本文系统阐述了人工智能技术的四个关键发展阶段：提示工程（Prompt Engineering）通过优化输入提示引导大语言模型生成精准输出；智能体（AI Agent）作为整合LLM能力的自主系统，通过感知-决策-执行闭环完成复杂任务；微调（Fine-tuning）使预训练模型适应特定领域任务；预训练（Pre-training）则通过海量无监督学习构建基础语言理解能力。这四个技术层级由浅入深，共同推动

不少用户从付费安装“龙虾”，到付费卸载“龙虾”，养“龙虾”正在成为一场智能体的狂欢。国家安全部专门发布《“龙虾”(OpenClaw)安全养殖手册》，提醒广大用户要理性辨别、规范使用，以积极的心态和慎重的执行拥抱人工智能时代，让“龙虾”成为遵规守纪、产能高效的“数字员工”。“龙虾”并非供人娱乐的数字宠物，而是能够自主执行任务、承担流程操作、持续学习成长的“数字员工”，养“虾”人应理性看待、规范使用，

AirtestIDE（可视化，新手首选）和Python 命令行版（适合独立运行脚本），核心依赖是 Python + Airtest/poco 库；核心使用流程：连接设备 → 录制 / 编写脚本 → 运行 / 调试，重点掌握clicktextswipewait等基础函数和Template图片定位；脚本稳定运行的关键：合理设置等待时间、提高图片识别阈值、避免硬编码，遇到问题优先查看 adb 连接和运行

所有项目均支持「视觉识别 + ADB 操作」，核心差异在于是否依赖大模型、是否支持跨平台、稳定性 / 易用性 Trade-off。：如需 AI 驱动，集成 GPT-4o 到 Airtest/Appium，实现自然语言指令→脚本生成→执行；多模态大模型（GPT-4V/Qwen-VL）驱动，支持跨 App 复杂任务规划；纯视觉 + 控件双驱动，支持「录制操作→生成脚本」，开箱即用；

目录1、项目中哪些业务场景使用了缓存2、为什么使用缓存？3、redis 和 memcached 有什么区别？redis 的线程模型是什么？为什么 redis 单线程却能支撑高并发？4、redis有哪些数据结构5、redis 的持久化有哪几种方式？不同的持久化机制都有什么优缺点？持久化机制具体底层是如何实现的？6、redis有哪些内存淘汰策略？7、redis内存过期策略?8、如何应对缓存雪崩、缓存穿

前面的章节，系统雏形已经初步形成，前端项目的展示数据为固定数据活mock数据，今天我们来一起完善后端项目架构。一、前后交互规范前后端通过RESTful接口规范进行交互，Swagger是规范和完整的框架，用于生成、描述、调用和可视化 RESTful 风格的 Web 服务。Swagger 让部署管理和使用功能强大的 API 。1、添加pom依赖<dependency><groupId

2、将打包的文件上传阿里云跳板机，利用跳板机复制到应用服务器及调用应用服务器启动脚本。因需要将部署文件上传到应用服务器及远程调用脚本，所以需要配置服务器间免密访问。首先，在本地机器上生成SSH密钥对。命令将公钥复制到远程服务器上。例如，要将公钥复制到用户名为。按照提示操作，可以按回车键接受默认的文件保存位置（通常在。应用启动脚本中需要指定绝对路径，不然会报错。首次需要输入密码，后续就不再需要了。）

pgvector 并非独立的向量数据库，而是 PostgreSQL 的向量扩展插件，其核心优势是能复用 PostgreSQL 的现有生态，无需额外部署新数据库，同时也存在超大规模场景下性能不足等局限。

Ollama 是一个开源的本地大模型部署工具，旨在简化大型语言模型（LLM）的运行和管理。通过简单命令，用户可以在消费级设备上快速启动和运行开源模型（如 Llama、DeepSeek 等），无需复杂配置。它提供 OpenAI 兼容的 API，支持 GPU 加速，并允许自定义模型开发。

关注公众号小猿架构，发送 sjh免费获取 《数据湖建设方案》完整版。