在 LangChain 短期记忆是通过 AgentState 实现的，而会话历史（也就是消息列表）是 AgentState 的一部分LangChain 提供了 Checkpointer 对象来保存 AgentState,每一次用户与AI的交互都会生成一个快照，记录为一个 checkpoint。每次请求时，会拿到最近一次快照，再加上当前的消息，拼接好，发给模型，可以基于历史消息进行回答了时间穿梭代码

多维性：支持0维度，1维度（向量，一维数组），2维度（矩阵）,以及更高维度的数组同质性：所有元素类型必须一致（即使你定义时不一致，最后也会类型上升统一到一致，这样是为了快速计算），可以通过dtype制定高效性：基于连续的内存块进行存储，支持向量化计算作用：根据传入的形状生成全0数组，快速初始化全0数组调用：np.zeros(传入形状) 例：np.zeros((2,3))zeros_arr = np

该库的免费版本对处理的 PDF 页数有限制（每次最多 10 页），本文示例均基于免费版的功能范围。

很多人想学习 AI，但是不知道怎么入门。笔者开始也是，先是学习了 Python，然后是 Tensorflow ，还准备看一堆深度学习的书。但是逐渐发现，这些知识太深奥了，无法在短时间内学会。此外还有另一个问题，学这些对自己有什么帮助？虽然学习这些技术是很 NB，但是对自己作用有多大？自己到底需要学什么？这这段时间，接触了一些需求，先后搭建了一些聊天工具和 Fastgpt 知识库平台，经过一段时间的

本章目标：安装 Python 环境、安装文本编辑器、运行第一个 Python 程序。如果你编程技艺无穷，你打算开发什么样的程序？花点时间描绘三个你想创建的程序。Python 自带的终端解释器，可以不用保存完整程序，直接试运行代码片段。如果这行代码能正确运行，你编写的任何 Python 程序都将如此。Python 是跨平台语言，所有主流操作系统都能运行。），运行观察错误信息。试找一个不会导致错误的输

LLM 是引擎，Token 是燃料，Context 是工作台。Prompt 是方向盘，RAG 是外挂知识库，Tool 是手脚。MCP 是统一的插座标准，让工具能即插即用。Agent 是整车，具备了自动驾驶（自主规划）的能力。Skill 则是车载的“自动驾驶辅助模块”，让车不仅能开，还能熟练掌握各种特定路况（如倒车入库、高速巡航）。理解了这些概念，你就看懂了当前 AI 领域几乎所有产品（如 Clau

LLM 是引擎，Token 是燃料，Context 是工作台。Prompt 是方向盘，RAG 是外挂知识库，Tool 是手脚。MCP 是统一的插座标准，让工具能即插即用。Agent 是整车，具备了自动驾驶（自主规划）的能力。Skill 则是车载的“自动驾驶辅助模块”，让车不仅能开，还能熟练掌握各种特定路况（如倒车入库、高速巡航）。理解了这些概念，你就看懂了当前 AI 领域几乎所有产品（如 Clau

在Program.cs// 定义用户模型set;set;} // 实际项目中应存储哈希值set;} // 角色：Admin, User// 模拟数据库用户理解了 JWT 的原理：Header、Payload、Signature。实现了/login接口颁发 Token。配置了中间件验证 Token。学会了和基于角色的权限控制。现在的应用，已经是一个功能完备、安全可靠的系统了！下一篇预告代码写完了，安

大模型预训练完成后，还需要通过高质量的指令数据、人类反馈数据做进一步调优——这一步叫RLHF（基于人类反馈的强化学习），正是ChatGPT在2022年引爆行业时最核心的技术突破之一。预训练让AI"见过世面"，RLHF让它"懂得规矩"。没有数据，再强大的版图，再好的算法也只能空转。

大模型预训练完成后，还需要通过高质量的指令数据、人类反馈数据做进一步调优——这一步叫RLHF（基于人类反馈的强化学习），正是ChatGPT在2022年引爆行业时最核心的技术突破之一。预训练让AI"见过世面"，RLHF让它"懂得规矩"。没有数据，再强大的版图，再好的算法也只能空转。