RAG（检索增强生成）是一种结合信息检索系统与大语言模型的技术框架，通过外部知识库检索相关上下文，提升模型回答的准确性和可靠性。其核心流程包括数据加载、文本分割、向量化、构建向量数据库，以及查询转换、语义检索、上下文构建和答案生成。文中还演示了如何使用Qdrant向量数据库和DeepSeek模型搭建RAG系统，并指出该技术可有效规避大模型幻觉问题，但不同模型在专业任务上表现各异。

摘要：本文介绍了一个AI辅助求职工具的实现方案，通过Python开发环境(3.11版本)结合Deepseek-chat大模型和OpenAI SDK，实现了自动化岗位匹配功能。该工具主要包含两个核心模块：一是通过无头浏览器爬取招聘网站岗位信息，二是基于用户简历和岗位需求列表进行智能匹配。系统会先检索符合要求的岗位，然后通过预设的prompt模板将简历与岗位需求进行对比分析，最终输出最匹配的3个岗位及

本文介绍了MCP架构中基于SSE(Server-Sent Events)的客户端实现方案。SSE模式通过HTTP协议实现服务器向客户端的单向实时数据推送，使用Starlette框架实现持久连接。文章对比了SSE与标准输入输出模式的差异，SSE模式支持实时更新、架构解耦，适合交互式应用。详细演示了从创建MCP服务器工具、建立Starlette应用到实现SSE客户端的完整流程，包括工具函数定义、SSE

本文介绍了MCP架构中基于SSE(Server-Sent Events)的客户端实现方案。SSE模式通过HTTP协议实现服务器向客户端的单向实时数据推送，使用Starlette框架实现持久连接。文章对比了SSE与标准输入输出模式的差异，SSE模式支持实时更新、架构解耦，适合交互式应用。详细演示了从创建MCP服务器工具、建立Starlette应用到实现SSE客户端的完整流程，包括工具函数定义、SSE

1）stdio 模式是在client启动服务器，不适用用于生产环境，不可能，新增变更tools后，所有client端都重启一次2）执行脚本过程报错虚拟环境初始化有问题，这样解决# 清理 uv 缓存和虚拟环境 rm -rf ~/.cache/uv rm -rf .venv # 重新创建虚拟环境并安装依赖 uv venv source .venv/bin/activateuv add mcp。

以前要做一个Ai智能客服，需要有一支5~10人的研发团队，或者花几十万采购第三方产品，Ai时代，一个人就是一家公司，今天我们就挑战一下，一个人做一款智能客服产品。本机器人按知识库的内容进行解答用户问题，避免了大模型幻觉问题，同时支持开场白中加常见问题，用户疑问后，可以对问题进行推荐。

Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让你可以快速从原型到生产。

1）MCP Server 需要写工具，但不选写tools 定义，MCP能够自动解析2）MCP Hosts 能够直接使用的插件不多。

1）MCP Server 需要写工具，但不选写tools 定义，MCP能够自动解析2）MCP Hosts 能够直接使用的插件不多。

大模型 MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 公司于2024年11月推出的一种开放协议标准，旨在为大型语言模型（LLM）与外部数据源、工具及服务提供标准化的连接框架，解决数据孤岛问题并提升AI应用的实时交互能力。4）当大模型选择了合适的能力后，MCP Hosts 会调用 MCP Client 与 MCP Server 进行通信，由 MCP