我的F9快捷键被飞行模式占用了，电脑一般用来编辑文档，懒得改了。注意运行到下一个断点的同时别忘了把当前断点取消掉。

学习和掌握sentinel微服务保护

学习利用docker部署springboot应用

这篇博客和下篇博客主要讲明白什么是agent的上下文，上下文说白了就是agent系统中，除了大模型以外的所有信息当AI应用处理任务时，它需要的不仅是模型本身，更依赖上下文——即“完成任务所需的信息、工具和环境就像人工作时需要知道“我是谁”、“手头有哪些资源”、“之前说过什么”，AI的上下文也分为三类：静态的配置信息（如用户ID、工具）、单次会话中动态变化的状态（如对话历史）、以及跨会话的长期记忆（

这是 Python 早期的格式化方式，灵感来源于 C 语言的 printf，支持所有 Python 版本，但功能相对有限。使用 % 作为占位符，搭配元组 / 字典传递参数，常见占位符有 %s（字符串）、%d（整数）、%f（浮点数）等。

掌握大模型提示词核心知识点，能有效引导模型输出符合预期的结果，最大化发挥其辅助价值。这篇博客主要总结大模型提示词工程的核心知识点。提示词（Prompt）是人与大模型沟通的核心媒介，本质是“引导模型完成任务的指令集合”，分为系统提示词和用户提示词，其中系统提示词是核心引导，优先级高于用户提示词。系统提示词：由开发者或使用者预设，用于定义模型的角色、行为边界、任务标准和输出规范，核心作用是“给模型定身

"""自定义异常类"""return f"[class CustomError(Exception) : """自定义异常类""" def __init__(self , message , code = None) : super() . __init__(message) self . code = code def __str__(self) : if self . code : retur

Python 提供了多个实现多线程的模块，其中threading是主流选择，_thread为底层低级模块（不推荐直接使用），此外还有高级封装的concurrent.futures。线程间的简单通信工具，通过 set()/clear() 控制事件状态，其他线程通过 wait() 等待事件触发。线程安全的先进先出（FIFO）队列，支持 put()（存入数据）、get()（取出数据），内置锁机制。核心方

在构建基于 LangChain 的智能 Agent 时，系统提示词（System Prompt）是塑造模型行为和角色定位的关键。通常，我们在创建 Agent 时通过 system_prompt 参数设置一个静态的提示词。但实际应用中，我们往往需要根据不同的用户、上下文或对话阶段动态调整提示词。LangChain 提供的 @dynamic_prompt 中间件正是为此而生。本文将结合 LangCha

必须携带 tool_call_id 关联上方 tool_calls.id。tool_calls 存在时，content 通常为空字符串。完整 Request 示例（带工具定义）