在开始案例之前，我们先给贪心算法画个像。它是一种在每一步选择中都采取当前状态下最优的策略，也就是我们常说的“局部最优解”，并期望通过累积这些局部最优解，最终达到“全局最优解”。选择性：每一步，都有一个明确的“贪心策略”告诉你该选哪个。不可回溯：一旦做了选择，就没有“后悔药”，不能回头重新考虑。局部最优：它只看眼前，不看长远。那么，什么样的场景下贪心算法能“得逞”呢？贪心选择性质：局部最优的选择，最

动态规划与分治法类似，都是通过将原问题拆分为若干子问题，然后递归求解子问题，最后再组合子问题的解来得到原问题的解。但两者有一个本质区别：分治法解决的子问题通常相互独立（比如快速排序、归并排序）动态规划解决的子问题具有重叠现象——不同的子问题会包含相同的子子问题举个例子，计算斐波那契数列时，fib(5)需要计算fib(4)和fib(3)，而fib(4)又需要计算fib(3)和fib(2)，这里的fi

postgresql 修改表的字段由NOT NULL修改为NULL：alter table mytable alter test drop not null;参考地址：http://www.bufeihua.cn/p/57373753b98b3512bf9fd041

elasticsearch错误：[2017-10-20T17:03:03,792][INFO ][o.e.n.Node] [] initializing ...[2017-10-20T17:03:04,171][WARN ][o.e.b.ElasticsearchUncaughtExceptionHandler] [] uncaught exception in th

环境准备由于elasticsearch由Java实现，所以需要Java环境，请自行百度安装。创建用户和密码（root用户下)elasticsticsearch不能用root用户去启动，否则会报错，所以在这里我将会单独创建一个名为elasticsearch的用户，去运行elasticsearch程序，当前用户是root，所以无需切换，直接运行如下命令：创建密码，这里会有两次密码输入提示，确保一致即

优先级排序，让 Agent 从“会做任务”变成“会安排任务”。它解决的不是能力问题，而是选择问题。真实业务里，任务、资源、风险永远同时存在。优秀的 Agent 不只是执行快，更要知道什么事该先做，什么事可以等，什么事必须交给人。一句话：没有优先级的 Agent，只是自动化脚本；有优先级的 Agent，才开始像一个真正的项目经理。智能体设计模式：优先级排序 Prioritization_热闻岛。

Agent 不是普通问答系统。它会决策，会调用工具，会改变外部状态。能力越强，越要可评估、可监控、可追踪。离线评估负责上线前拦截问题。线上监控负责上线后发现问题。Trace 负责还原真相。评估集负责防止问题复发。真正能进生产的 Agent，不是“看起来聪明”，而是“每一步都有证据，每一次变更都能验证”。智能体设计模式：评估与监控 Evaluation & Monitoring_热闻岛。

并行化，就是让 Agent 同时干多件互不依赖的事。不是所有步骤都排队。能同时查新闻、查公告、查知识库，就不要一个一个查。最后再把多个分支的结果合并，生成一个统一答案。并行化不是为了炫技。它解决的是一个很现实的问题：复杂任务太慢。提示链让 Agent 会按步骤做事。路由让 Agent 会选择不同路径。并行化让 Agent 在合适的时候同时推进多个分支。真正的工程重点是：独立分支、统一输出、超时兜底

一个带记忆的 Agent，每次运行至少有三步。•运行前：读取会话、读取状态、检索长期记忆。•运行中：模型推理，必要时调用工具，工具结果进入状态。•运行后：追加事件、更新状态，把值得保留的信息写入长期记忆。关键点在于“按需”。不是所有历史都要进上下文。只把与当前任务相关的信息交给模型。Memory 不是让 Agent “什么都记住”。Memory 的核心，是把有用信息放到正确位置，并在正确时间拿出来

学习与适应，是 Agent 从“工具调用器”升级成“长期系统”的关键一步。它的核心不是让模型自由发挥，而是建立反馈闭环。能记录。能评估。能诊断。能更新。能验证。能回滚。做到这些，Agent 才能越用越稳，越跑越准。智能体设计模式：学习与适应 Learning & Adaptation：功能变化与行业影响解析_热闻岛。