本文摘要： 文章讨论了在大模型应用中RAG（检索增强生成）和Milvus向量数据库的必要性，指出大模型存在知识截止、上下文限制和私有数据接入三大短板。RAG通过先检索再生成的方式，结合Milvus实现高效向量检索，能有效解决这些问题。对比MySQL和Elasticsearch，Milvus在向量检索性能、扩展性和混合查询方面优势明显。文章还给出了整合Milvus后的系统架构方案，并提供了Milvu

本文介绍了基于Docker Compose的项目管理和运维指南，适用于包含docker-compose.yml的项目结构。主要内容包括：1) 服务启停管理（up/down/restart命令）；2) 状态监控与日志查看（ps/logs命令）；3) 镜像构建与更新（build/pull命令）；4) 容器交互操作（exec命令）；5) 服务扩展（scale命令）等核心功能。特别提供了开发环境（带实时重

# 摘要本文系统梳理了大模型微调的三阶段技术链路——**预训练（Pre-training）**、**监督微调（SFT）** 和**基于人类反馈的强化学习（RLHF）**，并延伸至上线后的**直接偏好优化（DPO）** 持续学习机制。文章核心观点指出：当算法框架开源、算力不再是瓶颈时，**数据已成为大模型公司的核心竞争力**。通过分析三类数据（存量公开数据、存量垂直领域数据、增量公开数据）的获取难度

这是一个关于使用Docker容器化Spring Boot应用的实践指南。文章主要包含以下内容： 项目配置：展示了Spring Boot项目的pom.xml文件配置，包含Spring Boot Web依赖和Maven插件。 代码示例：提供了简单的HealthController健康检查端点和主应用类。 Docker部署： 基础Dockerfile配置：使用openjdk:17镜像，添加jar包并设置

本文介绍了如何使用Docker、Vue3和Nginx构建一个Vue的HelloWorld项目。主要内容包括： 前端环境准备：使用Vue CLI创建项目，配置Vite开发服务器和反向代理。 项目结构说明：详细解释了Vue项目的目录结构，包括src目录下的components、views、router等子目录。 后端接口配置：通过Docker构建Java Spring Boot后端镜像，并配置前端与后

## 摘要LangGraph 提供三种容错机制：**重试**（自动重试失败节点，支持自定义策略）、**超时**（限制单次尝试运行时长，支持运行超时和空闲超时）和**错误处理**（重试用尽后执行恢复函数）。三者按固定顺序组合：先重试，再用尽后触发错误处理器。使用 `set_node_defaults` 可统一配置图级默认值，各节点也可单独覆盖。超时仅适用于异步节点。优雅关闭（`RunControl.

## 摘要LangGraph存储(Store)允许智能体跨线程持久化任意键值数据(如用户偏好、知识)，与仅限单线程的检查点器不同。核心操作包括按命名空间存取记忆(put/get/search)，支持语义搜索(需配置嵌入模型)。在LangGraph中，通过Runtime对象在节点内访问存储，实现跨对话记忆共享。生产环境推荐PostgresStore等持久化后端，可自定义BaseStore实现。

该文档是LangGraph计算器代理的快速入门指南，演示了如何使用图API构建代理。核心步骤包括：1）定义算术工具（加、乘、除）并绑定到Claude模型；2）定义包含消息列表和调用次数的状态；3）创建模型节点执行LLM调用，工具节点执行工具；4）通过条件边判断是否继续或结束；5）使用StateGraph构建并编译代理。最终代理能根据用户输入自动调用相应工具完成计算并返回结果。

摘要：本文分享了使用Cursor从零开发智能运维工具Smartshell的经验。作者强调"动起来"的重要性，指出AI辅助编程需要保持对代码的掌控力，建议拆分需求模块、逐步验证，避免一次性提交过多内容。文章详细介绍了Cursor规则设置技巧，包括作用域分类和添加方式，并提醒注意人机协作中的代码同步问题。最后建议开发者拓展技术广度，同时指出当前AI编程面临产品设计和测试等环节的流程

提效10倍有条件：需求清晰、架构标准、方案已验证、交互不复杂时效率极高，但模糊需求和创新方案AI无能为力。细节靠人：黑屏实现等技术方案，必须自己清楚组件边界和坑，否则连正确的Prompt都写不出。Cursor是工具不是Agent：代码出问题谁负责？最终是人负责，所以AI不可能替代程序员。规则靠积累：不可能一开始就写出完美规则，犯错过程就是学习过程。结论：积极拥抱AI，它能扩展能力边界，但别被“程序