Embedding 是把"文字的意思"翻译成"一串数字"，Chroma 负责存和搜，Qwen 负责翻译。你不需要懂向量数学——你只需要知道怎么把 Qwen 接进来。2. 封装一个 Qwen Embedding 函数3. 使用本地 Qwen 模型（不想花钱调 API？）🚧 避坑指南坑现象解法API Key 没设检查环境变量 ，或在代码里显式传入Embedding 维度不一致写入时报是 1024 维

本文详细介绍了Python安装的多种方式及注意事项。官网安装包适合初学者但难以管理多版本；包管理器（如Homebrew、apt）适合日常使用；pyenv是开发者管理多版本的最佳选择；源码编译则适用于特殊需求。文章特别强调了Windows用户需勾选"Add Python to PATH"，macOS用户应避免使用系统自带Python，并提供了验证安装成功的方法。针对不同使用场景给出了具体建议，包括学

说实话，写这个教程的原因挺简单的——我身边总有朋友问我"Python 怎么学"、“有没有什么靠谱的入门资料”。网上的教程不是没有，但要么太学术，要么太跳跃，要么就是那种看完还是不会写的类型。所以我自己整理了一套，按照我自己的学习路径来，尽量说人话。你之前完全没写过代码，想从零开始你学过一点但总觉得没学明白，想系统重来你需要一本随时能查的手册你已经很熟练了，想找进阶内容（后续可能会出）你想要视频，这

本文记录一个实际需求的完整实现过程：企业微信没有消息导出功能，我用 RPA 的思路绕过这个限制，做了一个自动采集工具。

2026 年了，还在手动调 API？用 LangChain，30 分钟搞定一个能对话、能查文档、能调用工具的 AI 应用！

企业有 1000+ 文档，员工找个信息要花半天？用 LangChain 搭建知识库问答系统，3 分钟搞定！

单个 AI 搞不定复杂任务？用 Chain 串联多个 AI，自动完成多步骤工作流！

自动总结对话{"input": f"用户问了关于产品的问题llm = ChatOpenAI(model = "gpt-3.5-turbo") memory = ConversationSummaryMemory(llm = llm , return_messages = True) # 自动总结对话 for i in range(20) : memory . save_context({"inpu

Embedding 是把"文字的意思"翻译成"一串数字"，Chroma 负责存和搜，Qwen 负责翻译。你不需要懂向量数学——你只需要知道怎么把 Qwen 接进来。2. 封装一个 Qwen Embedding 函数3. 使用本地 Qwen 模型（不想花钱调 API？）🚧 避坑指南坑现象解法API Key 没设检查环境变量 ，或在代码里显式传入Embedding 维度不一致写入时报是 1024 维

这章讲 Python 的异步编程。说实话，对入门来说偏深了，但协程在现代 Python 生态里越来越重要（FastAPI、httpx、aiohttp 都用），至少得知道怎么回事。