摘要：本文介绍了企业级智能体的应用场景和搭建方法。智能体通过整合知识库、流程编排和大模型能力，可应用于知识问答、业务办理、内容润色和线索挖掘等场景。重点阐述了知识库建设（结构化/非结构化）、插件开发、流程节点设计等核心技术，并以保险系统运营助手为例，展示了从知识库构建到智能体部署的全流程。文章还提供了基于"扣子"平台的搭建实战案例，演示了FAQ问答和文档分析两种典型场景的实现效

摘要：本文介绍了企业级智能体的应用场景和搭建方法。智能体通过整合知识库、流程编排和大模型能力，可应用于知识问答、业务办理、内容润色和线索挖掘等场景。重点阐述了知识库建设（结构化/非结构化）、插件开发、流程节点设计等核心技术，并以保险系统运营助手为例，展示了从知识库构建到智能体部署的全流程。文章还提供了基于"扣子"平台的搭建实战案例，演示了FAQ问答和文档分析两种典型场景的实现效

本文讲述了在Spring+MybatisPlus环境中，oracle数据库转为mysql后查询语法和代码的主要修改。

本文介绍了大模型（LLM）的基本概念和应用中的提示词工程。大模型可视为高维复杂函数，通过调整输入（prompt工程）或参数优化来提升输出效果。文章对比了不同模型特点（如指令型vs推理型），并详细讲解了四种提示词工程模板（LangGPT、CRISPE、ICIO、OCEP）的结构和应用场景，包括广告创意生成和软件开发文档编写等实例。这些模板通过系统化结构设计，帮助用户更精准地引导模型输出预期结果。

本文介绍了大模型（LLM）的基本概念和应用中的提示词工程。大模型可视为高维复杂函数，通过调整输入（prompt工程）或参数优化来提升输出效果。文章对比了不同模型特点（如指令型vs推理型），并详细讲解了四种提示词工程模板（LangGPT、CRISPE、ICIO、OCEP）的结构和应用场景，包括广告创意生成和软件开发文档编写等实例。这些模板通过系统化结构设计，帮助用户更精准地引导模型输出预期结果。

本文介绍了大模型（LLM）的基本概念和应用中的提示词工程。大模型可视为高维复杂函数，通过调整输入（prompt工程）或参数优化来提升输出效果。文章对比了不同模型特点（如指令型vs推理型），并详细讲解了四种提示词工程模板（LangGPT、CRISPE、ICIO、OCEP）的结构和应用场景，包括广告创意生成和软件开发文档编写等实例。这些模板通过系统化结构设计，帮助用户更精准地引导模型输出预期结果。

本文介绍了数据库查询的索引优化方法，依次介绍了慢查询语句定位方法、索引设计与sql语句优化方法，并介绍了左匹配原则和索引失效的场景，最后介绍了explain执行计划要怎么看以调整检验索引设计是否生效和效率情况，创新介绍了如何以业务板块及大表为切入点，系统性设计索引，用最少的索引覆盖最多的查询语句。在实践中将整个业务板块的多个大表查询和复杂查询sql优化从40s以上优化到3s以内，保障系统正常运行。