通过这篇笔记，我们从计算机网络出发，理清了 AI 应用通信的底层逻辑；然后深入对比了三种大模型部署方式，并实战了官方 API 调用和本地 Ollama 部署；最后理解了会话记忆的真相“历史消息滚雪球”，并学会了用 Python 优雅地调用模型。

提示词工程是通过有技巧地设计与优化指令，引导大模型输出符合预期内容的系统工程方法。其核心可归纳为六个要素：设定角色与能力、明确核心任务、按步骤拆解复杂任务、指定风格与语气、约束输出格式、提供输入输出示例。这六要素不必每次全部使用，但能显著降低模型理解成本。提示词优化背后的两种基本思维是Zero-shot和Few-shot，后者即通过提供示例让模型模仿，可大幅提升输出稳定性。实战中，调用大模型的代码

文章梳理了机器学习的基础知识框架：AI/ML/DL三者的定义与关系、常用术语（数据集、样本、特征、标签）、四大分支（有监督、无监督、半监督、强化学习）的对比、项目完整流程的五个步骤，以及特征工程五大概念（提取、预处理、降维、选择、组合）的总览，最后讲解欠拟合、过拟合与泛化能力。

本篇围绕数据划分与特征工程的核心展开。首先说明数据划分必须先于需“学参数”的预处理，防止数据泄漏，并给出train_test_split的用法。随后梳理特征提取：DictVectorizer对字典做One-Hot编码，CountVectorizer基于词袋统计词频，TfidfVectorizer引入逆文档频率衡量词的重要度。特征预处理部分对比归一化（缩放到固定区间）与标准化（转为均值为0、标准差为

本文是一篇系统整理的KNN算法学习笔记。内容从“近邻相似”的直观思想出发，梳理了KNN的分类与回归步骤，深入讲解了欧氏距离、曼哈顿距离等常用相似性度量及KD树的加速检索原理，并分析了K值大小对模型过拟合与欠拟合的影响。结合scikit-learn的API用法，进一步补充了交叉验证与网格搜索在超参数调优中的应用，旨在帮助读者构建清晰、可复用的KNN知识框架。

这篇笔记系统梳理了线性回归从原理到实践的完整知识体系。全文从“线性”二字的真正含义出发，厘清了“对参数线性”与“对特征线性”的关键区别，随后沿着训练流程依次拆解损失函数、正规方程与梯度下降两种优化思路，并对梯度、方向导数、学习率等核心概念做了深入浅出的讲解。在过拟合与正则化部分，文章用拉格朗日约束和次梯度扇区等几何视角，直观解释了L1为何能产生稀疏解、L2为何只能压缩权重。最后以“损失+优化+正则

本笔记总结了逻辑回归这一经典分类算法的知识脉络。从线性回归出发，解析了引入 Sigmoid 激活函数将连续输出映射为概率的原理，分析对数似然损失函数的凸性优势与梯度下降优化过程。在实战层面，归纳了 sklearn 中 LogisticRegression 的关键参数、常用方法，并推广至多分类 Softmax。最后深入分类评估体系，对比准确率、精确率、召回率、F1-score 及 ROC/AUC 等

一个源文件中可以没有public类，也可以有多个非public类，但最多只能有一个public类。对于public类，由于其可以被其他包中的类访问，所以编译器必须确保在编译其他源文件时能够通过类名找到对应的文件。如果public类的源文件名与类名不一致，那么在其他源文件中引用这个public类时，编译器就会困惑：我应该去哪个文件里找这个类？javac：编译工具，将 .java 源代码编译成JVM可

本文摘要： 本文系统介绍了Java编程基础知识点，包含六个核心部分：1) 注释的两种格式；2) 关键字的定义与特点；3) 数据类型、变量与字面量的关系，详细说明了8种基本数据类型；4) 标识符的命名规则与规范；5) 控制台输入输出的实现方法；6) 各类运算符的使用规则，包括算术运算符的类型转换特性、赋值运算符的简写形式、比较运算符的布尔返回值以及逻辑运算符的运算规则。全文通过代码示例和表格对比，帮

本文系统介绍了Java程序控制流程的三种基本结构：顺序结构、分支结构和循环结构。重点讲解了分支结构中的if语句（单分支、双分支和多分支格式）和switch语句（包括case穿透现象），以及循环结构中的for、while和do-while循环。详细说明了每种结构的语法格式、执行流程和适用场景，并提供了注意事项和代码规范建议。通过学习，读者将能够根据实际需求选择合适的控制结构来解决问题，掌握程序流程控