实现一个Quasi-Agent（准Agent）通过以上内容，应当掌握：我们做的核心是控制LLM所看见的消息（API交互方式）我们精准控制 LLM 看到 生成的代码，而不是另外生成的一些文字性补充内容每一段发送给 LLM 的指令都有精准的含义上下文通过 message 记录进行 特定的构建（删去了部分内容）

本文记录liteLLM如何安装，并以DeepSeek为例如何使用的基本教程提示：以下是本篇文章正文内容，下面案例可供参考。

Attention机制的本质attention机制的本质是从人类视觉注意力机制中获得灵感。大致是我们视觉在感知东西的时候，一般不会是一个场景从到头看到尾每次全部都看，而往往是根据需求观察注意特定的一部分。而且当我们发现一个场景经常在某部分出现自己想观察的东西时，我们就会进行学习在将来再出现类似场景时把注意力放到该部分上。从关注全部到关注重点Attention机智的优势参数少模型复杂度跟 CNN、R