AI Agent 开发实战教程（四）：RAG 检索增强生成
目录
1. RAG 概述：为什么需要检索增强
2. LangChain 文档加载器
3. 文本分块策略
4. 嵌入模型：让文本变成向量
5. 向量检索与混合搜索
6. 重排序（Reranking）
7. LangChain RAG Chain 完整实现
8. Agentic RAG：让 RAG 更智能
9. 小结与下一步
1
人工智能
IDE、CLI、API是什么
IDE（Integrated Development Environment） - 集成开发环境
是什么：一个功能强大的图形化桌面软件，把写代码、调试、运行、版本管理等功能都集成在一个窗口里。
例子：Visual Studio Code, IntelliJ IDEA, PyCharm, Xcode。
CLI&#
岛屿数量 -- 图论
思路：我觉得有一个思路很好，就是对于我们熟悉的DFS(深度优先搜索）问题通常是在树结构或者图结构上进行的。而今天我们要讨论的DFS问题，是一种在网络结构中进行的。岛屿问题是这类网络DFS问题的典型代表。网络结构遍历起来比二叉树要复杂，如果没有掌握一些方法，DFS代码容易写的冗长繁杂。DFS的基本结构网络结构要比二叉
MVC、MVP、MVVM 架构 笔记
个人笔记 by Ai， 如有错误 望指正谢谢一、主流 Web MVC
流程：用户操作 → Controller －请求读/改数据 → Model －执行请求并返回结果 → Controller －传递结果→ View －根据结果更新页面
这里的 View不依赖Model行为，但大概率依赖数据
进程同步与通信：System V 消息队列 + 信号量一站式解析
system V消息队列
一、是什么？System V 消息队列 = 内核里的一个消息链表
进程把带类型的消息放进去
另一个进程按类型取
自带同步、排队、阻塞
二、核心原理
内核维护一个消息队列链表
消息 = 类型 + 数据
发送：把消息挂到队列尾部
接收：可按类型取（只取我想要的）
生命周期
时序大模型 TimechoAI：从预测到异常检测的全链路分析
时序大模型 TimechoAI：从预测到异常检测的全链路分析
引言做工业数据分析和设备运维的朋友大概都有过这样的经历：面对海量的传感器时序数据，想用机器学习做些预测或异常检测，结果发现传统方法要么效果有限，要么门槛太高。ARIMA 调参调到怀疑人生，深度学习模型从特征工程到部署上线动辄几个月，好不容
【AI】一文讲清 RAG：从大模型局限到企业级知识库落地流程
👨💻程序员三明治：个人主页
🔥 个人专栏: 《设计模式精解》 《重学数据结构》 《AI探索日志》 《从0带你学深度强化学习》
🤞先做到 再看见！
目录
一、为什么需要 RAG？
1. 大模型是怎么工作的？
1.1 训练阶段：从海
AI：OpenAI Codex 安装使用全流程详解：桌面APP、CLI、注册问题与解决方案
OpenAI Codex 安装使用全流程详解：桌面APP、CLI、注册问题与解决方案
本文基于 2026 年 5 月最新实测经验整理，适合国内开发者参考。
一、前言OpenAI Codex 是 2025 年 OpenAI 重新启用的品牌，定位是 AI 编程智能体平台，对标 Cursor、Claude Code。但很多国内开发者在第一
故障排查：AI辅助定位HTML5+AI应用的线上故障
故障排查：AI辅助定位HTML5+AI应用的线上故障
📝 本章学习目标：本章聚焦工程实践，帮助读者掌握团队协作和项目管理能力。通过本章学习，你将全面掌握"故障排查：AI辅助定位HTML5+AI应用的线上故障"这一核心主题。
一、引言：为什么这个话题如此重要在前端技
【从零开始大模型开发与微调:基于PyTorch与ChatGLM】(新时代的曙光之大模型与人工智能)
🔥承渊政道：个人主页
❄️个人专栏: 《C语言基础语法知识》 《数据结构与算法》 《C++知识内容》 《Linux系统知识》 《算法刷题指南》 《测评文章活动推广》 《大模型语言路线学习》 《MySQL数据库学习》
✨逆境不吐心中苦,顺境不忘来时路!✨
🎬 博主简介:
在人工智能快速演进的今天,大语言模型已
