调用我们前面部署在ganache的智能合约

用solc编译solidity代码，了解我们编译好的内容。

用*args/**kwargs、lambda、map/filter/sorted等Python特性，能大幅提升提示词批量生成、修改、筛选的效率，是AI提示工程中非常实用的中级技巧。

本课讲解 requests 模块调用免费 LLM API（以 DeepSeek 为例）。示例结合 generate_prompt 生成提示词、发送请求、获取并显示真实 AI 回复，并保存结果到文件。学完可实现代码直接与大模型交互，适合零基础读者向完整 AI 小工具迈进。

本文简明介绍了大语言模型(LLM)的核心工作机制。关键点包括：1)LLM本质是通过概率预测下一个token(词片)来完成文本生成，而非检索答案；2)采用自回归方式逐token生成内容；3)存在上下文窗口限制；4)温度和top-p参数控制生成多样性；5)幻觉源于概率性补全机制。对开发者的建议是：将其视为生成器而非真理机，合理管理上下文资源，并预期输出的随机性。理解LLM是"在给定上下文中合

SQLite内存管理主要涉及页缓存(Pcache)、工作区、临时结构和mmap映射区，所有操作都在应用进程地址空间完成。调优cache_size需考虑连接数、临时表、排序落盘和容器限额等因素。关键调优步骤包括：固定负载测试、监控缺页率/延迟、逐步增加缓存直至边际收益趋零。需注意mmap的虚拟内存占用风险、临时表溢出问题，并通过诊断RSS曲线、iostat等工具定位内存问题。大数据查询应限制返回列和

摘要 容器与宿主机目录权限不一致的核心原因是Linux基于UID/GID数值匹配权限，而容器内外用户身份可能不同。常见问题包括：非root容器用户访问root宿主目录、跨平台绑定挂载语义差异等。解决方案包括：构建镜像时固定UID并调整宿主机目录属主；在Compose中显式对齐用户；开发环境可通过命名卷或入口脚本调整权限（避免生产环境滥用777）。关键在于确保容器内外UID数值匹配，而非简单设置文件

第5课详细讲解LangGraph状态持久化机制，使用编程助手作为实战示例，演示如何通过`checkpointer` + `thread_id`实现多轮记忆。重点澄清了“状态是否会丢失”的核心问题，并通过多轮对话测试让读者直观感受到记忆机制的强大。适合希望构建长周期、复杂任务AI系统的开发者。

本课讲解维护聊天历史（messages 列表）、多轮对话实现、结合文件保存/加载上下文。示例构建带记忆的交互机器人，支持连续提问、历史持久化、长度截断。学完可让 AI “记住”对话，适合零基础读者向有状态的 AI 小工具方向推进。

本课讲解 Python 模块导入（import）、文件读写（txt/json）、json 模块使用。示例围绕 AI 提示词：保存/读取对话历史（简单 txt 和结构化 json），实现记录持久化。学完可让聊天记录不丢失，适合零基础读者向带记忆的 AI 小工具方向推进。