本文介绍了从Agent到CrewAI框架的演进过程。首先解释LLM应用与传统应用的区别，指出LLM应用的输入、过程和输出更具不确定性。接着阐述LLM Agent的概念，即具备感知、推理、行动能力的自动化LLM系统，并分析构建优秀Agent的六大特征。文章重点讨论Multi-Agent系统，提出任务设计应遵循8/2法则（80%精力用于任务设计，20%用于代理定义），强调动态任务驱动的重要性。最后介绍

本文介绍了参数高效微调(PEFT)技术及其在自然语言处理中的应用。文章首先探讨了如何选择适合的预训练模型，以文本风格润色任务为例，推荐了Qwen2.5系列模型。随后详细阐述了微调方案的选择标准，包括QLoRA、Flash Attention-2等技术组合。文章重点展示了PEFT实战过程，特别是数据准备阶段的数据增强技术，通过教师模型自动生成高质量的指令数据集，包括总结扩写、提问回答和风格迁移三种模

把需要比对的jar包放到任意目录下，然后选中两个需要比较的jar包，右键，选择Compare Archives，然后就可以比较了。这次疏忽了，每次打包前需要commit界面看一下当前代码和仓库的差异，哪怕几千个也要排序看一下，出错真的很难过。除了一些小工具外，idea自带了jar包比较的功能。

尽管正确添加了Maven依赖，且依赖存JAR包存在被加载的类，但是IDEA仍无法识别，同时刷新Maven也没有效果。如果以上方法都无效，可以尝试重新下载依赖的jar包，或者手动将jar包添加到项目中。尝试重新导入maven项目：右键项目 -> Maven -> Reimport。确认依赖的jar包是否存在于本地仓库中，可以在maven仓库目录下确认。确认依赖是否正确添加到了项目的pom.xml文件

文章摘要 本文解析了AI对话接口的入参和响应设计，以通义千问(QW)和DeepSeek(DS)为例。核心参数包括session_id和parent_msg_id，用于标识对话链路和消息顺序。两者在参数获取流程和设计理念上存在差异：QW采用冗余设计确保数据独立性，而DS追求极简传输效率。响应方面，QW采用全量快照式结构，DS则为增量补丁式。文章还对比了Header设计的认证机制和流式传输实现，最后提

摘要 本文介绍了LangChain中文本转向量存储的关键步骤，主要包含两部分：嵌入模型（Embeddings）和向量数据库（Vector Stores）。嵌入模型（如HuggingFaceEmbeddings）将文本转换为语义向量，向量数据库（如Chroma）则高效存储和检索这些向量。文章通过代码示例展示了如何使用RecursiveCharacterTextSplitter分割文本、Hugging

本文介绍了软件架构图的设计原则与绘制方法。首先提出4+1架构范式作为理论参考，随后重点解析实用的4R模型（Rank分层、Role角色、Relation关系、Rule规则），并说明其在业务架构、应用架构等不同场景的应用。文章还介绍了C4架构模型，从多层次展示系统设计。最后从业务架构、客户端架构、系统架构等维度给出具体绘图技巧，强调通过颜色标识、分组管理、明确关系等方式提升架构图的清晰度与专业性。核心

vLLM主要是解决大模型推理服务化问题，专于与推理、优化GPU使用、提供吞吐量，提供简单易用的API接口，支持Hugging Face模型无缝接入。本篇，让我们一起了解vLLM。

摘要： MCP（Model-Context-Protocol）是一种标准化协议，旨在解决AI应用与外部工具/数据交互时的NxM集成复杂性问题。其核心架构包括MCP Host（AI应用）、MCP Client（协议请求方）和MCP Server（协议执行方），通过中间层实现解耦与统一管理。MCP提供安全网关、降低厂商锁定风险，并支持灵活扩展。实际应用中需关注Server设计、安全授权、服务发现及性能

本文介绍了优化大型语言模型（LLM）Prompt token的实用策略。主要内容包括：精简Prompt内容（清晰指令、限制示例、结构化输出）；管理上下文窗口（截断、输入输出平衡、内容总结）；高级技术（RAG检索增强、思维骨架提示、批处理）；API参数微调（最大长度、停止序列等）。还提出落地应用建议：自适应RAG系统、任务分解让LLM专注自然语言处理部分，结合传统API提高效率。这些方法可在保证输出