让机器执行需要人类智能的任务阶段：早期阶段：专家系统 依赖人设定的规则机器学习时代：数据参数训练深度学习时代：用神经网络模拟人脑复杂结构 比如图像识别和处理大模型时代：以规模数据和大算力为基础分词。

Text2SQL 自助式数据报表开发（Chat BI）Q: 自助式报表是bi吗？A: 对的 主要是 Text2SQL, 自然语言撰写SQL，进行数据表查询，可视化结果等。Q: 是否必须安装mysqlA: 可以本地安装MySQL，或使用数据库的云服务器Q：PDF里面复杂表哥不好提取内容，怎么搞？A: 对，表格里可能会有复杂的情况，比如跨页或合并单元格的MinerU 可以将PDF中的图表 图片 或公式

texts = []# 必须添加EOS_TOKEN，否则生成会无限继续per_device_train_batch_size = 2,# 每个设备的训练批次大小gradient_accumulation_steps = 4,# 梯度累积步数warmup_steps = 5,# 预热步数max_steps = 60,# 最大训练步数learning_rate = 2e-4,# 学习率。

Q：老师 langchain-agent 和Qwen-agent，各有什么特性？LangChain 自带了很多 Agent，比如SQL Agent也比较适合工作流的编排Qwen-Agent 更偏向于Agent开发，自主调用 RAG，工具的能力，代码比较简洁Q：老师，mcp的sse和npx的区别是什么，还有哪些协议？sse 通过网页进行访问，事件驱动Q：在场景下如何选择到底是用Langchain还是

可以在IDE中设置 mcp.json，配置好后IDE的对话Agent就能用配置的mcp了：“args”: [“-y”,],“env”: {},需要找一个Agent，设置 mcp的参数 mcp.json。

1 拓展模型能力大模型本身无法直接调用外部系统（如数据库，计算工具），但通过调用预设函数，可以完成实时获取（天气 股价 新闻）复杂计算（数学运算 代码执行）操作外部系统（发送邮件，控制智能设备）2 结构化输出模型可将用户自然语言请求转化为结构化参数，传给函数。例如：用户说：明天北京天气如何？模型可以识别其中的参数：北京 202508243 动态决策流程模型可根据上下文决定是否以及何时调用函数，甚至

RAG高级技术Q：embedding时，markdown和txt 有何区别?embedding时markdown比txt损失更小 如果是PDF PPI建议转成Q：公司做运维场景的智能体 用什么框架好?思考运维智能体有哪些功能 需搭建哪些toolRAG：从1000万众=>召回（关键词）100个=>重排（重排模型相对较大，计算量较大)推荐系统：1000万=>召回100个=>重排召回可以是多渠道的，可以

RAG技术与应用如何让大模型的回答更准确?首先优化提示词，然后补充背景知识RAG，最后是微调SFT。

阿里的零码 lingma IDE可以用用；对标 cursorQwen3-coder 跟Claude 齐平大模型的部署工具：011ama个人学习用；V11m企业用 支持多人并发。

让机器执行需要人类智能的任务阶段：早期阶段：专家系统 依赖人设定的规则机器学习时代：数据参数训练深度学习时代：用神经网络模拟人脑复杂结构 比如图像识别和处理大模型时代：以规模数据和大算力为基础分词。