三者之间关系：机器学习是实现人工智能的一种途径深度学习是机器学习的一种方法人工智能：向人一样理性思考、合理行动机器学习(Machine Learning )：计算机可以没有明确的程序，从历史的数据中进行领域学习的能力深度学习(Deep Learning)：也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物大模型：参数量极大的神经网络获取数据->数据的基本处理->特征工程 ->模型学习->

机器学习是实现人工智能的一种途径深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。

卷积神经网络（Convolutional Neural Network）是含有卷积层的神经网络。卷积层的作用就是用来自动学习、提取图像的特征.用途：大多用来处理图像。

自然语言处理（Nature language Processing, NLP）什么是自然语言？人类日常交流使用的语言，例如：汉语、英语、法语等自然语言处理做了什么？主要是通过计算机算法来理解自然语言，处理自然语言对应的文本信息。处理流程：输入自然语言文本->分词->词嵌入-> 模型处理->输出结果。文本预处理：脏数据、缺失值、分词(工具：jieba)词嵌入(Dense Embedding)/词向量

prompt -> 规划 -> 查看规划是否正确、可行 -> ctrl + g 修改规划 -> claud执行【重要】是否更改了其它额外的文件实现的逻辑是否正确、可行调用api，查询的数据文件，实现用到的包、方法 是否是你想要的shift + tab 切换到规划模式，确认下边为: "plan mode on"查看claude生成的规划是否正确确认规划没有问题，让claud进行执行。

适用于高性能、并发处理场景下，作为缓存使用，一般不用来做永久存储Redis（Remote Dictionary Server）是一个开源的、基于内存的键值对存储数据库，它可以用作数据库、缓存和消息中间件命令总结：字符串：r.+set+哈希：r.h*列表：r.l* 从左边处理 ，r.r* 从左边处理集合：r.s*有序集合: r.z*

Dify也是一个基于“工作流”编排的框架，能够以比较低的成本实现一个复杂的Agent。coze：① 白屏化操作、操作简单，可以快速构建。② 闭源、封装度较高，许多场景不能自定义使用。dify：① 支持自定义二次开发。② 开源 可以私有化部署，适用于数据隐私、安全性和合规性高需求使用场景：求快、求简单、个人/轻量级项目，选Coze；求强、求复杂、企业级/定制化需求，选Dify2、Dify的优势，为什

自然语言处理（Natural Language Processing, 简称NLP），是让机器能够理解和生成自然语言。处理的数据主要就是人类的语言，例如：汉语、英语、法语等，该类型的数据不像我们前面接触过的结构化数据、或者图像数据可以很方便的进行数值化。语音识别：将语音信号转化为文本文本分析：从文本中提取有意义的信息，包括情感分析、主题提取等机器翻译：自动将一种语言的文本翻译为另一种语言语法分析：

NumPy：数值计算基础库，提供高性能的多维数组对象Pandas：数据处理和分析库，提供强大的数据结构和数据分析工具Matplotlib：数据可视化库，提供丰富的绘图功能快速高效的多维数组对象 ndarray用于对数组执行元素级计算以及直接对数组执行数学运算的函数用于读写硬盘上基于数组的数据集的工具线性代数运算、傅里叶变换，以及随机数生成用于将C、C++、Fortran代码集成到Python的工具

适用于高性能、并发处理场景下，作为缓存使用，一般不用来做永久存储Redis（Remote Dictionary Server）是一个开源的、基于内存的键值对存储数据库，它可以用作数据库、缓存和消息中间件命令总结：字符串：r.+set+哈希：r.h*列表：r.l* 从左边处理 ，r.r* 从左边处理集合：r.s*有序集合: r.z*