台的完整教程。从安装Docker、配置环境变量到启动服务，详细说明每个步骤，包括基础配置（模型设置、存储选择）和进阶功能（HTTPS加密、定时备份）。教程还包含常见问题解决方案，帮助用户快速搭建可扩展的AI应用平台，支持通过可视化界面构建复杂工作流，无需编码即可创建专业级AI应用。

本期分享了LangChain1.0中模型的基本使用方法、模型调用方法、模型流式输出和批量输出。模型及其输入输出系统是LangChain框架中极其重要的组件。它们承担了了智能体推理决策以及和外部通信的功能。LangChain提供的标准模型接口，支持用户在不同厂商模型之间灵活切换而不必修改代码。这为灵活选择模型提供了便利。

LangChain的create_agent本质上运行在LangGraph的运行时（Runtime）之上。上下文（Context）：静态信息，例如用户ID、数据库连接或智能体调用所需的其他依赖项。存储（Store）：一个用于长期记忆的BaseStore实例。流写入器（Stream writer）：一个用于通过自定义流模式传输信息的对象。你可以在工具和中间件内部访问运行时信息。

MCP（Model Context Protocol）是一种专为人工智能模型设计的通信协议，旨在解决复杂AI系统中多个模型或组件之间的协同工作问题。你可以把MCP想象成AI领域的"USB接口"，它提供了一种统一的方式将AI模型连接到各种工具和数据源。

OpenAI推出基于GPT-5的AI安全检测工具Aardvark，它不仅能扫描代码漏洞，还能像人类专家一样分析验证并生成修复方案。Aardvark通过理解代码意图、沙箱验证漏洞、自动生成补丁等方式，在测试中实现92%的漏洞识别率，已发现多个CVE认证漏洞。这款工具将显著提升开发效率，为开源项目提供免费扫描服务，推动人机协作的网络安全新时代。目前仍处于私人测试阶段，需人工最终审核确认。

最小成本路径（Minimum Cost Path，MCP）是在网格图中寻找从起点到终点的最优路径问题，核心是最小化路径总成本。数学表示为：$C$ 是 $m \times n$ 成本矩阵$C[i][j] \geq 0$ 表示通过单元格 $(i,j)$ 的成本路径只能向右（→）、向下（↓）或对角线（↘）移动。

Dify 的代码沙箱功能允许安全执行自定义代码，特别适合处理数学计算、数据转换等任务。通过Dify沙箱，可安全集成自定义计算逻辑到AI应用中，特别适合需要精确数值计算的场景。：计算二次方程 $ax^2 + bx + c = 0$ 的根。：将温度在摄氏和华氏间转换。：计算数据集的统计指标。

虽然这个AI已经火了很久，无论是这个智能体，还是这个MCP之类的，都是非常流行的吧，但是其实我一直想要深入的学习一下这个MCP，我之前对于这个MCP的理解仅仅停留在这个使用cursor里面的配置，结合这个高德地图，微信读书做的两个小小的工具，而且那个时候应该是4月份，也就是我们的这个MCP刚刚兴起的哪个阶段，现在这个MCP已经是非常流行的了，但是我还是决定耐着性子吧这个里面的相关的原理学习梳理一下