一、认识模型一、认识模型是⼀个从。旨在处理和⽣成信息的算法，通常模仿人类的认知功能。通过从⼤型数据集中学习模式和洞察，这些模型可以进⾏预测、⽣成⽂本、图像或其他输出，从而增强各个行业的各种应用可以简单理解为是⼀个""，这个⼯⼚是经过特殊训练的，训练师给它看了海量的例⼦ (数据)，并告诉它该怎么做。通过看这些例⼦，它⾃⼰摸索出了⼀套规则，学会了完成某个"特定任务"。,它能根据你给的东西，产⽣你想要的

Docker镜像是只读的模板文件，包含运行应用程序所需的文件系统、依赖和工具。它采用分层存储的联合文件系统(UnionFS)，每层文件系统都是只读的。镜像解决了环境一致性问题，通过将完整操作系统文件打包，确保本地和云端环境一致。Docker提供了一系列镜像管理命令：images（列出镜像）、tag（标记镜像）、pull/push（拉取/推送镜像）、rmi（删除镜像）、build（构建镜像）、sav

本文摘要： Docker安装与配置指南，涵盖Docker Server安装步骤、镜像源修改、目录迁移等核心内容。详细解析Docker生态体系，包括镜像仓库分类（公有/私有）、工作机制及常用命令（login/pull/push等）。重点介绍镜像管理命令（images/inspect/tag）和容器操作命令（run/ps），并附有参数说明。针对现代软件开发的分布式部署、快速迭代等需求，阐述了Docke

本文以电子商务应用为例，系统性地介绍了服务端架构从单机到千万级并发的演进过程。通过11个阶段的架构演进（单机架构→应用数据分离→集群架构→读写分离→缓存引入→垂直分库→水平分库→微服务→容器化），详细阐述了每个阶段的技术解决方案（如负载均衡、主从复制、分库分表等）和核心概念（分布式、集群、中间件等），并分析了各架构的优缺点。文章特别强调了性能指标（可用性、响应时长、吞吐量）与成本效益的平衡，以及如

本文系统介绍了C++模板和继承两大核心机制。模板部分包括函数模板和类模板的定义与实例化、非类型模板参数、模板特化（全特化和偏特化）以及模板声明与定义必须放在同一文件的原因。继承部分详细阐述了继承概念、对象切片、成员隐藏规则、派生类默认成员函数特点，重点分析了菱形继承问题及其解决方案——虚拟继承的原理（通过虚基表指针实现）。最后指出多继承的复杂性，建议优先使用组合而非继承，仅在实现多态等必要场景使用

摘要： 大语言模型（LLM）正成为AI领域的基础设施，推动生产力革命、优化人机交互并赋能千行百业。其接入方式主要有三种：1）API接入，通过HTTP请求调用云端模型（如注册API Key、构建请求）；2）本地部署，下载开源模型（如Llama、DeepSeek-R1）并通过推理框架（如Ollama、vLLM）运行；3）SDK接入，使用封装好的编程库简化API调用。选择方式需权衡数据敏感性、技术能力、

一、快速上手一、快速上手1、安装OpenAI包2、定义大模型，由于我们使用的是openAI可以兼容deepseek，我们用deepseek即可3、定义消息列表SystemMessage(content='帮我翻译单词'),4、调用大模型输出结果（调试可以看⻅ result 类型为 AIMessage）content='苹果'输出说明：AIMessage ：来自AI 的消息。从聊天模型返回，作为对提

工具的作用工具的作用工具调用户根本作用是让大语言模型（LLM）具备与外部世界交互的能力。LLM 本身是⼀个封闭的知识系统，其能力受限于其训练数据（存在滞后性）和内在的文本生成逻辑。它无法执行直接计算、查询实时信息、操作数据库或调用任何外部 API。工具调用打破了这层壁垒，其作⽤具体体现在：扩展能力边界：模型可以借助工具完成它本身无法完成的任务，如执行数学计算、搜索网络、查询数据库等。

工具的作用工具的作用工具调用户根本作用是让大语言模型（LLM）具备与外部世界交互的能力。LLM 本身是⼀个封闭的知识系统，其能力受限于其训练数据（存在滞后性）和内在的文本生成逻辑。它无法执行直接计算、查询实时信息、操作数据库或调用任何外部 API。工具调用打破了这层壁垒，其作⽤具体体现在：扩展能力边界：模型可以借助工具完成它本身无法完成的任务，如执行数学计算、搜索网络、查询数据库等。

一、快速上手一、快速上手1、安装OpenAI包2、定义大模型，由于我们使用的是openAI可以兼容deepseek，我们用deepseek即可3、定义消息列表SystemMessage(content='帮我翻译单词'),4、调用大模型输出结果（调试可以看⻅ result 类型为 AIMessage）content='苹果'输出说明：AIMessage ：来自AI 的消息。从聊天模型返回，作为对提