打开AI世界的大门

1. WeChatPadPro 连接微信的工具

项目地址：https://github.com/WeChatPadPro/WeChatPadPro

WeChatPadPro部署文档：https://astrbot.app/deploy/platform/wechat/wechatpadpro.html

默认登陆url：http://localhost:38849

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.

1. MCP入门介绍

• MCP，全称是Model Context Protocol，模型上下文协议，由Claude母公司Anthropic于去年11月正式提出。
  • Anthropic MCP发布通告：https://www.anthropic.com/news/model-context-protocol
  • MCP GitHub主页：https://github.com/modelcontextprotocol

certbot 已停止windows维护（虽然目前官方仍在更新），推荐使用 **Certify the Web (Certify)**工具来管理 SSL 证书。以下是 Certify 的详细使用指南，适用于 Windows 服务器（如果是 Linux，建议仍用 certbot 或 acme.sh）。

申请到自己的域名后，解析到内网穿透的IP，实现本地服务的访问

zerotier一个操作简单的基于p2p的内网穿透方案：地址：https://my.zerotier.com/

在 Markdown 中，你可以使用 Unicode 字符 或 Emoji 简码 来插入各种常用图标。以下是一些常见的分类整理，适用于文档、链接、提示等场景：

📌 常用图标分类

基本原理剖析

Text2SQL 的实现就是基于 RAG 技术 ，根据 Query 内容，从数据库中查询与 Query 有关的表 DDL 信息，然后将检索到的表 DDL 一起嵌入到预设的 Prompt 模板中，将 Prompt 和 Query 输入到 LLM 中，以生成最终的 SQL。

1. 大语言模型（LLM）的局限性

1. LLM 容易出现“幻觉”现象，即生成不准确或虚构的内容。
2. LLM 的上下文窗口有限，无法处理过长的文本。
3. LLM 存在隐私泄露的风险，也就是数据安全问题。

为了弥补这些不足 RAG（检索增强生成）技术应运而生，也就是最早的Naive（朴素的） RAG或者说Vanilla（普通的） RAG

使用如BM25（TF-IDF）或者Dense（Embedding） Retrieval的方式。

2. RAG技术在适应复杂应用场景和不断发展的技术需求中经历了从Naive RAG ，到流程优化的 Advanced RAG，再到更具灵活性的 Modular RAG 的演变。

之前的课程我们已经学完了RAG的完整流程，这里先做个回顾：

• 索引阶段

  • 文档解析技术

  • 分块策略

    • 固定大小分块、重叠分块、递归分块、文档特定分块、语义分块、混合分块

  • 嵌入模型选择

• 检索阶段

  • 向量数据库选择

  • 混合检索

    • 关键词检索

    • 向量检索

  • 重排序

• 生成阶段

  • 大语言模型选择

  • 提示词工程