由谁决定下一步该做什么、往哪走，三者是从小到大、可以互相嵌套的三层结构，并不是互斥的三个选项，项目里一般是搭配使用的，我分层来讲。Tools 工具工具本质就是封装好、附带标准描述文档的普通函数，像联网搜索、代码执行、查询数据库、发送邮件都属于工具。它只有固定的入参和输出，完全没有一丁点决策能力，只会被动等着被调用，自己不知道什么时候该执行、该不该执行，好比瑞士军刀的各个刀片，刀片本身不会自己弹出来

它不是简单的大模型加插件、加工具，本质是一个具备。

首先 RAG 全称是检索增强生成，核心作用就是解决 LLM 天生的知识冻结问题。大模型训练完成之后，参数里的知识就固定死了，训练截止时间之后的新闻、公司内部私有文档、业务资料，模型全都没办法知晓。如果用微调补齐新知识，不仅算力、时间成本很高，后续资料更新还得重新训练模型，改动成本巨大。

Vue的基本原理、构建Vue实例、存储和显示Vue数据、生命周期函数、使用指令进行条件渲染

计算属性、使用侦听器、使用事件处理页面交互

设计链表与单双链表

本文介绍了基于SpringAI和MySQL实现简历文本相似度计算的方案。文章分为三个主要部分：1. 前置工作：使用Apache Tika提取文件文本，并实现自定义文本分段器处理长文本；2. 向量模型应用：通过SpringAI的EmbeddingModel将文本转换为向量，并实现向量序列化存储；3. 相似度计算：采用小顶堆TopK检索算法结合余弦相似度计算，最终生成包含覆盖率、平均相似度等指标的评估

本文介绍了使用LLaMA-Factory框架进行大模型微调的完整流程

本文介绍利用SpringAI和Dify建智能问答系统。通过SpringAI框架，演示了单轮对话、SSE流式输出和多轮会话管理的实现方法；同时展示了使用Dify平台进行可视化工作流编排，以及如何将Dify工作流与SpringBoot项目集成。

本文介绍了使用LLaMA-Factory框架进行大模型微调的完整流程