CoT 是的缩写，中文通常叫。通俗地说，就是让大模型不要直接给答案，而是把问题拆成多个中间步骤，再一步一步得到结论。例如：小明有 5 个苹果，又买了 3 个，送给别人 2 个，还剩多少个？直接回答：6 个。使用 CoT：原来有 5 个，买了 3 个后有 5+3=85+3=85+3=8 个；又送出 2 个，所以剩下 8−2=68-2=68−2=6 个。这里的“先加法，再减法，最后得出答案”，就是一条

不要因为一次卡顿就重装 VS Code。很多问题只需要重新加载窗口即可解决。优先使用。这是恢复 VS Code 最快、影响最小的方法。如果再次发生卡顿，第一时间保存现场。不要急着重启，先打开和截图，因为重启后关键日志通常会消失。只影响 VS Code 的界面渲染，不会影响 CUDA、PyTorch 或服务器 GPU 的训练性能。一句话总结：先定位，再处理；先 Reload，再禁 GPU；先观察，再

当.cypher文件比较大，比如几十 MB，，容易卡死。正确做法是：用 Mac 终端里的执行整个文件。例如：workspace_code_graph.cypher要导入到 Neo4j 数据库：demo1。

不要因为一次卡顿就重装 VS Code。很多问题只需要重新加载窗口即可解决。优先使用。这是恢复 VS Code 最快、影响最小的方法。如果再次发生卡顿，第一时间保存现场。不要急着重启，先打开和截图，因为重启后关键日志通常会消失。只影响 VS Code 的界面渲染，不会影响 CUDA、PyTorch 或服务器 GPU 的训练性能。一句话总结：先定位，再处理；先 Reload，再禁 GPU；先观察，再

当系统内置异常无法满足需求时（如业务特定错误），可通过继承Exception（或其子类）定义自定义异常，使异常更具语义化。# 定义自定义异常（继承Exception）"""年龄不合法异常"""super().__init__(f"无效年龄：{age}（必须在0-150之间）")# 使用自定义异常raise InvalidAgeError(age) # 主动触发# 捕获自定义异常try:print(

Lambda 表达式（也称为匿名函数）是 Python 中用于创建小型、一次性使用的匿名函数的一种简洁方式。它们使用lambda关键字定义，不需要使用def关键字来正式定义函数。

self代指当前对象实例，cls代表当前类class 类名:"""类的文档字符串（可选，说明类的功能）"""# 类属性（所有对象共享的属性）类属性名 = 属性值# 初始化方法（创建对象时自动调用，用于初始化对象的属性）def __init__(self, 参数1, 参数2, ...):# 实例属性（每个对象独有的属性，用 self. 定义）self.实例属性名1 = 参数1self.实例属性名2

在 Remote Explorer 界面右上角找到 "+" 号（添加新连接），点击它。打开终端进行交互：终端 = 远程服务器的命令行窗口 = 你操作服务器的 “遥控器”Ctrl+S保存配置文件后，此时就能在左侧SSH中看到添加的远程服务器地址了。打开左边的侧边栏方块四宫格图标：扩展（Extensions）（作者：Microsoft），点击Install安装。在弹出的输入框中，完整输入服务器的连接命

传统推荐系统（协同过滤、序列模型等）主要处理的数据（如用户ID、物品ID、评分、点击时间）。它们像是优秀的“模式识别器”，但不理解数据背后的。传统推荐系统主要利用用户和物品的ID、数值特征、类别特征等，而LLM-based推荐系统则利用LLM对文本信息的强大理解能力，将用户历史行为（如点击、购买等）和物品的文本信息（如标题、描述）作为输入，通过LLM来理解用户偏好和物品特性，从而进行推荐。

最近的研究越来越多地探索将大语言模型（LLM）作为推荐系统的新范式，这得益于其强大的可扩展性和丰富的世界知识。大多数努力集中在召回（retrieval）和排序（ranking）上，而对提炼最终推荐结果至关重要的**重排（reranking）**阶段在很大程度上被忽视了；LLM 通常仅在零样本或监督微调设置下使用，其推理能力（特别是通过强化学习和高质量推理数据增强的能力）未能得到充分挖掘；物品通常由