Ollama在本地11434端口提供API服务，支持多种调用方式：1)通过curl发起基础对话或流式请求；2)使用Python requests库调用API；3)兼容OpenAI接口，可实现标准或流式输出。示例代码展示了如何调用qwen系列模型进行对话，包括普通响应和实时流式输出两种模式，并演示了系统角色设置等功能。

本文介绍了大模型的工作流程，主要包括分词化和文本生成两个核心环节。分词化部分阐述了词粒度、字符粒度和子词粒度三种分词方法及其适用场景，并说明分词如何通过词表映射为token id。文本生成部分解释了自回归机制，即模型基于已有token逐步预测下一个token，直到遇到终止符或达到长度限制。整个过程展现了语言模型从输入处理到输出生成的完整推理路径。

摘要：本文探讨了AI Agent的核心原理与技术框架。AI Agent基于大语言模型构建，具备自主规划、记忆存储和工具使用能力，可处理复杂多步骤任务。文章详细分析了Agent的四个关键模块：规划（包括思维链和思维树分解）、记忆（短期与长期存储）、工具API集成和执行行动。通过智能家居案例展示了Agent如何感知需求、分解任务并动态调整行动。还介绍了ReAct框架等关键技术，为构建个性化Agent系

摘要：本文探讨了AI Agent的核心原理与技术框架。AI Agent基于大语言模型构建，具备自主规划、记忆存储和工具使用能力，可处理复杂多步骤任务。文章详细分析了Agent的四个关键模块：规划（包括思维链和思维树分解）、记忆（短期与长期存储）、工具API集成和执行行动。通过智能家居案例展示了Agent如何感知需求、分解任务并动态调整行动。还介绍了ReAct框架等关键技术，为构建个性化Agent系

残差块使得很深的网络更加容易训练，甚至一千层的网络。无论多深，总会把下面小的训练好，再去训练更深的。