例如在 Docker 中，镜像就是由一个或多个 AUFS 分支组成，所有分支均为只读权限，而容器则是在镜像的基础上添加一个可读写的分支，用于存储容器运行时产生的修改，这样可以共享镜像的只读层，节省存储空间，同时又能保证容器的独立性和可写性。：镜像（Image）和容器（Container）的关系，就像是面向对象程序设计中的类和实例一样，镜像是静态的定义，容器是镜像运行时的实体。实际上 Docker

Spark是当今大数据领域最活跃、最热门、最高效的大数据通用计算平台之一。

提供文本生成与推理能力，如OpenAI的GPT、阿里云的Qwen等。以上四个组件通过"链式"（Chain）方式组合，形成完整的工作流。：扩展LLM功能的外部接口，如API调用、数据库查询等。模型接收用户需求（如"北京今天的天气怎么样？：结构化文本输入，指导LLM生成特定输出。Tool 组件执行调用，获取外部数据。：从外部数据源获取相关上下文信息。模型结合工具结果，生成最终回复。模型分析后判断需要调

获取文本内容 → 文本分割 → 创建嵌入模型 → 创建向量数据库并保存到本地。用户问题 → 知识向量库检索 → 知识内容+用户问题给到模型 →模型返回结果。分隔不同文档内容，使LLM能明确区分不同来源的信息。：将上一个操作的内容作为下一个操作的输入。：通过RAG和大模型进行简单问题的回答。： 是否在元数据中添加起始索引，默认。： 每个块的最大字符数，默认 100。：是否将分隔符视为正则表达式，默认

获取文本内容 → 文本分割 → 创建嵌入模型 → 创建向量数据库并保存到本地。用户问题 → 知识向量库检索 → 知识内容+用户问题给到模型 →模型返回结果。分隔不同文档内容，使LLM能明确区分不同来源的信息。：将上一个操作的内容作为下一个操作的输入。：通过RAG和大模型进行简单问题的回答。： 是否在元数据中添加起始索引，默认。： 每个块的最大字符数，默认 100。：是否将分隔符视为正则表达式，默认

提供文本生成与推理能力，如OpenAI的GPT、阿里云的Qwen等。以上四个组件通过"链式"（Chain）方式组合，形成完整的工作流。：扩展LLM功能的外部接口，如API调用、数据库查询等。模型接收用户需求（如"北京今天的天气怎么样？：结构化文本输入，指导LLM生成特定输出。Tool 组件执行调用，获取外部数据。：从外部数据源获取相关上下文信息。模型结合工具结果，生成最终回复。模型分析后判断需要调

MCP（模型上下文协议）是由Anthropic主导开发的开放协议标准，旨在为AI大模型提供标准化接口，实现与不同数据源和工具的无缝交互。该协议采用客户端-服务器架构，包含MCP主机、客户端、服务器以及本地/远程资源等核心组件。MCP通过资源、工具、提示词等核心概念，支持AI模型自动调用功能并保持上下文连续性。实践应用包括搭建MCP服务器（使用@mcp.tool装饰器声明工具函数）和客户端（通过AP

本文介绍了pytest框架中的三种断言方法：标准断言、近似性断言和异常断言。标准断言使用assert语句验证表达式结果；近似性断言通过pytest.approx()比较浮点数或数组，支持相对/绝对容差设置；异常断言分为pytest.raises()验证单个异常和pytest.RaisesGroup()验证异常组，后者能精确匹配嵌套异常结构、类型和消息。文中通过代码示例展示了每种断言的具体用法，包括