智能体 = 大模型 + 工具 + 记忆 + 决策能力。突破大模型静态回答局限，能自主思考→选工具→执行→看结果→再思考，直到完成任务。智能体不是“一次性回答”，它是一个会反复思考和行动的循环系统。LangChain 1.0 统一用 create_agent() 构建，替代旧版 create_react_agent 等，更简洁、生产就绪。普通链（Chain）：固定流程，输入→处理→输出智能体（Age

LangChain 是一个用于开发大语言模型（LLM）驱动应用程序的框架，它通过将 LLM 与外部数据源、工具和环境连接起来，构建端到端的应用程序。

在 Elasticsearch 的 DSL 中，_source 参数用于控制返回的原始文档内容，类似于 SQL 中的 SELECT 字段列表。在 Elasticsearch 的 DSL 中，highlight 功能用于标记搜索结果中与查询条件匹配的文本片段，通常以高亮、加粗或颜色变化的形式展示，帮助用户快速定位关键内容。在 Elasticsearch 的 DSL 中，script_fields 允

在 Elasticsearch 中，正排索引（Forward Index） 也称为 行式存储（Row-based Storage） 或 文档存储（Document Store），用于存储完整的文档内容，以便在搜索完成后快速返回文档的原始数据。在 Elasticsearch 中，倒排索引（Inverted Index） 和 正排索引（Forward Index） 是两种不同的数据结构，分别用于支持不

Elasticsearch 优化是一个系统工程，需要根据实际业务场景、数据特点和查询模式进行针对性调整。多字段(Multi-fields)策略。使用Indexing Buffer调优。使用 Bulk API 批量写入。nested（嵌套）类型。

Elasticsearch DSL 提供了极其丰富的查询功能，从简单的全文搜索到复杂的地理空间查询、嵌套文档查询和聚合分析。"query": { ... }, // 查询条件（核心部分）"aggs": { ... }, // 聚合分析"sort": [ ... ], // 排序规则"from": 0, // 分页起始位置"size": 10, // 返回结果数量"_source": { ... }

Elasticsearch 的正排索引（Forward Index）主要用于支持高效的字段值访问和分析操作，与倒排索引（Inverted Index）形成互补，共同满足搜索、聚合、排序等复杂场景的需求。Elasticsearch 中的正排索引（正向索引）主要通过两种机制实现：Doc Values 和 Stored Fields。设计目标：支持高效的列式存储（Column-oriented），用于聚

Elasticsearch 的 聚合（Aggregations） 功能用于对数据进行多维分析和统计，支持从简单的指标计算到复杂的分组分析。"aggs": { // 也可以使用"aggregations""agg_name": { // 自定义聚合名称"agg_type": { // 聚合类型"agg_body": ... // 聚合体。

RAID（Redundant Array of Independent Disks）即独立磁盘冗余阵列，通过将多个磁盘组合成一个逻辑单元来提高性能、可靠性和/或容量。LVM（Logical Volume Manager） 是Linux系统中用于管理磁盘分区的系统，提供比传统分区更灵活的磁盘管理方式。

可以使用docker 依次启动多个节点，也可以使用Docker Compose一次启动全部节点。Elasticsearch 8.x 默认启用安全功能。首次启动容器时，控制台会输出默认密码。在创建索引的时候，在 settings 中进行分片及副本数量设置。使用 Docker Compose 一次启动。设置监控告警（如 Watcher）：、docker 依次启动。